27.11.2019 by Milena Riedl
Digitalisering af DSC: Få mest muligt ud af dine målinger!
Termisk analyse besvarer mange spørgsmål inden for forskellige forretningsområder i fremstillingsindustrien. Det er dog ofte vanskeligt at få mest mulig information ud af målingerne, da der i litteraturen kun findes enkeltværdier og ikke komplette termogrammer. Polymerdatabaser er almindelige værktøjer til andre metoder som FT-IR eller GC-MS. Find ud af, hvordan databasen for instrumenter til termisk analyse letter dit daglige arbejde.
Termisk analyse kan besvare mange spørgsmål inden for forskellige forretningsområder i fremstillingsindustrien. Ved inspektion af indgående varer er det vigtigt at vide, om en materialebatch er egnet til at producere gode dele. I reverse engineering opstår der spørgsmål om, hvorfor en konkurrent kan tilbyde lignende dele til billigere priser. Når en del fejler, er det nødvendigt at finde ud af, om der er urenheder i materialet, eller om produktionsparametrene er indstillet korrekt.
Hvorfor har vi brug for en polymerdatabase?
Databaserede evalueringer af resultater har været almindelige for mange metoder som FT-IR eller GC-MS i lang tid. I litteraturen findes der kun enkeltværdier og ikke de komplette termogrammer, som er nødvendige for at få fuldstændige oplysninger om et materiale. Derudover har den matematiske sammenligning af komplette kurver ikke været mulig før digitaliseringen af termogrammer og tabeller.
Hvordan fungerer det?
Case 1: Materialet var et PP-genbrugsmateriale. Delene fra den aktuelle produktionsbatch har lavere mekaniske egenskaber. De har også brunlige striber, som er delvist synlige. Tidligere produktionsbatcher viste ingen problemer.
Først blev en god del analyseret med differential scanning calorimetry (DSC) for at have en reference at sammenligne med den defekte del. Figur 1 viser, at der kun er en enkelt smeltetop i det typiske område for polypropylen (PP).
Dernæst blev den defekte del også målt med DSC. I figur 2 kan man tydeligt se, at der er en anden smeltetop ved omkring 132 °C. Dette er en stærk indikation på en urenhed i det forarbejdede materiale.
For at finde ud af, hvad urenheden er, er det nødvendigt at kigge i litteraturen ..
... eller polymerdatabasen, der er integreret i NETZSCH Proteus® softwareløsning!
Kun måleområdet med den ualmindelige top blev valgt til analysen. Softwaren viser automatisk referencematerialer, der er i overensstemmelse med det målte materiale. I dette tilfælde har den første top en meget god korrelation med HD-PE. Derfor kan det bekræftes, at det genanvendte PP-materiale er blevet forurenet med HD-PE.
Identificer ukendte materialer
Case 2: I det andet eksempel var målet at finde ud af, hvilket materiale der blev brugt til produktionen af en konkurrencedygtig del.
Figur 4 viser DSC-analysen af prøven med en målt smeltetop på 222 °C. Et kig i litteraturen afslører, at materialet enten kan være polyamid 6 (PA6) (smeltetop mellem 220 og 230 °C) eller PA610 (smeltetop mellem 210 og 230 °C). På grund af overlappende smeltepunkter er det således ikke muligt at skelne mellem de to materialer.
Men ved at evaluere målingen med den automatiserede database bliver det klart, at det forarbejdede materiale er PA610. Softwaren sammenligner hele plottet matematisk i forhold til sammenligningen af en enkelt værdi med litteraturdata.
Din succes med smarte data
Digitalisering af DSC med softwareværktøjerneProteus® softwareværktøjer AutoEvaluation og Identify giver en lang række fordele:
- Identifikation af materialeblandinger og urenheder
- Forbedring af kvalitet og kapacitet
- Identifikation af ukendte materialer
- Højere reproducerbarhed af målinger
Klik her for at få mere information om KIMW-databasen for polymerer!
Tak til Martin Doedt (B. Sc., laboratorieleder, Kunststoff-Institut Lüdenscheid) for foredraget på K-show 2019!
