30.11.2020 by Dr. Alexander Schindler
Smart termisk analyse: Målinger efterlyses?
Forestil dig den typiske situation i det daglige laboratoriearbejde: En ny prøve skal analyseres, men hvad er de passende målebetingelser som f.eks. temperaturprogram, prøvemasse eller den rigtige smeltedigel? Og hvilke måleresultater kan man forvente? Måske har du allerede målt en sådan prøve tidligere - eller måske på NETZSCH. Ville det ikke være en stor hjælp blot at søge i en database for termisk analyse? Identify, som er en del af analysesoftwaren Proteus®, er løsningen!
Det oprindelige formål med Identify-databasesystemet er automatisk genkendelse og sammenligning af målekurver. Dette tjener f.eks. til kvalitetskontrol og fejlanalyse. Ren datamining (lagring, søgning og fremfinding af data) er naturligvis det andet hovedformål.
Hvordan laver man datamining med Identify?
En måde at bruge Identify på er at søge efter lignende databasemålinger eller litteraturdata på basis af en inputmålekurve. Dette er illustreret i figur 1, hvor en måling af termomekanisk analyse (TMA) sammenlignes med forskellige databasekurver. Den lignende TMA-kurve blev fundet automatisk af Identify, DSC- og TGA-kurverne blev i dette tilfælde fundet nemt ved alfabetisk sortering af alle de viste databasemålinger. Det er interessant at se, at glasovergangen sker mellem -70...-60 °C (se også DSC-kurven), og at nedbrydningen - som normalt bør undgås i DSC- eller TMA-målinger - starter langsomt ved over 150 °C, som det ses i TGA-kurven.
Den anden tilgang til datamining - hvor der ikke kræves en lignende inputmåling - er relateret til funktionen "Administrer biblioteker/klasser" (se figur 2). I dette tilfælde blev "NR" indtastet manuelt i søgefeltet for målinger og litteraturdata, og følgelig blev de tre forskellige NR-målinger fundet. Gendannelse af en databasemåling, som ganske enkelt gøres med et højreklik, åbner målingen, hvor også målebetingelserne, såsom temperaturprogram, prøvemasse, spulegasser og prøvedigel, kan ses i detaljer.
Sidst, men ikke mindst, giver Identify også mulighed for at filtrere efter opvarmningshastigheden, prøvemassen, og om glasovergange eller endoterme og eksoterme effekter blev evalueret. Om en række bogstaver forekommer i et målenavn eller ej, kan også være et filterkriterium (se figur 3).
Databaseindholdet i Identify
Figur 4 viser NETZSCH -bibliotekerne, der i øjeblikket indeholder 1294 poster, som dækker forskellige anvendelsesområder (keramik, uorganiske stoffer, metaller, legeringer, organiske stoffer, lægemidler, fødevarer, kosmetik og polymerer). KIMW-databasen, der er udviklet af Kunststoffinstitut Lüdenscheid, Tyskland, med DSC-kurver for 1000 forskellige kommercielt tilgængelige polymerkvaliteter, hvor oplysninger om polymerleverandør, farve og fyldstofmateriale/indhold også er tilgængelige, er tilgængelig som en mulighed.
Kort sagt kan målinger, tilknyttede målebetingelser og evalueringer nemt findes og hentes for alle målinger, der er gemt i Identify. Denne værdifulde viden kan være nyttig før og efter enhver måling!
Du er velkommen til at besøge tidligere, relaterede blogartikler:
Smart termisk analyse (del I): AutoEvaluation af DSC-, TGA- og STA-kurver
Smart termisk analyse (del II): Identifikation af målinger via databasesøgning
Smart termisk analyse (del III): AutoEvaluation af DIL- og TMA-kurver