Segítsen javítani a Recyclates prediktív modelljeit
Hozzájárulás a képzési adatokhoz a Proteus® oldalon Most számszerűsítsd
Az újrahasznosítási folyamatok természetüknél fogva összetettek.
Sokféle polimerből, adalékanyagból és ismeretlen szennyeződésből állnak, amelyek gyakran tételenként jelentősen eltérnek. Ez az összetettség jelentős kihívást jelent a polimer újrahasznosító ipar számára, mivel megnehezíti a megbízható anyagazonosítást és a szennyeződések kimutatását.
E kihívás megoldása érdekében, Proteus® Now Quantify kifejlesztése folyamatban van a szennyeződések felismerésének és az újrahasznosított polimerek anyagainak osztályozásának javítása érdekében. E cél eléréséhez kulcsfontosságú az alapul szolgáló anyagadatbázis bővítése és finomítása.
A megbízható gépi tanulási modellek létrehozásához kiváló minőségű, szabványosított NETZSCH DSC tréningadatokra van szükségünk valódi ipari vegyületekből. Kifejezetten szűz polimereken alapuló összetett anyagokat keresünk, amelyek reálisan reprezentálják az újrahasznosított anyagáramokban előforduló tipikus szennyeződési forgatókönyveket. Ez lehetővé teszi számunkra, hogy ellenőrzött, jól definiált adathalmazokat hozzunk létre a robusztus modellképzéshez.
Az Ön hozzájárulása segít növelni az előrejelzések pontosságát, robusztusságát és ipari alkalmazhatóságát, ezáltal támogatva az újrahasznosított anyagok jobb értékelését a polimeriparban. A száraz keverékek és a tényleges újrahasznosított anyagok nem alkalmasak.
“Segítsen nekünk, hogy a Proteus® Now Quantify még hatékonyabbá váljon, és közvetlenül részesüljön a jobb elemzési eredményekből. A szabványosított NETZSCH DSC tréningadatok megosztásával Ön segít abban, hogy a mesterséges intelligencia modellek pontosabbak, robusztusabbak és jobban alkalmazhatók legyenek a valós ipari újrahasznosítható anyagokhoz. Minél változatosabb az adathalmaz, annál pontosabb és értékesebb lesz a modell mindenki számára.”
Miért fontos a szabványosítás
A gépi tanulási modellek csak annyira jók, mint az adatok, amelyeken betanították őket. A Quantify megbízható előrejelzéseket adjon, a következő feltételeknek kell teljesülniük:
- A mérési feltételeknek azonosnak kell lenniük
- A termikus előzményeknek összehasonlíthatónak kell lenniük
- A görbe alakjának tükröznie kell a vegyület valódi viselkedését
Még a small DSC paraméterek eltérései is befolyásolják a csúcs alakját, az entalpiát és a kristályosodási viselkedést, ami közvetlenül befolyásolja a modell teljesítményét.
Ezért csak a meghatározott Quantify szabvány szerint végzett mérések használhatók fel a képzéshez.
Számszerűsítse a Mérési ellenőrzőlista (kötelező a képzési adatokhoz)
Módszer paraméterei
- A minta tömege: 10 ± 1 mg
- Fűtési sebesség: 10 K/perc
- Hűtési sebesség: 10 K/min
- Atmoszféra: Nitrogén (alapértelmezett gázáramlás)
- Tégely: Al Concavus® lyukacsos fedéllel
- Érzékenység és TempCal érvényes
- BeFlat® aktiválva
⚠️ Ezek a paraméterek rögzítettek a következő esetekben Proteus® Now Quantify. Az eltérések megváltoztathatják a csúcsok alakját és csökkenthetik az előrejelzés megbízhatóságát.
A részletes mérési útmutató dokumentum itt érhető el:
Mi a jó neked?
Adja meg adatait, és szerezzen előnyöket, miközben hozzájárul a mesterséges intelligencia által vezérelt polimerelemzés fejlesztéséhez:
- Láthatóság a weboldalunkon, mint együttműködő partner
- Exkluzív hozzáférés az új Proteus® Now Quantify modellekhez és funkciókhoz
- Jobb eredmények saját anyagaihoz
- Együttműködési lehetőségek (kiadványok, konferenciák)
Az AI-alapú polimerelemzés jövőjét meghatározó intézetek
A következő intézetek és laboratóriumok már hozzájárultak a szabványosított DSC-adatkészletekhez, hogy támogassák a következők folyamatos fejlesztését Proteus® Now Quantify. A valós ipari adatok megosztásával hozzájárulnak a szennyeződések felismerésének megerősítéséhez, az anyagok osztályozásához és a polimer újrahasznosítási áramlatok megbízható előrejelzéséhez.
Őszintén köszönjük valamennyi partnerünknek az együttműködést és azt, hogy a NETZSCH oldalon keresztül együttesen előmozdítják az adatvezérelt anyagelemzést.
Gyakran ismételt kérdések (GYIK)
Az Ön hozzájárulása
A szabványosított DSC képzési adatok benyújtásával Ön is segít:
- a szennyeződésfelismerő algoritmusok javításához
- a kristályosodáson alapuló osztályozás megerősítéséhez
- növelje a megbízható előrejelzést az újrahasznosított anyagáramokban
- a Quantify-t jobban alkalmazhatóvá teszi a valós ipari anyagokra
Minél reprezentatívabb és változatosabb az adathalmaz, annál jobb a modell teljesítménye.
Hogyan vehet részt
- Kövesse pontosan a Quantify mérési ellenőrző listát (lásd a fenti útmutató dokumentumot)
- Győződjön meg arról, hogy az anyag valódi vegyület (nem száraz keverék)
- Ha szeretné,anonimizálja a polimer típusadatokat: csak az anyagosztályokra, a töltőanyag mennyiségére és az egyes osztályok összetételének mennyiségére van szükségünk (lásd a GYIK-et)
- Írjon nekünk e-mailt, hogy megbeszélhessük a hozzájárulását vagy megoszthassa adatait
- Quantify szakértőink felveszik Önnel a kapcsolatot:
