| Published: 

Identifikasi Polimer dengan Menggunakan KIMW-Database dan Identifikasi

Pendahuluan

Selama bertahun-tahun, Kunststoff-Institut Lüdenscheid [1] - kontak yang berpengalaman untuk setiap pertanyaan tentang plastik - telah membangun basis data bahan yang saat ini berisi kurva DSC untuk lebih dari 600 polimer yang tersedia secara komersial. Berkat kolaborasi antara Kunststoff- Institut dan NETZSCH-Gerätebau GmbH, basis data yang luas ini sekarang telah diintegrasikan ke dalam perangkat lunak identifikasi kurva Identify dalam analisis Proteus®. Dalam hubungannya dengan evaluasi pengukuran DSC yang otomatis dan independen dari pengguna AutoEvaluation, hal ini tidak hanya menyederhanakan analisis polimer sehubungan dengan masalah seperti identifikasi, analisis kegagalan, dan kontrol kualitas, tetapi juga membuat hasilnya lebih bermakna [2].

Apa yang Ditawarkan Identify?

Sistem database Identify diperkenalkan untuk perbandingan langsung dan dengan demikian klasifikasi dan interpretasi kurva DSC, tetapi sekarang juga dapat digunakan untuk pengukuran ΔL/L0 yang berasal dari instrumen DIL dan TMA), untuk data Kapasitas Panas Spesifik (cp)Kapasitas panas adalah kuantitas fisik spesifik material, ditentukan oleh jumlah panas yang disuplai ke spesimen, dibagi dengan kenaikan suhu yang dihasilkan. Kapasitas panas spesifik terkait dengan satuan massa spesimen.cp dari instrumen DSC dan, yang terbaru, juga untuk pengukuran TGA [3]. Setelah Identify tersedia di Proteus®, secara otomatis dapat digunakan untuk semua jenis sinyal dari semua instrumen yang didukung. Pengguna selalu memiliki akses ke seluruh database dengan semua kemungkinannya, seperti overlay kurva pengukuran saat ini dengan kurva database apa pun - termasuk yang memiliki tipe data yang berbeda.

Seluruh bagian NETZSCH dari basis data terdiri dari lebih dari 1.100 entri dari bidang polimer, organik, makanan dan farmasi, keramik dan anorganik, serta logam dan paduan serta elemen kimia (lihat gambar 1). Entri ini terdiri dari data pengukuran dan literatur dari berbagai jenis data (DSC, TGA, DIL/TMA, dan Kapasitas Panas Spesifik (cp)Kapasitas panas adalah kuantitas fisik spesifik material, ditentukan oleh jumlah panas yang disuplai ke spesimen, dibagi dengan kenaikan suhu yang dihasilkan. Kapasitas panas spesifik terkait dengan satuan massa spesimen.cp). Pengguna tentu saja dapat membuat atau memperluas perpustakaan dengan data pengukuran dan literatur mereka sendiri, dan ini secara bersamaan dapat dibagikan dengan pengguna lain melalui jaringan komputer.

Pada dasarnya, Identify menawarkan algoritme pencarian yang berbeda; pencarian basis data dapat dibatasi pada rentang suhu tertentu dan hasilnya dapat disaring menurut berbagai kriteria, seperti kondisi pengukuran.

1) Perpustakaan dalam Identifikasi (Status: Desember 2016)

Keuntungan dari Basis Data KIMW

Sementara bagian NETZSCH dari basis data Identify membentuk fondasi yang kokoh karena large berbagai bahan dan metode, bagian KIMW opsional juga memiliki fitur kedalaman yang belum pernah dicapai sebelumnya di bidang DSC pada polimer: Ini mencakup 600 pengukuran DSC pada berbagai polimer dan campuran yang tersedia secara komersial, yang mencerminkan sekitar 130 jenis polimer yang berbeda. Ini berarti bahwa untuk banyak jenis polimer, terdapat pengukuran pada produk yang berbeda dari jenis yang sama yang mungkin menunjukkan profil DSC yang berbeda secara signifikan. Selain banyaknya kurva DSC, terdapat keuntungan bahwa untuk masing-masing dari 600 polimer, nama dagang dan produsen yang tepat disimpan, bersama dengan warna dan konten pengisi.

Singkatnya, integrasi mereka ke dalam Identify memungkinkan 600 kurva DSC dari database KIMW digunakan secara langsung dan cerdas - baik melalui perbandingan visual murni atau untuk identifikasi otomatis polimer seperti yang ditunjukkan dengan contoh berikut.

Identifikasi Campuran Polimer

Gambar 2a dan 2b mengilustrasikan contoh pencarian basis data di mana pengukuran pada campuran polimer "PEI-PTFE Ultem 401", yang telah tersedia di basis data KIMW, berfungsi sebagai kurva input. Hasil AutoEvaluation dan Identifikasi muncul dengan satu klik: Pertama, deteksi otomatis dan evaluasi efek dilakukan; dalam hal ini, efek EndotermikTransisi sampel atau reaksi bersifat endotermik jika panas diperlukan untuk konversi.endotermik ditemukan pada kisaran suhu antara sekitar 0°C dan 30°C, serta transisi gelas pada sekitar 216°C dan efek EndotermikTransisi sampel atau reaksi bersifat endotermik jika panas diperlukan untuk konversi.endotermik (peleburan) lainnya pada suhu puncak 324°C. Pencarian basis data menghasilkan kurva yang sama dengan hit yang paling mirip bersama dengan campuran PEI-PTFE lainnya, tetapi juga pengukuran pada PTFE dan PEI murni (lihat gambar 2b).

Sebaliknya, kurva DSC dari sebagian besar jenis polimer lainnya memiliki kemiripan yang jauh lebih rendah sehingga dapat dikesampingkan. Untuk detail lebih lanjut seperti kondisi pengukuran atau interpretasi efek, silakan lihat referensi [2].

2) Perbandingan kurva DSC untuk campuran polmyer "PEI-PTFE Ultem 401" (hijau) dengan kurva basis data untuk "PEI-PTFE Luvocom 11067223" (merah) dan dengan kurva basis data tipikal untuk PTFE (biru) dan PEI (hitam). Untuk ilustrasi yang lebih baik, kurva-kurva tersebut diimbangi satu sama lain dalam hubungan satu sama lain dalam arah-y.
3) Hasil dari pencarian database Identify sehubungan dengan sampel "PEI-PTFE Ultem 401". Daftar hist di sebelah kiri menunjukkan perbandingan dengan pengukuran individual; daftar hit di sebelah kanan, dengan kelas; yaitu pengelompokan yang ditentukan (angka dalam tanda kurung selalu menunjukkan jumlah pengukuran dalam kelas).

Ringkasan

Basis data KIMW yang diintegrasikan ke dalam Identify memungkinkan perbandingan langsung pengukuran dengan ratusan kurva DSC pada polimer yang tersedia secara komersial. Hal ini membuat identifikasi polimer tidak hanya lebih mudah, tetapi juga lebih dapat diandalkan!

Literature

  1. [1]
    http://kunststoff-institut-luedenscheid.de/
  2. [2]
    M. Doedt, A. Schindler, T. Pflock. DSC-Auswertung dengan satu Klick - Datenbank-Integrasi dan Evaluasi perangkat lunak untuk identifikasi polimer. Kunststoffe 10/2016. S.189-191
  3. [3]
    A. Schindler, C. Strasser, S. Schmölzer, M. Bodek, R. Seniuta, X. Wang. Analisis Termal yang Didukung Basis Data yang Melibatkan Evaluasi, Identifikasi, dan Klasifikasi Kurva Pengukuran Otomatis. Jurnal Analisis Termal dan Kalorimetri, DOI 10.1007/s10973-015-5026-x