Pendahuluan: Kontrol Kualitas Memenuhi Ekonomi Melingkar
Daur ulang pada dasarnya berbeda dari polimer murni. Sementara bahan baku murni diproduksi di bawah kondisi yang dikontrol ketat dengan spesifikasi yang terdefinisi dengan baik, daur ulang sering kali mewakili sistem bahan yang tidak diketahui. Bahkan ketika dipasarkan sebagai "PP" atau "campuran PP", ketidakpastian yang signifikan tetap ada terkait kontaminasi, fraksi campuran, paket aditif, riwayat degradasi, dan variabilitas dari pemasok ke pemasok. large Lembar data teknis, jika tersedia, sering kali tidak lengkap dan tidak dapat diandalkan. Small variasi komposisi dalam campuran polimer dapat mengakibatkan efek yang tidak proporsional pada perilaku pemrosesan dan kinerja akhir, termasuk ketidakstabilan mekanis, kegagalan pemrosesan, atau degradasi properti jangka panjang. Ketidakpastian ini mendorong keputusan konservatif seperti rekayasa berlebih, penurunan kualitas material, atau penolakan langsung terhadap daur ulang. Praktik-praktik ini membatasi nilai ekonomi bahan daur ulang dan memperlambat transisi menuju ekonomi plastik melingkar.
Proteus® Now Quantify
Untuk mengatasi kesenjangan analitik ini, NETZSCH mengembangkan Proteus® Now Quantify, solusi yang didukung AI berdasarkan Differential Scanning Calorimetry (DSC) untuk identifikasi dan kuantifikasi komposisi polimer pada bahan yang tidak diketahui. Pengetahuan utama yang diperoleh dari pengembangannya adalah bahwa keandalan kuantifikasi berbasis AI pada dasarnya bergantung pada kualitas, konsistensi, dan standardisasi data pelatihan.
AI Tidak Mengimbangi Kualitas Data yang Buruk
Algoritme pembelajaran mesin tidak dapat mengoreksi eksperimen yang tidak konsisten, kesalahan pengukuran sistematis, atau data yang salah. Sebaliknya, mereka mempelajari hubungan statistik yang ada dalam kumpulan data - apakah hubungan tersebut mencerminkan perilaku material fisik atau artefak eksperimental. Jika parameter pengukuran bervariasi, kalibrasi melenceng, atau label tidak konsisten, model akan menginternalisasi ketidakkonsistenan ini sebagai pola yang valid.
Untuk Quantify, implementasi yang sukses membutuhkan lebih dari sekadar mengumpulkan kumpulan data large. Hal ini juga diperlukan untuk memastikan bahwa semua data pelatihan dihasilkan di bawah kondisi eksperimental yang identik dan terdefinisi dengan baik. Persyaratan ini muncul dari karakteristik dasar pengukuran DSC dan bagaimana sinyalnya diinterpretasikan oleh model pembelajaran mesin.
Kurva DSC memberikan sidik jari termal sistem polimer, termasuk transisi leleh, perilaku KristalisasiKristalisasi adalah proses fisik pengerasan selama pembentukan dan pertumbuhan kristal. Selama proses ini, panas kristalisasi dilepaskan.kristalisasi, dan fitur transisi gelas. Karakteristik ini sangat informatif untuk identifikasi dan kuantifikasi polimer. Namun, mereka juga sensitif terhadap parameter eksperimental. Dari perspektif pembelajaran mesin, variabilitas yang disebabkan oleh perubahan parameter pengukuran tidak dapat dibedakan secara statistik dari variabilitas yang disebabkan oleh perbedaan komposisi material.
Akibatnya: Data pelatihan dan sampel yang tidak diketahui harus diukur dalam kondisi yang sama dan terstandardisasi secara ketat untuk kuantifikasi berbasis AI yang bermakna secara fisik dan dapat diandalkan secara industri.
Kondisi Pengukuran Standar untuk Proteus® Now Quantify
Massa Sampel
Massa sampel secara langsung memengaruhi lebar dan bentuk puncak:
- Massa yang tinggi menyebabkan gradien termal dan meningkatkan jeda termal, sehingga mengakibatkan pelebaran puncak, pergeseran suhu, dan berkurangnya resolusi di antara transisi yang tumpang tindih.
- Massa yang rendah meningkatkan rasio signal-to-noise, meningkatkan sensitivitas dasar dan ketidakpastian pengukuran.
Representasi skematis dari efek ini diilustrasikan pada gambar 1, sedangkan contoh nyata dari campuran polimer ditunjukkan pada gambar 2.
Dalam Proteus® Now Quantify, nilai standar 10 mg diterapkan. Parameter ini digunakan sebagai kondisi pelatihan untuk model ML Quantify, dan penyimpangan mempengaruhi kekuatan sinyal atau bentuk puncak.
Laju Pemanasan dan Pendinginan
Laju pemanasan dan pendinginan memengaruhi posisi dan bentuk puncak. Bahkan material yang identik pun menunjukkan pergeseran sistematis dalam posisi puncak dan morfologi pada tingkat yang berbeda.
- Laju pemanasan yang lebih tinggi menggeser transisi ke suhu yang lebih tinggi dan dapat memperluas puncak, sehingga mengurangi resolusi di antara peristiwa termal yang berjarak dekat.
- Laju pendinginan yang lebih tinggi menggeser KristalisasiKristalisasi adalah proses fisik pengerasan selama pembentukan dan pertumbuhan kristal. Selama proses ini, panas kristalisasi dilepaskan.kristalisasi ke suhu yang lebih rendah dan dapat mengubah bentuk puncak dan Kristalinitas / Derajat KristalinitasKristalinitas mengacu ke tingkat keteraturan struktural suatu benda padat. Dalam kristal, susunan atom atau molekulnya konsisten dan berulang-ulang. Banyak bahan seperti keramik kaca dan beberapa polimer dapat dipersiapkan sedemikian rupa untuk menghasilkan campuran daerah kristal dan amorf. kristalinitas yang tampak.
Efek-efek ini secara skematis diwakili dalam gambar 3, sedangkan gambar 4 dan 5 menunjukkan contoh campuran polimer.
Untuk memastikan komparabilitas antara data pelatihan dan pengukuran aplikasi, laju pemanasan dan pendinginan ditetapkan. Dalam Proteus® Now Quantify, nilai 10 K/menit diterapkan. Parameter ini mewakili keseimbangan yang dioptimalkan antara resolusi dan waktu pengukuran dan secara khusus dipilih untuk memastikan kinerja model yang kuat dan dapat direproduksi.
Persyaratan Kalibrasi Instrumen DSC
Selain parameter pengukuran standar, kalibrasi instrumen yang tepat sangat penting untuk memastikan bahwa fitur DSC yang diekstraksi secara fisik bermakna dan dapat dibandingkan di seluruh waktu dan instrumen.
- Kalibrasi aliran panas (Sensitivitas): Memberikan nilai entalpi yang benar (J/g), yang sangat penting untuk komposisi.
- Kalibrasi suhu (TempCal): Memberikan suhu awal yang akurat, Suhu Leleh dan EntalpiEntalpi fusi suatu zat, juga dikenal sebagai panas laten, adalah ukuran masukan energi, biasanya panas, yang diperlukan untuk mengubah suatu zat dari padat menjadi cair. Titik leleh suatu zat adalah suhu saat zat tersebut berubah wujud dari padat (kristal) menjadi cair (lelehan isotropik).titik leleh, dan suhu transisi gelas yang digunakan untuk identifikasi material.
- Kalibrasi garis dasar (BeFlat®): Menstabilkan garis dasar untuk mencegah artefak yang dapat disalahartikan sebagai fitur yang terkait dengan material oleh model pembelajaran mesin.
Tanpa kalibrasi ini, kesalahan pengukuran sistematis dapat dikodekan ke dalam model selama pelatihan dan kemudian disalahartikan sebagai perbedaan komposisi.
Melatih Integritas Data: Data Terkendali Mengalahkan Large Data
Quantify dilatih menggunakan campuran polimer murni dengan komposisi yang diketahui, sehingga memberikan kebenaran dasar yang dapat diandalkan untuk pembelajaran yang diawasi.
Temuan utamanya adalah bahwa integritas label lebih penting daripada ukuran set data. Meningkatkan jumlah data tidak serta merta meningkatkan kinerja; pada kenyataannya, ketahanan model dapat memburuk jika data tambahan memperkenalkan label yang tidak konsisten, kondisi pengukuran variabel, atau definisi kelas yang ambigu. Oleh karena itu, diperlukan kuantifikasi berbasis AI yang andal:
- Bahan referensi yang dapat dilacak
- Definisi/batas kelas yang konsisten
- Validasi dan tinjauan ahli terhadap kumpulan data pelatihan
- Kepatuhan yang ketat terhadap protokol pengukuran standar
Pandangan
Proteus® Now Quantify saat ini mendukung poliolefin dan sedang diperluas ke keluarga polimer lainnya. Pengembangan terus berlanjut melalui pengumpulan data terstruktur, pelatihan ulang yang berulang-ulang, dan umpan balik dari mitra pengembangan dan pengguna awal.
AI saja tidak akan menyelesaikan tantangan daur ulang. Namun, jika dikombinasikan dengan protokol pengukuran standar, kalibrasi yang tepat, dan data pelatihan berkualitas tinggi, AI menjadi alat yang ampuh untuk membuat analisis bahan canggih dapat diakses, direproduksi, dan dapat diskalakan dalam lingkungan kontrol kualitas industri.
Daftar Periksa Cepat: Kondisi Pengukuran untuk Proteus® Now Quantify
Sebelum menganalisis sampel yang tidak dikenal, pastikan kondisi berikut terpenuhi:
Parameter Pengukuran
massa sampel: 10 mg ± 1 mg
✅Laju pemanasan: 10 K/menit
✅Laju pendinginan: 10 K/menit
Status Kalibrasi
kalibrasi aliran panas (sensitivitas) terbaru
✅Kalibrasi suhu (TempCal) hingga data
✅Kalibrasi dasar (BeFlat®) diterapkan
Bacaan Lebih Lanjut
Topik seperti variabilitas di seluruh kelas dan pemasok dalam kelas polimer, hubungan antara data pelatihan murni dan analisis daur ulang, dan kompleksitas campuran (termasuk puncak yang tumpang tindih dan batas kokristalisasi) dibahas dalam Catatan Aplikasi berikut:
Menggunakan DSC untuk Mengukur Campuran Polimer - Kemungkinan dan Tantangan
Pengukuran DSC pada Bahan Daur Ulang: Interpretasi Tujuan dengan Proteus® Now Quantify