
Membantu Meningkatkan Model Prediktif untuk Daur Ulang
Kontribusikan Data Pelatihan ke Proteus® Sekarang Hitung
Aliran daur ulang pada dasarnya kompleks.
Bahan-bahan tersebut terdiri dari berbagai macam polimer, bahan tambahan, dan kontaminan yang tidak diketahui yang sering kali sangat bervariasi dari satu batch ke batch lainnya. Kompleksitas ini menimbulkan tantangan yang signifikan bagi industri daur ulang polimer, sehingga menyulitkan identifikasi bahan yang andal dan deteksi kontaminasi.
Untuk mengatasi tantangan ini, Proteus® Now Quantify sedang dikembangkan untuk meningkatkan deteksi kontaminasi dan klasifikasi bahan untuk polimer daur ulang. Memperluas dan menyempurnakan basis data bahan yang mendasari adalah kunci untuk mencapai tujuan ini.
Untuk membangun model pembelajaran mesin yang andal, kami membutuhkan data pelatihan DSC NETZSCH berkualitas tinggi dan terstandardisasi dari senyawa industri yang sebenarnya. Kami secara khusus mencari bahan gabungan berdasarkan polimer murni yang secara realistis mewakili skenario kontaminasi khas yang ditemukan dalam aliran daur ulang. Hal ini memungkinkan kami untuk membuat kumpulan data yang terkontrol dan terdefinisi dengan baik untuk pelatihan model yang kuat.
Kontribusi Anda akan membantu meningkatkan akurasi, ketahanan, dan penerapan prediksi di industri, sehingga mendukung peningkatan evaluasi daur ulang di industri polimer. Campuran kering dan daur ulang yang sebenarnya tidak cocok.
Bantu kami membuat Proteus® Now Quantify menjadi lebih kuat dan mendapatkan manfaat langsung dari hasil analisis yang lebih baik. Dengan membagikan data pelatihan NETZSCH DSC yang terstandardisasi, Anda membantu membuat model AI menjadi lebih akurat, kuat, dan lebih cocok untuk daur ulang industri yang sesungguhnya. Semakin beragam dataset, semakin akurat dan berharga model tersebut bagi semua orang.


Mengapa Standardisasi Penting
Model pembelajaran mesin hanya sebaik data yang dilatih. Untuk Mengukur untuk memberikan prediksi yang andal, kondisi berikut harus dipenuhi:
- Kondisi pengukuran harus identik
- Riwayat termal harus sebanding
- Bentuk kurva harus mencerminkan perilaku senyawa yang sebenarnya
Bahkan small penyimpangan dalam parameter DSC memengaruhi bentuk puncak, entalpi, dan perilaku KristalisasiKristalisasi adalah proses fisik pengerasan selama pembentukan dan pertumbuhan kristal. Selama proses ini, panas kristalisasi dilepaskan.kristalisasi, yang secara langsung memengaruhi kinerja model.
Oleh karena itu, hanya pengukuran yang dilakukan di bawah standar Quantify yang ditentukan yang dapat digunakan untuk pelatihan.
Mengukur Daftar Periksa Pengukuran (Wajib untuk Data Pelatihan)
Parameter Metode
- Berat sampel: 10 ± 1 mg
- Tingkat pemanasan: 10 K / mnt
- Tingkat pendinginan: 10 K / mnt
- Atmosfer: Nitrogen (aliran gas default)
- Wadah: Al Concavus® dengan tutup berlubang
- Sensitivitas dan TempCal valid
- BeFlat® diaktifkan
⚠️ Parameter ini ditetapkan untuk Proteus® Now Quantify. Penyimpangan dapat mengubah bentuk puncak dan mengurangi keandalan prediksi.
Dokumen panduan pengukuran yang terperinci tersedia di sini:

Apa untungnya bagi Anda?
Kontribusikan data Anda dan dapatkan manfaat sambil membantu memajukan analisis polimer berbasis AI:
- Visibilitas di situs web kami sebagai mitra kolaborasi
- Akses eksklusif ke Proteus® Now Quantify model & fitur baru
- Hasil yang lebih baik untuk materi Anda sendiri
- Peluang kolaborasi (publikasi, konferensi)
Lembaga yang Mendorong Masa Depan Analisis Polimer Berbasis AI
Lembaga dan laboratorium berikut ini telah menyumbangkan dataset DSC standar untuk mendukung peningkatan berkelanjutan dari Proteus® Now Quantify. Dengan berbagi data industri nyata, mereka membantu memperkuat deteksi kontaminasi, klasifikasi material, dan prediksi yang dapat diandalkan untuk aliran daur ulang polimer.
Kami dengan tulus berterima kasih kepada semua mitra atas kerja sama mereka dan untuk memajukan analisis material berbasis data bersama dengan NETZSCH.
Pertanyaan yang Sering Diajukan (FAQ)
Campuran kering tidak boleh dikirim karena menghasilkan karakteristik kurva DSC yang berbeda dibandingkan dengan bahan yang diracik dengan benar.
Bentuk puncak, perilaku KristalisasiKristalisasi adalah proses fisik pengerasan selama pembentukan dan pertumbuhan kristal. Selama proses ini, panas kristalisasi dilepaskan.kristalisasi, dan interaksi fase berbeda secara signifikan. Oleh karena itu, memasukkan campuran kering akan mengurangi akurasi model dan mendistorsi hasil pelatihan.
Proteus® Now Quantifymodel DSC dilatih secara khusus untuk menganalisis sistem material industri yang realistis, yang biasanya dibuat secara majemuk dan bukan campuran kering.
Hanya material yang benar-benar tercampur yang harus diserahkan untuk data pelatihan DSC. Sampel yang sesuai termasuk bahan yang diracik, dicampur dengan lelehan, dan dihomogenisasi yang mewakili sistem bahan industri yang realistis.
Kami secara khusus mencari bahan majemuk berdasarkan polimer murni yang secara realistis mewakili skenario kontaminasi khas yang ditemukan dalam aliran daur ulang.
Bahan-bahan ini memungkinkan model Quantify untuk belajar dari kondisi pemrosesan asli dan interaksi material.
Jenis sampel yang diterima:
- Bahan-bahan majemuk
- Sampel campuran leleh
- Campuran polimer yang dihomogenisasi
Untuk memperluas dan memperkuat Quantify, saat ini kami memprioritaskan set data DSC standar dari sistem polimer tertentu yang biasa ditemukan dalam aliran material daur ulang dan industri.
Kami secara khusus mencari bahan gabungan berdasarkan polimer murni yang secara realistis mewakili skenario kontaminasi khas yang ditemukan dalam aliran daur ulang.
Sistem poliolefin
- PP, HDPE, LDPE dan LLDPE dengan kontaminasi silang yang khas
- Poliolefin yang dikombinasikan dengan PET, PA6, EVOH, EVA atau PUR
Sistem berbasis PET
- PET dikombinasikan dengan poliolefin
- PET dikombinasikan dengan bahan penghalang kemasan
Campuran teknik dan WEEE
- ABS, HIPS, PC, dan PMMA dalam proporsi yang bervariasi
- PP dikombinasikan dengan ABS
- HDPE dikombinasikan dengan EVOH
Sistem yang relevan dengan otomotif
- Campuran PP-EPDM
- PA6 atau PA66 dikombinasikan dengan PP
- Campuran PA6, PA66 dan PBT
- Rekayasa termoplastik dengan kandungan serat yang bervariasi
Bahan-bahan yang diracik secara nyata mencerminkan interaksi kompleks dan variabilitas yang ditemukan dalam aliran daur ulang industri.
Pelatihan model Quantify dengan set data realistis ini akan meningkatkan kemampuannya:
- deteksi kontaminasi
- klasifikasi berbasis KristalisasiKristalisasi adalah proses fisik pengerasan selama pembentukan dan pertumbuhan kristal. Selama proses ini, panas kristalisasi dilepaskan.kristalisasi
- prediksi yang dapat diandalkan di seluruh aliran daur ulang
Semakin representatif dan beragam dataset, semakin andal kinerja model.
Kami tidak memerlukan anonimitas perusahaan Anda. (kecuali jika itu adalah keinginan Anda)
Kami hanya meminta Anda untuk menyamaratakan jenis materi.
Contoh: Alih-alih "Ultramid A3K / B3K" → "PA66 / PA6"
Data apa yang harus Anda berikan?
Silakan kirimkan:
- Kelas polimer (misalnya, PP, PE, PET)
- Komposisi dalam % berat
- Jenis dan konten pengisi
Apa format data yang valid?
Contoh
| ID sampel / nama file | PP-C [wt%] | PP-H [wt%] | LDPE [wt%] | LLDPE [wt%] | HDPE [wt%] | PET [wt%] | Jenis pengisi | bahan pengisi [wt%] |
| Sampel 123 | 20 | 80 | ||||||
| Sampel 456 | 5 | 20 | 5 | 5 | 60 | 5 | ||
| Sampel 789 | 80 | bedak | 20 |
Unduh templatnya di sini:
Silakan kirimkan data Anda serta file excel komposisi material Anda. Temukan contohnya di sini:
| ID sampel / nama file | PP-C [wt%] | PP-H [wt%] | LDPE [wt%] | LLDPE [wt%] | HDPE [wt%] | PET [wt%] | Jenis pengisi | bahan pengisi [wt%] |
| Sampel 123 | 20 | 80 | ||||||
| Sampel 456 | 5 | 20 | 5 | 5 | 60 | 5 | ||
| Sampel 789 | 80 | bedak | 20 |
Unduh templatnya:
Kontribusi Anda

Dengan mengirimkan data pelatihan DSC yang terstandardisasi, Anda membantu:
- meningkatkan algoritme deteksi kontaminasi
- memperkuat klasifikasi berbasis KristalisasiKristalisasi adalah proses fisik pengerasan selama pembentukan dan pertumbuhan kristal. Selama proses ini, panas kristalisasi dilepaskan.kristalisasi
- meningkatkan prediksi yang andal di seluruh aliran daur ulang
- membuat Quantify lebih dapat diterapkan pada bahan industri nyata
Semakin representatif dan beragam dataset, semakin baik kinerja model.
Bagaimana cara berpartisipasi

- Ikuti daftar periksa pengukuran Quantify (lihat dokumen panduan di atas) dengan tepat
- Pastikan bahan tersebut merupakan senyawa asli (tidak ada campuran kering)
- Anonimkan data jenis polimer jika Anda mau: kami hanya membutuhkan kelas bahan, jumlah pengisi, dan jumlah komposisi untuk setiap kelas (lihat FAQ)
- Kirimkanemail kepada kami untuk mendiskusikan kontribusi Anda atau berbagi data
- Pakar Quantify kami akan menghubungi Anda:





