
Contribuire a migliorare i modelli predittivi per i riciclati
Contribuire con i dati di formazione a Proteus® Ora quantifica
I flussi di riciclo sono intrinsecamente complessi.
Sono costituiti da un'ampia varietà di polimeri, additivi e contaminanti sconosciuti che spesso variano significativamente da lotto a lotto. Questa complessità rappresenta una sfida significativa per l'industria del riciclaggio dei polimeri, rendendo difficile l'identificazione affidabile dei materiali e il rilevamento della contaminazione.
Per affrontare questa sfida, Proteus® Now Quantify è in fase di sviluppo per migliorare il rilevamento delle contaminazioni e la classificazione dei materiali per i polimeri riciclati. L'espansione e il perfezionamento del database dei materiali è fondamentale per raggiungere questo obiettivo.
Per costruire modelli di apprendimento automatico affidabili, abbiamo bisogno di dati di addestramento DSC di alta qualità e standardizzati NETZSCH provenienti da composti industriali reali. In particolare, stiamo cercando materiali composti basati su polimeri vergini che rappresentino realisticamente i tipici scenari di contaminazione presenti nei flussi di riciclaggio. Questo ci permette di creare set di dati controllati e ben definiti per una solida formazione del modello.
Il vostro contributo contribuirà ad aumentare l'accuratezza, la robustezza e l'applicabilità industriale delle previsioni, favorendo così una migliore valutazione dei riciclati nell'industria dei polimeri. Le miscele secche e i riciclati veri e propri non sono adatti.
Aiutateci a rendere Proteus® Now Quantify ancora più potente e a beneficiare direttamente di risultati di analisi migliori. Condividendo i dati di addestramento DSC standardizzati di NETZSCH, contribuite a rendere i modelli di intelligenza artificiale più precisi, robusti e adatti ai riciclati industriali reali. Più il set di dati è vario, più il modello diventa accurato e prezioso per tutti.


Perché la standardizzazione è importante
I modelli di apprendimento automatico sono validi solo quanto i dati su cui vengono addestrati. Per Quantify per fornire previsioni affidabili, devono essere soddisfatte le seguenti condizioni:
- Le condizioni di misurazione devono essere identiche
- Le storie termiche devono essere comparabili
- Le forme delle curve devono riflettere il comportamento reale del composto
Anche small deviazioni nei parametri DSC influenzano la forma del picco, l'entalpia e il comportamento di CristallizzazioneLa cristallizzazione è il processo fisico di indurimento durante la formazione e la crescita dei cristalli. Durante questo processo viene rilasciato il calore di cristallizzazione.cristallizzazione, il che influisce direttamente sulle prestazioni del modello.
Pertanto, per l'addestramento si possono usare solo le misurazioni condotte secondo lo standard Quantify definito.
Quantificare Lista di controllo per la misurazione (obbligatoria per i dati sulla formazione)
Parametri del metodo
- Peso del campione: 10 ± 1 mg
- Velocità di riscaldamento: 10 K/min
- Velocità di raffreddamento: 10 K/min
- Atmosfera: Azoto (flussi di gas predefiniti)
- Crogiolo: Al Concavus® con coperchio forato
- Sensibilità e TempCal validi
- BeFlat® attivato
⚠️ Questi parametri sono fissi per Proteus® Now Quantify. Le deviazioni possono modificare la forma dei picchi e ridurre l'affidabilità della previsione.
Un documento dettagliato sulle linee guida di misurazione è disponibile qui:

Cosa ci guadagna?
Contribuite con i vostri dati e ottenete vantaggi contribuendo a far progredire l'analisi dei polimeri guidata dall'intelligenza artificiale:
- Visibilità sul nostro sito web come partner di collaborazione
- Accesso esclusivo a nuovi Proteus® Now Quantify modelli e caratteristiche
- Migliori risultati per i vostri materiali
- Opportunità di collaborazione (pubblicazioni, conferenze)
Istituti che guidano il futuro dell'analisi dei polimeri basata sull'intelligenza artificiale
I seguenti istituti e laboratori hanno già contribuito con set di dati DSC standardizzati per supportare il miglioramento continuo di Proteus® Now Quantify. Condividendo dati industriali reali, contribuiscono a rafforzare il rilevamento delle contaminazioni, la classificazione dei materiali e la previsione affidabile dei flussi di riciclaggio dei polimeri.
Ringraziamo sinceramente tutti i partner per la loro collaborazione e per il progresso dell'analisi dei materiali guidata dai dati insieme a NETZSCH.
Domande frequenti (FAQ)
Le miscele secche non devono essere presentate perché generano caratteristiche della curva DSC diverse rispetto ai materiali correttamente composti.
La forma dei picchi, il comportamento di CristallizzazioneLa cristallizzazione è il processo fisico di indurimento durante la formazione e la crescita dei cristalli. Durante questo processo viene rilasciato il calore di cristallizzazione.cristallizzazione e le interazioni di fase differiscono in modo significativo. L'inclusione di miscele secche ridurrebbe quindi l'accuratezza del modello e falserebbe i risultati dell'addestramento.
Proteus® Now Quantifyè addestrato specificamente per analizzare sistemi di materiali industriali realistici, che di solito sono composti piuttosto che mescolati a secco.
Per i dati di addestramento DSC devono essere inviati solo materiali composti reali. I campioni adatti comprendono materiali composti, miscelati per Temperature di fusione ed entalpieL'entalpia di fusione di una sostanza, nota anche come calore latente, è una misura dell'apporto di energia, tipicamente calore, necessario per convertire una sostanza dallo stato solido a quello liquido. Il punto di fusione di una sostanza è la temperatura alla quale essa cambia stato da solido (cristallino) a liquido (fusione isotropa). fusione e omogeneizzati che rappresentano sistemi di materiali industriali realistici.
In particolare, stiamo cercando materiali composti basati su polimeri vergini che rappresentino realisticamente i tipici scenari di contaminazione presenti nei flussi di riciclaggio.
Questi materiali consentono al modello Quantify di imparare dalle condizioni di lavorazione e dalle interazioni dei materiali reali.
Tipi di campioni accettati:
- Materiali composti
- Campioni fusi
- Miscele di polimeri omogeneizzati
Per espandere e rafforzare Quantify, stiamo attualmente dando la priorità ai set di dati DSC standardizzati di sistemi polimerici specifici che si trovano comunemente nei flussi di materiali riciclati e industriali.
In particolare, stiamo cercando materiali composti basati su polimeri vergini che rappresentino realisticamente i tipici scenari di contaminazione presenti nei flussi di riciclaggio.
Sistemi poliolefinici
- PP, HDPE, LDPE e LLDPE con la tipica contaminazione incrociata
- Poliolefine combinate con PET, PA6, EVOH, EVA o PUR
Sistemi a base di PET
- PET combinato con poliolefine
- PET combinato con materiali barriera per imballaggi
Miscele ingegneristiche e RAEE
- ABS, HIPS, PC e PMMA in proporzioni variabili
- PP combinato con ABS
- HDPE combinato con EVOH
Sistemi rilevanti per il settore automobilistico
- Miscele PP-EPDM
- PA6 o PA66 combinate con PP
- Miscele di PA6, PA66 e PBT
- Termoplastici tecnici con contenuto variabile di fibre
I materiali composti reali riflettono le complesse interazioni e la variabilità che si trovano nei flussi di riciclaggio industriali.
L'addestramento del modello Quantify con questi set di dati realistici migliora:
- il rilevamento delle contaminazioni
- la classificazione basata sulla CristallizzazioneLa cristallizzazione è il processo fisico di indurimento durante la formazione e la crescita dei cristalli. Durante questo processo viene rilasciato il calore di cristallizzazione.cristallizzazione
- previsione affidabile tra i flussi di riciclaggio
Più il set di dati è rappresentativo e diversificato, più le prestazioni del modello diventano affidabili.
Non richiediamo l'anonimizzazione della vostra azienda. (a meno che non sia un vostro desiderio)
Vi chiediamo solo di generalizzare i tipi di materiale.
Esempio: Invece di "Ultramid A3K / B3K" → "PA66 / PA6"
Quali dati dovete fornire?
Si prega di fornire:
- Classi di polimeri (ad es. PP, PE, PET)
- Composizione in peso
- Tipo e contenuto di riempitivo
Qual è il formato dei dati valido?
Esempio:
| ID campione / nome file | PP-C [wt%] | PP-H [wt%] | LDPE [wt%] | LLDPE [wt%] | HDPE [wt%] | PET [wt%] | Tipo di riempimento | riempitivo [wt%] |
| Campione 123 | 20 | 80 | ||||||
| Campione 456 | 5 | 20 | 5 | 5 | 60 | 5 | ||
| Campione 789 | 80 | talco | 20 |
Scaricate il modello qui:
Inviateci i vostri dati e il file excel della composizione del materiale. Qui trovate un esempio:
| ID campione / nome file | PP-C [wt%] | PP-H [wt%] | LDPE [wt%] | LLDPE [wt%] | HDPE [wt%] | PET [wt%] | Tipo di riempimento | riempitivo [wt%] |
| Campione 123 | 20 | 80 | ||||||
| Campione 456 | 5 | 20 | 5 | 5 | 60 | 5 | ||
| Campione 789 | 80 | talco | 20 |
Scaricare il modello:
Il vostro contributo

Inviando dati di addestramento DSC standardizzati, si contribuisce a:
- migliorare gli algoritmi di rilevamento della contaminazione
- rafforzare la classificazione basata sulla CristallizzazioneLa cristallizzazione è il processo fisico di indurimento durante la formazione e la crescita dei cristalli. Durante questo processo viene rilasciato il calore di cristallizzazione.cristallizzazione
- aumentare l'affidabilità della previsione nei flussi di riciclato
- rendere Quantify più applicabile ai materiali industriali reali
Più rappresentativo e diversificato è il set di dati, migliori sono le prestazioni del modello.
Come partecipare

- Seguire esattamente la lista di controllo delle misurazioni di Quantify (vedi documento guida sopra)
- Assicurarsi che il materiale sia un composto reale (non miscele secche)
- Anonimizzare i dati relativi al tipo di polimero, se lo si desidera: abbiamo bisogno solo delle classi di materiali, della quantità di riempitivo e delle quantità di composizione per ciascuna classe (vedere le FAQ)
- Inviateci un'e-mail per discutere il vostro contributo o condividere i dati
- I nostri esperti Quantify vi contatteranno:





