다양한 유형의 폴리에틸렌을 식별 수단으로 구별하기

소개

시차 주사 열량 측정법(DSC)은 폴리머의 열 거동을 측정하는 데 널리 사용되는 방법입니다. 각 폴리머의 용융 온도 특성을 통해 알 수 없는 시료의 성분에 대한 정보도 수집할 수 있습니다. 참고 서적과 함께 측정 결과를 라이브러리 데이터와 비교하고 유사성에 따라 결과를 분류할 수 있는 소프트웨어 기반 데이터베이스도 열 분석에 사용할 수 있습니다[1]. 따라서 경험이 거의 없더라도 미지의 샘플을 식별하는 데 유용한 제안을 얻을 수 있습니다 [2].

이 연구에서는 다양한 유형의 폴리에틸렌을 인식하고 유사성 비교를 기반으로 다른 물질을 배제하기 위해 Identify 데이터베이스를 사용했습니다.

자료 및 방법

PE-LD(저밀도), PE-LLD(선형 저밀도), PE-MD(medium 밀도), PE-HD(고밀도), PE-UHMW(초고분자량) 등 5가지 유형의 폴리에틸렌을 특성 분석에 사용했습니다. 용융 거동에 대한 조사는 DSC 214 Polyma 를 사용하여 수행되었습니다. 샘플 질량은 10.0mg에서 15.0 사이였습니다. Concavus® 알루미늄 도가니는 뚜껑을 뚫고 질소 분위기에서 10K/min의 가열 및 냉각 속도로 200°C까지 두 번 가열했습니다.

결과 및 토론

기기 분석에서 일반적으로 사용되는 접근 방식은 자신의 측정 결과를 데이터베이스에 저장된 비교 데이터와 비교하는 것입니다. 푸리에 변환 적외선 분광법(FT-IR) 또는 질량 분석법(MS)과 같은 분광학적 방법의 경우, 이러한 비교가 가능한 데이터베이스를 사용할 수 있습니다. 최근까지 열 분석에서는 이러한 가능성을 사용할 수 없었습니다. 소프트웨어 기반 식별 데이터베이스의 도입을 통해서만 이 접근 방식이 열 분석에도 적용되었습니다 [1]. 물질 식별을 위해서는 일반적으로 첫 번째 가열이 공정 파라미터, 보관 조건 또는 시료의 열 이력에 의해 겹치기 때문에 DSC 조사에서 두 번째 가열이 사용됩니다. 반면에 제어된 선형 냉각 후 두 번째 가열은 실제 재료 거동을 보여 주므로 재료 구성에 대한 결론을 더 쉽게 도출할 수 있습니다.

각기 다른 "PE" 유형에 대한 두 번째 가열 실행 비교는 그림 1에 나와 있습니다. 또한 Identify가 산출한 제안된 PE 유형의 등급이 추가로 설명되어 있습니다. 예를 들어, PE-LD를 측정(파란색)하고 Identfiy에서 찾은 비교 값과 대조하면, 이 샘플은 99.08%의 유사도 값을 가진 PE-LD로 인식할 수 있습니다. 그러나 다른 PE 유형은 유사도 값이 상당히 낮은 것으로 분류됩니다.

그림 1에 표시된 유사도 값은 표 1의 첫 번째 줄에 해당합니다. 데이터베이스 비교의 모든 결과가 여기에 요약되어 있습니다. 첫 번째 열에는 측정된 물질과 해당 등급으로 식별하여 찾은 유사도 값에 대한 해당 선이 표시됩니다. 따라서 이등분 선은 유사도 값이 98% 이상인 해당 폴리에틸렌 유형이 올바르게 할당되었음을 나타냅니다. 분석할 측정값이 Identify 데이터베이스에 저장된 것과 동일한 샘플에서 수행되었지만 동일한 측정 데이터가 비교되지 않았기 때문에 정확히 100%의 유사도 값은 절대 찾을 수 없습니다. 표 1의 값은 그림 2에 그래픽으로 설명되어 있습니다.

1) 각 PE 샘플에 대한 두 번째 가열 실행을 측정된 PE-LD 샘플을 기준으로 Identify에서 결정한 유사성 값의 시퀀스와 비교합니다.

표 1: 모든 폴리에틸렌 유형의 유사도 값 요약; 첫 번째 열에는 측정된 샘플이 표시되고 다른 열에는 각각에 대해 결정된 유사도 값이 표시됩니다.

PE-LD

PE-MD

PE-LLD

PE-HD

PE-UHMW

PE-LD99.0893.3874.0629.9423.75
PE-MD95.3198.0674.8036.2331.44
PE-LLD70.5072.5298.2980.4773.96
PE-HD31.1437.5776.7799.9095.64
ÜE-UHMW23.9928.3269.6994.4199.74
2) 표 2의 결과를 그래픽으로 나타낸 그림

요약

시차 주사 열량 측정법(DSC)은 폴리머 시료의 용융 거동을 감지하는 데 적합합니다. 식별 데이터베이스의 도움으로 결정된 측정 결과를 시각적으로 그리고 평가된 값을 기반으로 라이브러리 데이터와 비교할 수 있습니다. 이를 통해 다양한 폴리에틸렌 유형을 안정적으로 식별할 수 있습니다. 이미 다른 곳에서 살펴본 바와 같이 혼합 비율도 인식할 수 있습니다 [2 (a)]. 또한 식별 데이터베이스는 자체 데이터로 확장할 수 있으므로 개별 요구에 맞게 조정할 수 있습니다.

Literature

  1. [1]
    (a) 쉰들러 A.DSC 곡선의 자동 평가 및 식별 , 플라스틱 공학. 2014.http://www.plasticsengineering.org/ProductFocus/productfocus.aspx?ItemNumber=20498
    (b) A. Schindler, NETZSCH Application Note 059, "
    폴리머 라이브러리를 이용한 200개의 알 수 없는 DSC 곡선 분석 ", 2014
    (c) A. Schindler, C. Strasser, 애플리케이션 노트 060, "
    샘플 질량 및 가열 속도와 관련된 식별 데이터베이스 검색 결과의 안정성 ", 2014
    (d) A. Schindler, NETZSCH 애플리케이션 노트 061, "
    NETZSCH 및 사용자 데이터에대한 아카이브로서의 식별 데이터베이스 ", 2014
  2. [2]
    (a) E. Füglein, E. Kaisersberger, "열 분석 데이터베이스 개발 소개 ", J Therm Anal Calorim, 2015, 1, 23 (DOI: 10.1007/s10973-014-4381-3
    (b) Füglein E., Kaisersberger E.,
    식별 수단에 의한 폴리머 혼합물(PE/PP) 의 식별 , NETZSCH Application Note 078, 2015
    (c) Füglein E., Kaisersberger E.,
    식별 수단을 통한 PC-PBT 혼합물의 식별, NETZSCH Application Note 079, 2015
    (d) Fueglein E., "
    재활용 폴리 아미드의특성화 및 분류를 위한 열 분석 데이터베이스인 IDENTIFY의 사용에 관하여 ", J. Therm. Anal. Calorim. 2015, 121,1353; DOI: 10.1007/s10973-015-4583-3