30.11.2020 by Dr. Alexander Schindler
스마트 열 분석: 측정이 필요하신가요?
일상적인 실험실 작업의 일반적인 상황을 상상해 보세요: 새로운 시료를 분석해야 하는데 온도 프로그램, 시료 질량 또는 올바른 도가니와 같은 적합한 측정 조건은 무엇일까요? 그리고 어떤 측정 결과를 기대할 수 있을까요? 아마도 이러한 종류의 시료는 과거에 이미 측정한 적이 있거나 NETZSCH 에서 측정한 적이 있을 것입니다. 열 분석을 위해 데이터베이스에서 간단히 검색하는 것이 많은 도움이 되지 않을까요? Proteus® 분석 소프트웨어의 일부인 Identify가 그 해결책입니다!
Identify 데이터베이스 시스템의 초기 목적은 측정 곡선의 자동 인식 및 비교입니다. 이는 예를 들어 품질 관리 및 고장 분석에 사용됩니다. 물론 순수한 데이터 마이닝(데이터 저장, 검색 및 찾기)이 두 번째 주요 용도입니다.
Identify로 데이터 마이닝을 수행하는 방법은 무엇인가요?
식별을 사용하는 한 가지 방법은 입력된 측정 곡선을 기준으로 유사한 데이터베이스 측정값이나 문헌 데이터를 검색하는 것입니다. 그림 1에서 열역학적 분석(TMA) 측정값을 다양한 데이터베이스 곡선과 비교한 것을 볼 수 있습니다. 유사한 TMA 곡선은 Identify에서 자동으로 찾았고, DSC 및 TGA 곡선은 표시된 모든 데이터베이스 측정값을 알파벳순으로 정렬하여 쉽게 찾을 수 있었습니다. 유리 전이가 -70...-60°C 사이에서 발생한다는 점(시차 주사 열량 측정, DSC, 곡선 참조)과 일반적으로 DSC 또는 TMA 측정에서 피해야 하는 분해가 열 중량 측정(TGA) 곡선에서 보이는 150°C 이상에서 천천히 시작된다는 점이 흥미롭습니다.
유사한 입력 측정값이 필요하지 않은 데이터 마이닝의 두 번째 접근 방식은 '라이브러리/클래스 관리' 기능과 관련이 있습니다(그림 2 참조). 이 경우 측정값 및 문헌 데이터 검색 필드에 "NR"을 수동으로 입력한 결과 세 가지 다른 NR 측정값이 발견되었습니다. 마우스 오른쪽 클릭으로 간단히 수행할 수 있는 데이터베이스 측정 복원은 온도 프로그램, 시료 질량, 퍼지 가스 및 시료 도가니와 같은 측정 조건도 자세히 볼 수 있는 측정값을 엽니다.
마지막으로 Identify는 가열 속도, 시료 질량, 유리 전이 또는 흡열 및 발열 효과의 평가 여부에 따라 필터링할 수 있는 기능도 제공합니다. 측정 이름에 문자열이 포함되어 있는지 여부도 필터 기준이 될 수 있습니다(그림 3 참조).
식별의 데이터베이스 콘텐츠
그림 4는 현재 다양한 응용 분야(세라믹, 무기, 금속, 합금, 유기, 제약, 식품, 화장품 및 폴리머)를 다루는 1294개의 항목이 포함된 NETZSCH 라이브러리입니다. 옵션으로 제공되는 KIMW 데이터베이스는 독일 뤼덴샤이트 재료연구소(Kunststoffinstitut Lüdenscheid)에서 개발한 것으로, 시중에서 판매되는 1000가지 폴리머 등급에 대한 DSC 곡선과 함께 폴리머 공급업체, 색상 및 필러 재료/함량에 대한 정보도 확인할 수 있습니다.
요약하면, Identify에 저장된 모든 측정에 대해 측정값, 관련 측정 조건 및 평가를 쉽게 찾고 검색할 수 있습니다. 이 소중한 지식은 측정 전과 후에 유용하게 활용할 수 있습니다!
이전 관련 블로그 게시물을 참조해 주세요:
스마트 열 분석(1부): AutoEvaluation dSC, TGA 및 STA 곡선의 이해
스마트 열 분석 (2부): 데이터베이스 검색을 통한 측정값 식별