재활용품 예측 모델 개선 지원
Proteus® 에 학습 데이터 제공 지금 정량화하기
재활용 스트림은 본질적으로 복잡합니다.
폴리머는 다양한 폴리머, 첨가제 및 알려지지 않은 오염 물질로 구성되어 있으며, 배치마다 크게 달라지는 경우가 많습니다. 이러한 복잡성으로 인해 폴리머 재활용 산업은 신뢰할 수 있는 재료 식별 및 오염 감지가 어렵다는 중대한 과제를 안고 있습니다.
이 문제를 해결하기 위해 Proteus® Now Quantify 는 재활용 폴리머의 오염 검출과 재료 분류를 개선하기 위해 개발되고 있습니다. 이 목표를 달성하기 위해서는 기본 재료 데이터베이스를 확장하고 개선하는 것이 핵심입니다.
신뢰할 수 있는 머신 러닝 모델을 구축하려면 실제 산업 화합물에서 얻은 고품질의 표준화된 NETZSCH DSC 학습 데이터가 필요합니다. 특히 재활용 스트림에서 발견되는 일반적인 오염 시나리오를 현실적으로 나타내는 순수 폴리머 기반의 복합 물질을 찾고 있습니다. 이를 통해 강력한 모델 학습을 위한 통제되고 잘 정의된 데이터 세트를 만들 수 있습니다.
여러분의 기여는 예측의 정확성, 견고성 및 산업 적용 가능성을 높여 폴리머 산업의 재활용 평가 개선을 지원하는 데 도움이 될 것입니다. 건식 혼합물과 실제 재활용은 적합하지 않습니다.
Proteus® Now Quantify 을 더욱 강력하게 만들고 개선된 분석 결과의 직접적인 혜택을 누릴 수 있도록 도와주세요. 표준화된 NETZSCH DSC 학습 데이터를 공유하면 AI 모델이 더 정확하고 강력하며 실제 산업 재활용품에 더 적합하도록 만들 수 있습니다. 데이터 세트가 다양할수록 모델의 정확도와 가치는 모두에게 더 높아집니다.
표준화가 중요한 이유
머신 러닝 모델은 학습된 데이터만큼만 성능이 향상됩니다. For 정량화 가 신뢰할 수 있는 예측을 제공하려면 다음 조건이 충족되어야 합니다:
- 측정 조건이 동일해야 합니다
- 열 이력이 비교 가능해야 합니다
- 곡선 모양이 실제 화합물 거동을 반영해야 합니다
small DSC 파라미터의 편차도 피크 모양, 엔탈피 및 결정화 거동에 영향을 미치며, 이는 모델 성능에 직접적인 영향을 줍니다.
따라서 정의된 Quantify 표준에 따라 수행된 측정만 교육에 사용할 수 있습니다.
정량화 측정 체크리스트(학습 데이터의 경우 필수)
방법 매개변수
- 시료 무게: 10 ± 1 mg
- 가열 속도: 10 K/min
- 냉각 속도: 10 K/min
- 분위기: 질소(기본 가스 흐름)
- 도가니: Al Concavus®, 피어싱 뚜껑 포함
- 감도 및 TempCal 유효
- BeFlat® 활성화됨
⚠️ 이 매개변수는 Proteus® Now Quantify. 편차는 피크 모양을 변경하고 예측 신뢰도를 떨어뜨릴 수 있습니다.
자세한 측정 지침 문서는 여기에서 확인할 수 있습니다:
어떤 혜택이 있나요?
데이터를 제공하고 혜택을 얻으면서 AI 기반 폴리머 분석을 발전시키는 데 도움을 주세요:
- 협업 파트너로서 웹사이트에 노출됨
- 새로운 Proteus® Now Quantify 모델 및 기능
- 자체 자료에 대한 더 나은 결과물
- 협업 기회(출판물, 컨퍼런스)
AI 기반 폴리머 분석의 미래를 주도하는 기관들
다음 기관 및 연구소는 이미 표준화된 DSC 데이터셋을 제공하여 지속적인 개선을 지원하고 있습니다 Proteus® Now Quantify. 실제 산업 데이터를 공유함으로써 오염 검출, 재료 분류 및 폴리머 재활용 스트림에 대한 신뢰할 수 있는 예측을 강화하는 데 도움을 주고 있습니다.
NETZSCH 와 함께 데이터 기반 재료 분석을 발전시키고 협력해 주신 모든 파트너에게 진심으로 감사드립니다.
자주 묻는 질문(FAQ)
건식 블렌드는 적절하게 배합된 재료와 비교하여 다른 DSC 곡선 특성을 생성하므로 제출해서는 안 됩니다.
피크 모양, 결정화 거동 및 위상 상호 작용이 크게 다릅니다. 따라서 건식 블렌드를 포함하면 모델 정확도가 떨어지고 훈련 결과가 왜곡될 수 있습니다.
Proteus® Now Quantify는 일반적으로 건식 혼합이 아닌 혼합된 실제 산업 재료 시스템을 분석하도록 특별히 훈련되었습니다.
DSC 훈련 데이터에는 실제 합성된 재료 만 제출해야 합니다. 적합한 샘플에는 실제 산업 재료 시스템을 나타내는 합성, 용융 혼합 및 균질화된 재료가 포함됩니다.
특히 재활용 스트림에서 발견되는 일반적인 오염 시나리오를 현실적으로 나타내는 순수 폴리머를 기반으로 한 복합 재료를 찾고 있습니다.
이러한 재료를 통해 Quantify 모델은 실제 처리 조건과 재료 상호 작용을 학습할 수 있습니다.
허용되는 샘플 유형:
- 복합 물질
- 용융 혼합 시료
- 균질화된 폴리머 혼합물
Quantify를 확장하고 강화하기 위해 현재 재활용 및 산업 재료 흐름에서 흔히 발견되는 특정 폴리머 시스템의 표준화된 DSC 데이터 세트의 우선순위를 정하고 있습니다.
특히 재활용 스트림에서 발견되는 일반적인 오염 시나리오를 현실적으로 나타내는 순수 폴리머를 기반으로 한 복합 재료를 찾고 있습니다.
폴리올레핀 시스템
- 일반적인 교차 오염이 발생하는 PP, HDPE, LDPE 및 LLDPE
- PET, PA6, EVOH, EVA 또는 PUR과 결합된 폴리올레핀
PET 기반 시스템
- PET와 폴리올레핀 결합
- 포장 차단재와 결합된 PET
엔지니어링 및 WEEE 블렌드
- 다양한 비율의 ABS, HIPS, PC 및 PMMA
- ABS와 결합된 PP
- EVOH와 결합된 HDPE
자동차 관련 시스템
- PP-EPDM 블렌드
- PP와 결합된 PA6 또는 PA66
- PA6, PA66 및 PBT 블렌드
- 섬유 함량이 다양한 엔지니어링 열가소성 플라스틱
실제 복합 재료는 산업 재활용 흐름에서 발견되는 복잡한 상호 작용과 가변성을 반영합니다.
이러한 현실적인 데이터 세트로 Quantify 모델을 훈련하면 성능이 향상됩니다:
- 오염 감지
- 결정화 기반 분류
- 재활용 스트림 전반에 걸친 신뢰할 수 있는 예측
데이터 세트가 더 대표적이고 다양할수록 모델 성능의 신뢰도가 높아집니다.
당사는 귀하의 회사를 익명화할 것을 요구하지 않습니다. (원하지 않는 경우)
자료 유형을 일반화하기만 하면 됩니다.
예시: 예: "울트라미드 A3K/B3K" → "PA66/PA6"
어떤 데이터를 제공해야 하나요?
제출해 주세요:
- 폴리머 등급(예: PP, PE, PET)
- 조성(wt%)
- 필러 유형 및 함량
유효한 데이터 형식은 무엇인가요?
예시:
| 샘플 ID/파일 이름 | PP-C [wt%] | PP-H [wt%] | LDPE [wt%] | LLDPE [wt%] | HDPE [wt%] | PET [wt%] | 필러 유형 | 필러 [wt%] |
| 샘플 123 | 20 | 80 | ||||||
| 샘플 456 | 5 | 20 | 5 | 5 | 60 | 5 | ||
| 샘플 789 | 80 | 활석 | 20 |
여기에서 템플릿을 다운로드하세요:
자료 구성 엑셀 파일과 함께 데이터를 보내주세요. 여기에서 예시를 찾아보세요:
| 샘플 ID/파일 이름 | PP-C [wt%] | PP-H [wt%] | LDPE [wt%] | LLDPE [wt%] | HDPE [wt%] | PET [wt%] | 필러 유형 | 필러 [wt%] |
| 샘플 123 | 20 | 80 | ||||||
| 샘플 456 | 5 | 20 | 5 | 5 | 60 | 5 | ||
| 샘플 789 | 80 | 활석 | 20 |
템플릿을 다운로드하세요:
귀하의 기여
표준화된 DSC 훈련 데이터를 제출하면 도움이 됩니다:
- 오염 감지 알고리즘 개선
- 결정화 기반 분류 강화
- 재활용 스트림 전반에서 신뢰도 높은 예측 향상
- 실제 산업 재료에 대한 Quantify의 적용 가능성 향상
데이터 세트의 대표성과 다양성이 높을수록 모델 성능이 향상됩니다.
참여 방법
- 정량화 측정 체크리스트 (위의 가이드라인 문서 참조)를 정확히 따르세요
- 재료가 실제 컴파운드인지 확인합니다(드라이 블렌드가 아닌지 확인)
- 원하는 경우 폴리머 유형 데이터를익명화하세요 : 각 클래스에 대한 재료 등급, 필러 수량 및 구성 수량만 필요합니다(FAQ 참조)
- 이메일을 보내 의견을 나누거나 데이터를 공유하세요
- 퀀티파이 전문가가 연락을 드릴 것입니다:
