
Pomoc w ulepszaniu modeli predykcyjnych dla recyklatów
Prześlij dane treningowe na Proteus® Teraz Quantify
Strumienie recyklingu są z natury złożone.
Składają się one z szerokiej gamy polimerów, dodatków i nieznanych zanieczyszczeń, które często różnią się znacznie w zależności od partii. Ta złożoność stanowi poważne wyzwanie dla branży recyklingu polimerów, utrudniając niezawodną identyfikację materiałów i wykrywanie zanieczyszczeń.
Aby sprostać temu wyzwaniu, Proteus® Now Quantify w celu poprawy wykrywania zanieczyszczeń i klasyfikacji materiałów do recyklingu polimerów. Rozszerzenie i udoskonalenie bazy danych materiałów jest kluczem do osiągnięcia tego celu.
Aby zbudować niezawodne modele uczenia maszynowego, potrzebujemy wysokiej jakości, znormalizowanych danych treningowych NETZSCH DSC z rzeczywistych związków przemysłowych. W szczególności poszukujemy materiałów złożonych na bazie pierwotnych polimerów, które realistycznie reprezentują typowe scenariusze zanieczyszczeń występujące w strumieniach recyklingu. Umożliwi nam to stworzenie kontrolowanych, dobrze zdefiniowanych zestawów danych do solidnego szkolenia modeli.
Twój wkład pomoże zwiększyć dokładność, solidność i możliwość zastosowania prognoz w przemyśle, wspierając w ten sposób lepszą ocenę recyklatów w przemyśle polimerowym. Suche mieszanki i rzeczywiste recyklaty nie są odpowiednie.
Pomóż nam uczynić stronę Proteus® Now Quantify jeszcze potężniejszą i skorzystaj bezpośrednio z lepszych wyników analizy. Udostępniając znormalizowane dane treningowe NETZSCH DSC, pomagasz uczynić modele AI bardziej dokładnymi, solidnymi i lepiej dostosowanymi do rzeczywistych recyklatów przemysłowych. Im bardziej zróżnicowany jest zestaw danych, tym dokładniejszy i bardziej wartościowy staje się model dla wszystkich.


Dlaczego standaryzacja ma znaczenie
Modele uczenia maszynowego są tylko tak dobre, jak dane, na których są trenowane. Dla Quantify zapewniała wiarygodne prognozy, muszą być spełnione następujące warunki:
- Warunki pomiaru muszą być identyczne
- Historie termiczne muszą być porównywalne
- Kształty krzywych muszą odzwierciedlać rzeczywiste zachowanie związku
Nawet small odchylenia w parametrach DSC wpływają na kształt piku, entalpię i zachowanie krystalizacji, co bezpośrednio wpływa na wydajność modelu.
Dlatego tylko pomiary przeprowadzone zgodnie ze zdefiniowanym standardem Quantify mogą być wykorzystane do szkolenia.
Kwantyfikacja Lista kontrolna pomiarów (obowiązkowa dla danych treningowych)
Parametry metody
- Masa próbki: 10 ± 1 mg
- Szybkość ogrzewania: 10 K/min
- Szybkość chłodzenia: 10 K/min
- Atmosfera: Azot (domyślny przepływ gazu)
- Tygiel: Al Concavus® z przebitą pokrywą
- Czułość i poprawność TempCal
- BeFlat® aktywowane
⚠️ Te parametry są stałe dla Proteus® Now Quantify. Odchylenia mogą zmieniać kształty szczytów i zmniejszać niezawodność przewidywania.
Szczegółowy dokument z wytycznymi dotyczącymi pomiarów jest dostępny tutaj:

Co z tego będziesz miał?
Przekaż swoje dane i zyskaj korzyści, pomagając w rozwoju analizy polimerów opartej na sztucznej inteligencji:
- Widoczność na naszej stronie internetowej jako partner do współpracy
- Ekskluzywny dostęp do nowych Proteus® Now Quantify modeli i funkcji
- Lepsze wyniki dla własnych materiałów
- Możliwości współpracy (publikacje, konferencje)
Instytuty napędzające przyszłość analizy polimerów opartej na sztucznej inteligencji
Następujące instytuty i laboratoria dostarczyły już znormalizowane zestawy danych DSC w celu wspierania ciągłego doskonalenia technologii DSC Proteus® Now Quantify. Udostępniając rzeczywiste dane przemysłowe, pomagają one wzmocnić wykrywanie zanieczyszczeń, klasyfikację materiałów i wiarygodne przewidywanie strumieni recyklingu polimerów.
Serdecznie dziękujemy wszystkim partnerom za współpracę i za rozwój analizy materiałów opartej na danych wraz z NETZSCH.
Często zadawane pytania (FAQ)
Nie wolno przesyłać suchych mieszanek, ponieważ generują one inną charakterystykę krzywej DSC w porównaniu do prawidłowo złożonych materiałów.
Kształty pików, zachowanie krystalizacyjne i interakcje fazowe znacznie się różnią. Uwzględnienie suchych mieszanek zmniejszyłoby zatem dokładność modelu i zniekształciło wyniki szkolenia.
Proteus® Now Quantifyjest szkolony specjalnie do analizy realistycznych systemów materiałów przemysłowych, które są zazwyczaj mieszane, a nie mieszane na sucho.
W celu uzyskania danych szkoleniowych DSC należy przesyłać wyłącznie rzeczywiste materiały złożone. Odpowiednie próbki obejmują materiały złożone, mieszane w stanie stopionym i homogenizowane, które reprezentują realistyczne przemysłowe systemy materiałowe.
W szczególności poszukujemy materiałów złożonych na bazie pierwotnych polimerów, które realistycznie reprezentują typowe scenariusze zanieczyszczeń występujące w strumieniach recyklingu.
Materiały te pozwalają modelowi Quantify uczyć się na podstawie rzeczywistych warunków przetwarzania i interakcji materiałów.
Akceptowane typy próbek:
- Materiały złożone
- Próbki mieszane w stanie stopionym
- Homogenizowane mieszanki polimerów
Aby rozszerzyć i wzmocnić Quantify, obecnie priorytetowo traktujemy znormalizowane zestawy danych DSC z określonych systemów polimerowych powszechnie występujących w recyklingu i strumieniach materiałów przemysłowych.
W szczególności poszukujemy materiałów złożonych na bazie pierwotnych polimerów, które realistycznie reprezentują typowe scenariusze zanieczyszczeń występujące w strumieniach recyklingu.
Systemy poliolefinowe
- PP, HDPE, LDPE i LLDPE z typowymi zanieczyszczeniami krzyżowymi
- Poliolefiny w połączeniu z PET, PA6, EVOH, EVA lub PUR
Systemy oparte na PET
- PET w połączeniu z poliolefinami
- PET w połączeniu z materiałami barierowymi dla opakowań
Mieszanki inżynieryjne i WEEE
- ABS, HIPS, PC i PMMA w zmiennych proporcjach
- PP w połączeniu z ABS
- HDPE w połączeniu z EVOH
Systemy istotne dla branży motoryzacyjnej
- Mieszanki PP-EPDM
- PA6 lub PA66 w połączeniu z PP
- Mieszanki PA6, PA66 i PBT
- Inżynieryjne tworzywa termoplastyczne o zmiennej zawartości włókien
Rzeczywiste materiały złożone odzwierciedlają złożone interakcje i zmienność występującą w przemysłowych strumieniach recyklingu.
Trening modelu Quantify z tymi realistycznymi zestawami danych poprawia:
- wykrywanie zanieczyszczeń
- klasyfikację opartą na krystalizacji
- wiarygodne przewidywanie w strumieniach recyklatu
Im bardziej reprezentatywny i zróżnicowany jest zestaw danych, tym bardziej wiarygodna staje się wydajność modelu.
Nie wymagamy anonimizacji firmy. (chyba że takie jest życzenie użytkownika)
Prosimy jedynie o uogólnienie typów materiałów.
Przykład: Zamiast "Ultramid A3K / B3K" → "PA66 / PA6"
Jakie dane należy podać?
Prosimy o podanie:
- Klasy polimerów (np. PP, PE, PET)
- Skład w procentach wagowych
- Typ i zawartość wypełniacza
Jaki jest prawidłowy format danych?
Przykład:
| Identyfikator próbki / nazwa pliku | PP-C [wt%] | PP-H [wt%] | LDPE [wt%] | LLDPE [wt%] | HDPE [wt%] | PET [wt%] | Typ wypełniacza | wypełniacz [wt%] |
| Próbka 123 | 20 | 80 | ||||||
| Próbka 456 | 5 | 20 | 5 | 5 | 60 | 5 | ||
| Próbka 789 | 80 | talk | 20 |
Pobierz szablon tutaj:
Prosimy o przesłanie nam danych oraz pliku excel ze składem materiału. Przykład można znaleźć tutaj:
| ID próbki / nazwa pliku | PP-C [wt%] | PP-H [wt%] | LDPE [wt%] | LLDPE [wt%] | HDPE [wt%] | PET [wt%] | Typ wypełniacza | wypełniacz [wt%] |
| Próbka 123 | 20 | 80 | ||||||
| Próbka 456 | 5 | 20 | 5 | 5 | 60 | 5 | ||
| Próbka 789 | 80 | talk | 20 |
Pobierz szablon:
Twój wkład

Przesyłając znormalizowane dane szkoleniowe DSC, pomagasz
- ulepszyć algorytmy wykrywania zanieczyszczeń
- wzmocnić klasyfikację opartą na krystalizacji
- zwiększyć wiarygodność przewidywań w strumieniach recyklatu
- sprawić, że Quantify będzie miało większe zastosowanie do rzeczywistych materiałów przemysłowych
Im bardziej reprezentatywny i zróżnicowany zestaw danych, tym lepsza wydajność modelu.
Jak wziąć udział

- Należy dokładnie przestrzegać listy kontrolnej pomiarów Quantify (patrz wytyczne powyżej)
- Upewnij się, że materiał jest prawdziwym związkiem (bez suchych mieszanek)
- Jeśli chcesz,zanonimizuj dane dotyczące typu polimeru: potrzebujemy tylko klas materiałów, ilości wypełniacza i ilości kompozycji dla każdej klasy (patrz FAQ)
- Wyślij do nas e-mail, aby omówić swój wkład lub udostępnić dane
- Nasi eksperci Quantify skontaktują się z Tobą:





