Ajude a aprimorar os modelos preditivos para reciclados
Contribua com dados de treinamento para Proteus® Agora Quantifique
Os fluxos de reciclagem são inerentemente complexos.
Eles consistem em uma ampla variedade de polímeros, aditivos e contaminantes desconhecidos que, muitas vezes, variam significativamente de lote para lote. Essa complexidade representa um desafio significativo para o setor de reciclagem de polímeros, dificultando a identificação confiável de materiais e a detecção de contaminação.
Para enfrentar esse desafio, Proteus® Now Quantify está sendo desenvolvido para melhorar a detecção de contaminações e a classificação de materiais para polímeros reciclados. Expandir e refinar o banco de dados de materiais subjacentes é fundamental para atingir esse objetivo.
Para criar modelos de aprendizado de máquina confiáveis, precisamos de dados de treinamento de alta qualidade e padronizados de NETZSCH DSC de compostos industriais reais. Estamos procurando especificamente materiais compostos baseados em polímeros virgens que representem realisticamente cenários típicos de contaminação encontrados em fluxos de reciclagem. Isso nos permite criar conjuntos de dados controlados e bem definidos para treinamento robusto de modelos.
Sua contribuição ajudará a aumentar a precisão, a robustez e a aplicabilidade industrial das previsões, apoiando assim a avaliação aprimorada de reciclados no setor de polímeros. Misturas secas e reciclados reais não são adequados.
Ajude-nos a tornar o Proteus® Now Quantify ainda mais avançado e se beneficie diretamente dos resultados aprimorados da análise. Ao compartilhar dados de treinamento padronizados do NETZSCH DSC, você ajuda a tornar os modelos de IA mais precisos, robustos e mais adequados para reciclados industriais reais. Quanto mais diversificado for o conjunto de dados, mais preciso e valioso será o modelo para todos.
Por que a padronização é importante
Os modelos de aprendizado de máquina são tão bons quanto os dados em que são treinados. Para Quantify forneça previsões confiáveis, as seguintes condições devem ser atendidas:
- As condições de medição devem ser idênticas
- Os históricos térmicos devem ser comparáveis
- As formas das curvas devem refletir o verdadeiro comportamento do composto
Até mesmo small desvios nos parâmetros de DSC influenciam a forma do pico, a entalpia e o comportamento de CristalizaçãoA cristalização é o processo físico de endurecimento durante a formação e o crescimento de cristais. Durante esse processo, o calor da cristalização é liberado.cristalização, o que afeta diretamente o desempenho do modelo.
Portanto, somente as medições conduzidas de acordo com o padrão Quantify definido podem ser usadas para treinamento.
Quantificar Lista de verificação de medição (obrigatória para dados de treinamento)
Parâmetros do método
- Peso da amostra: 10 ± 1 mg
- Taxa de aquecimento: 10 K/min
- Taxa de resfriamento: 10 K/min
- Atmosfera: Nitrogênio (fluxos de gás padrão)
- Cadinho: Al Concavus® com tampa perfurada
- Sensibilidade e TempCal válidos
- BeFlat® ativado
⚠️ Esses parâmetros são fixos para Proteus® Now Quantify. Os desvios podem alterar as formas dos picos e reduzir a confiabilidade da previsão.
Um documento detalhado de diretrizes de medição está disponível aqui:
O que você ganha com isso?
Contribua com seus dados e obtenha benefícios enquanto ajuda a promover a análise de polímeros orientada por IA:
- Visibilidade em nosso site como um parceiro de colaboração
- Acesso exclusivo a novos Proteus® Now Quantify modelos e recursos
- Melhores resultados para seus próprios materiais
- Oportunidades de colaboração (publicações, conferências)
Institutos que impulsionam o futuro da análise de polímeros baseada em IA
Os institutos e laboratórios a seguir já contribuíram com conjuntos de dados DSC padronizados para apoiar o aprimoramento contínuo de Proteus® Now Quantify. Ao compartilhar dados industriais reais, eles ajudam a fortalecer a detecção de contaminações, a classificação de materiais e a previsão confiável para fluxos de reciclagem de polímeros.
Agradecemos sinceramente a todos os parceiros por sua colaboração e pelo avanço da análise de materiais orientada por dados em conjunto com NETZSCH.
Perguntas frequentes (FAQ)
As misturas secas não devem ser enviadas porque geram características diferentes de curva de DSC em comparação com materiais adequadamente compostos.
As formas de pico, o comportamento de CristalizaçãoA cristalização é o processo físico de endurecimento durante a formação e o crescimento de cristais. Durante esse processo, o calor da cristalização é liberado.cristalização e as interações de fase diferem significativamente. Portanto, a inclusão de misturas secas reduziria a precisão do modelo e distorceria os resultados do treinamento.
Proteus® Now Quantifyo DSC é treinado especificamente para analisar sistemas de materiais industriais realistas, que normalmente são compostos em vez de misturados a seco.
Somente materiais compostos reais devem ser enviados para dados de treinamento em DSC. As amostras adequadas incluem materiais compostos, misturados por Temperaturas e entalpias de fusãoA entalpia de fusão de uma substância, também conhecida como calor latente, é uma medida da entrada de energia, normalmente calor, necessária para converter uma substância do estado sólido para o líquido. O ponto de fusão de uma substância é a temperatura na qual ela muda de estado, passando do sólido (cristalino) para o líquido (fusão isotrópica). fusão e homogeneizados que representem sistemas de materiais industriais realistas.
Estamos procurando especificamente materiais compostos baseados em polímeros virgens que representem realisticamente cenários típicos de contaminação encontrados em fluxos de reciclagem.
Esses materiais permitem que o modelo Quantify aprenda com as condições genuínas de processamento e interações de materiais.
Tipos de amostras aceitas:
- Materiais compostos
- Amostras misturadas por Temperaturas e entalpias de fusãoA entalpia de fusão de uma substância, também conhecida como calor latente, é uma medida da entrada de energia, normalmente calor, necessária para converter uma substância do estado sólido para o líquido. O ponto de fusão de uma substância é a temperatura na qual ela muda de estado, passando do sólido (cristalino) para o líquido (fusão isotrópica). fusão
- Misturas de polímeros homogeneizados
Para expandir e fortalecer o Quantify, estamos atualmente priorizando conjuntos de dados DSC padronizados de sistemas de polímeros específicos comumente encontrados em fluxos de materiais industriais e de reciclagem.
Estamos procurando especificamente materiais compostos com base em polímeros virgens que representem realisticamente cenários típicos de contaminação encontrados em fluxos de reciclagem.
Sistemas de poliolefina
- PP, HDPE, LDPE e LLDPE com contaminação cruzada típica
- Poliolefinas combinadas com PET, PA6, EVOH, EVA ou PUR
Sistemas baseados em PET
- PET combinado com poliolefinas
- PET combinado com materiais de barreira para embalagens
Misturas de engenharia e WEEE
- ABS, HIPS, PC e PMMA em proporções variáveis
- PP combinado com ABS
- HDPE combinado com EVOH
Sistemas relevantes para o setor automotivo
- Misturas de PP-EPDM
- PA6 ou PA66 combinados com PP
- Misturas de PA6, PA66 e PBT
- Termoplásticos de engenharia com conteúdo variável de fibras
Os materiais compostos reais refletem as interações complexas e a variabilidade encontradas nos fluxos de reciclagem industrial.
O treinamento do modelo Quantify com esses conjuntos de dados realistas melhora:
- a detecção de contaminações
- classificação baseada em CristalizaçãoA cristalização é o processo físico de endurecimento durante a formação e o crescimento de cristais. Durante esse processo, o calor da cristalização é liberado.cristalização
- previsão confiável em todos os fluxos de reciclados
Quanto mais representativo e diversificado for o conjunto de dados, mais confiável será o desempenho do modelo.
Não exigimos o anonimato de sua empresa. (a menos que seja seu desejo)
Pedimos apenas que você generalize os tipos de materiais.
Por exemplo: Em vez de "Ultramid A3K / B3K" → "PA66 / PA6"
Quais dados você deve fornecer?
Favor enviar:
- Classes de polímeros (por exemplo, PP, PE, PET)
- Composição em wt%
- Tipo e conteúdo de enchimento
Qual é um formato de dados válido?
Exemplo:
| ID da amostra / nome do arquivo | PP-C [wt%] | PP-H [wt%] | LDPE [wt%] | LLDPE [wt%] | HDPE [wt%] | PET [wt%] | Tipo de carga | carga [wt%] |
| Amostra 123 | 20 | 80 | ||||||
| Amostra 456 | 5 | 20 | 5 | 5 | 60 | 5 | ||
| Amostra 789 | 80 | talco | 20 |
Faça o download do modelo aqui:
Envie-nos seus dados, bem como seu arquivo Excel de composição de material. Veja um exemplo aqui:
| ID da amostra / nome do arquivo | PP-C [wt%] | PP-H [wt%] | LDPE [wt%] | LLDPE [wt%] | HDPE [wt%] | PET [wt%] | Tipo de carga | carga [wt%] |
| Amostra 123 | 20 | 80 | ||||||
| Amostra 456 | 5 | 20 | 5 | 5 | 60 | 5 | ||
| Amostra 789 | 80 | talco | 20 |
Faça o download do modelo:
Sua contribuição
Ao enviar dados de treinamento de DSC padronizados, você ajuda a:
- melhorar os algoritmos de detecção de contaminação
- fortalecer a classificação baseada em CristalizaçãoA cristalização é o processo físico de endurecimento durante a formação e o crescimento de cristais. Durante esse processo, o calor da cristalização é liberado.cristalização
- aumentar a previsão confiável em todos os fluxos de reciclados
- tornar o Quantify mais aplicável a materiais industriais reais
Quanto mais representativo e diversificado for o conjunto de dados, melhor será o desempenho do modelo.
Como participar
- Siga exatamente a lista de verificação de medição Quantify (consulte o documento de diretrizes acima)
- Certifique-se de que o material seja um composto real (sem misturas secas)
- Torne anônimos os dados do tipo de polímero, se desejar: precisamos apenas de classes de materiais, quantidade de carga e quantidades de composição para cada classe (consulte as Perguntas frequentes)
- Envie-nos um e-mail para discutir sua contribuição ou compartilhar dados
- Nossos especialistas em Quantify entrarão em contato com você:
