Introducere: Controlul calității întâlnește economia circulară
Materialele reciclate diferă fundamental de polimerii virgini. În timp ce materialele virgine sunt produse în condiții strict controlate, cu specificații bine definite, materialele reciclate reprezintă adesea sisteme de materiale necunoscute. Chiar și atunci când sunt comercializate ca "PP" sau "amestec PP", persistă o incertitudine semnificativă în ceea ce privește contaminarea, fracțiunile amestecate, pachetele de aditivi, istoricul degradării și variabilitatea de la furnizor la furnizor. Fișele tehnice, dacă sunt disponibile, sunt adesea incomplete și nesigure. Small Variațiile de compoziție în amestecurile de polimeri pot avea efecte disproporționate large asupra comportamentului de prelucrare și a performanței finale, inclusiv instabilitate mecanică, eșecuri de prelucrare sau degradarea proprietăților pe termen lung. Această incertitudine conduce la decizii conservatoare, cum ar fi supraingineria, declasarea materialelor sau respingerea totală a materialelor reciclate. Aceste practici limitează valoarea economică a materialelor reciclate și încetinesc tranziția către o economie circulară a materialelor plastice.
Proteus® Now Quantify
Pentru a aborda această lacună analitică, NETZSCH a dezvoltat Proteus® Now Quantify, o soluție susținută de AI bazată pe Calorimetria diferențială de scanare (DSC) pentru identificarea și cuantificarea compozițiilor polimerice în materiale necunoscute. Principalele cunoștințe dobândite în urma dezvoltării sale sunt că fiabilitatea cuantificării bazate pe AI depinde în mod fundamental de calitatea, coerența și standardizarea datelor de formare.
Inteligența artificială nu compensează calitatea slabă a datelor
Algoritmii de învățare automată nu pot corecta experimentele inconsecvente, erorile sistematice de măsurare sau datele incorecte. În schimb, ei învață relațiile statistice prezente în setul de date - indiferent dacă aceste relații reflectă comportamentul fizic al materialului sau artefacte experimentale. În cazul în care parametrii de măsurare variază, calibrările se abat sau etichetele sunt inconsecvente, modelul va internaliza aceste inconsecvențe ca modele valide.
Pentru Quantify, implementarea cu succes a necesitat mai mult decât asamblarea unui set de date large. De asemenea, a fost necesar să se asigure că toate datele de formare au fost generate în condiții experimentale identice, bine definite. Această cerință derivă din caracteristicile fundamentale ale măsurătorilor DSC și din modul în care semnalele lor sunt interpretate de modelele de învățare automată.
Curbele DSC oferă o amprentă termică a sistemelor polimerice, inclusiv tranzițiile de Temperaturile și entalpiile de topireEntalpia de fuziune a unei substanțe, cunoscută și sub denumirea de căldură latentă, este o măsură a aportului de energie, de obicei căldură, care este necesară pentru a transforma o substanță din stare solidă în stare lichidă. Punctul de topire al unei substanțe este temperatura la care aceasta își schimbă starea din solid (cristalin) în lichid (topitură izotropică). topire, comportamentul de CristalizareCristalizarea este procesul fizic de întărire în timpul formării și creșterii cristalelor. În timpul acestui proces, căldura de cristalizare este eliberată.cristalizare și caracteristicile tranziției vitroase. Aceste caracteristici sunt extrem de informative pentru identificarea și cuantificarea polimerilor. Cu toate acestea, ele sunt, de asemenea, sensibile la parametrii experimentali. Din perspectiva învățării automate, variabilitatea introdusă prin modificarea parametrilor de măsurare nu se poate distinge statistic de variabilitatea cauzată de diferențele în compoziția materialului.
În consecință: Datele de formare și probele necunoscute trebuie măsurate în aceleași condiții strict standardizate pentru o cuantificare bazată pe inteligența artificială semnificativă din punct de vedere fizic și fiabilă din punct de vedere industrial.
Condiții de măsurare standardizate pentru Proteus® Now Quantify
Masa probei
Masa probei afectează în mod direct lățimea și forma vârfului:
- O masă mare conduce la gradienți termici și crește decalajul termic, ceea ce duce la lărgirea vârfului, deplasări de temperatură și rezoluție redusă între tranzițiile suprapuse.
- Masa redusă crește raportul semnal-zgomot, sporind sensibilitatea liniei de bază și incertitudinea măsurătorilor.
O reprezentare schematică a acestui efect este ilustrată în figura 1, în timp ce un exemplu real al unui amestec de polimeri este prezentat în figura 2.
În Proteus® Now Quantify, se aplică o valoare standardizată de 10 mg. Acest parametru a fost utilizat ca o condiție de antrenament pentru modelele ML ale Quantify, iar abaterile afectează intensitatea semnalului sau forma vârfului.
Ratele de încălzire și răcire
Vitezele de încălzire și răcire influențează poziția și forma vârfurilor. Chiar și materialele identice prezintă modificări sistematice ale poziției și morfologiei vârfurilor la viteze diferite.
- Ratele de încălzire mai mari deplasează tranzițiile la temperaturi mai ridicate și pot lărgi vârfurile, reducând rezoluția între evenimentele termice foarte apropiate.
- Ratele de răcire mai mari deplasează cristalizarea la temperaturi mai scăzute și pot modifica forma vârfurilor și cristalinitatea aparentă.
Aceste efecte sunt reprezentate schematic în figura 3, în timp ce figurile 4 și 5 prezintă un exemplu de amestec de polimeri.
Pentru a asigura comparabilitatea între datele de instruire și măsurătorile aplicațiilor, se fixează atât viteza de încălzire, cât și cea de răcire. În Proteus® Now Quantify, se aplică o valoare de 10 K/min. Acest parametru reprezintă un echilibru optimizat între rezoluție și timpul de măsurare și a fost selectat special pentru a asigura performanțe robuste și reproductibile ale modelului.
Cerințe de calibrare a instrumentului DSC
În plus față de parametrii de măsurare standardizați, calibrarea corespunzătoare a instrumentului este esențială pentru a se asigura că caracteristicile DSC extrase sunt semnificative din punct de vedere fizic și comparabile în timp și între instrumente.
- Calibrarea fluxului de căldură (sensibilitate): Oferă valori corecte de entalpie (J/g), care sunt esențiale pentru compoziție.
- Calibrarea temperaturii (TempCal): Oferă temperaturi exacte de debut, puncte de Temperaturile și entalpiile de topireEntalpia de fuziune a unei substanțe, cunoscută și sub denumirea de căldură latentă, este o măsură a aportului de energie, de obicei căldură, care este necesară pentru a transforma o substanță din stare solidă în stare lichidă. Punctul de topire al unei substanțe este temperatura la care aceasta își schimbă starea din solid (cristalin) în lichid (topitură izotropică). topire și temperaturi de tranziție vitroasă utilizate pentru identificarea materialelor.
- Calibrarea liniei de bază (BeFlat®): Stabilizează linia de bază pentru a preveni artefactele care ar putea fi interpretate greșit ca caracteristici legate de material de către modelul de învățare automată.
Fără aceste calibrări, erorile sistematice de măsurare pot fi codificate în model în timpul formării și ulterior interpretate greșit ca diferențe de compoziție.
Formarea privind integritatea datelor: Datele controlate sunt mai bune decât datele Large
Quantify a fost antrenat folosind amestecuri de polimeri virgine cu compoziții cunoscute, oferind un adevăr de bază fiabil pentru învățarea supravegheată.
O constatare cheie a fost că integritatea etichetelor este mai importantă decât dimensiunea setului de date. Creșterea cantității de date nu îmbunătățește neapărat performanța; de fapt, robustețea modelului se poate deteriora dacă datele suplimentare introduc etichete inconsecvente, condiții de măsurare variabile sau definiții ambigue ale claselor. Prin urmare, cuantificarea fiabilă bazată pe inteligența artificială necesită:
- Materiale de referință trasabile
- Definiții/limite coerente ale claselor
- Validarea și revizuirea de către experți a seturilor de date de instruire
- Respectarea strictă a protocoalelor de măsurare standardizate
Perspective
Proteus® Now Quantify suportă în prezent poliolefine și este în curs de extindere la alte familii de polimeri. Dezvoltarea continuă prin colectarea structurată a datelor, reconversie iterativă și feedback din partea partenerilor de dezvoltare și a primilor adoptatori.
IA singură nu va rezolva provocările reciclării. Cu toate acestea, atunci când este combinată cu protocoale de măsurare standardizate, calibrare adecvată și date de formare de înaltă calitate, IA devine un instrument puternic pentru a face analiza avansată a materialelor accesibilă, reproductibilă și scalabilă în cadrul mediilor industriale de control al calității.
Listă de verificare rapidă: Condiții de măsurare pentru Proteus® Now Quantify
Înainte de analizarea probelor necunoscute, asigurați-vă că sunt îndeplinite următoarele condiții:
Parametrii de măsurare
✅ Masa probei: 10 mg ± 1 mg
✅ Rata de încălzire: 10 K/min
✅ Rata de răcire: 10 K/min
Starea calibrării
✅ Calibrarea fluxului de căldură (sensibilitate) actualizată
✅ Calibrarea temperaturii (TempCal) actualizată
✅ Calibrarea de bază (BeFlat®) aplicată
Lectură suplimentară
Subiecte precum variabilitatea între grade și furnizori în cadrul unei clase de polimeri, relația dintre datele de formare virgine și analiza materialelor reciclate, precum și complexitatea amestecurilor (inclusiv suprapunerea vârfurilor și limitele de co-CristalizareCristalizarea este procesul fizic de întărire în timpul formării și creșterii cristalelor. În timpul acestui proces, căldura de cristalizare este eliberată.cristalizare) sunt abordate în următoarele note de aplicare:
Utilizarea DSC pentru cuantificarea amestecurilor de polimeri - posibilități și provocări
Măsurători DSC pe materiale de reciclare: Interpretare obiectivă cu Proteus® Now Quantify