
Помогите улучшить модели прогнозирования для вторсырья
Предоставьте учебные данные на сайт Proteus® Количественная оценка
Потоки вторсырья по своей природе сложны.
Они состоят из широкого спектра полимеров, добавок и неизвестных загрязняющих веществ, которые часто значительно отличаются от партии к партии. Такая сложность представляет собой серьезную проблему для индустрии переработки полимеров, затрудняя надежную идентификацию материалов и обнаружение загрязнений.
Для решения этой проблемы Proteus® Now Quantify разрабатывается система для улучшения обнаружения загрязнений и классификации материалов для вторичной переработки полимеров. Расширение и совершенствование базы данных материалов является ключевым фактором для достижения этой цели.
Для создания надежных моделей машинного обучения нам необходимы высококачественные, стандартизированные NETZSCH обучающие данные ДСК реальных промышленных компаундов. В частности, мы ищем компаунды на основе первичных полимеров, которые реалистично представляют типичные сценарии загрязнения, встречающиеся в потоках вторичной переработки. Это позволит нам создать контролируемые, четко определенные наборы данных для надежного обучения моделей.
Ваш вклад поможет повысить точность, надежность и промышленную применимость прогнозов, тем самым поддерживая улучшенную оценку рециклов в полимерной промышленности. Сухие смеси и реальные рециклиты не подходят.
Помогите нам сделать Proteus® Now Quantify еще более мощным и получить прямую выгоду от улучшения результатов анализа. Делясь стандартизированными обучающими данными NETZSCH DSC, вы помогаете сделать модели искусственного интеллекта более точными, надежными и лучше подходящими для реального промышленного вторсырья. Чем разнообразнее набор данных, тем более точной и ценной для всех становится модель.


Почему стандартизация имеет значение
Модели машинного обучения хороши лишь настолько, насколько хороши данные, на которых они обучены. Для Quantify для получения достоверных прогнозов необходимо соблюдение следующих условий:
- Условия измерений должны быть идентичными
- Тепловые истории должны быть сопоставимы
- Форма кривых должна отражать истинное поведение соединения
Даже small отклонения в параметрах ДСК влияют на форму пика, энтальпию и поведение кристаллизации, что напрямую влияет на производительность модели.
Поэтому для обучения можно использовать только измерения, проведенные в соответствии с определенным стандартом Quantify .
Количественная оценка Контрольный список измерений (обязателен для данных обучения)
Параметры метода
- Вес образца: 10 ± 1 мг
- Скорость нагрева: 10 К/мин
- Скорость охлаждения: 10 К/мин
- Атмосфера: Азот (газовые потоки по умолчанию)
- Крюсиль: Al Concavus® с проколотой крышкой
- Чувствительность и TempCal действительны
- BeFlat® активированный
⚠️ Эти параметры фиксированы для Proteus® Now Quantify. Отклонения могут изменить форму пиков и снизить надежность прогноза.
С подробным руководством по проведению измерений можно ознакомиться здесь:

Что это для вас?
Предоставьте свои данные и получите преимущества, помогая продвигать анализ полимеров на основе искусственного интеллекта:
- Видимость на нашем сайте в качестве партнера по сотрудничеству
- Эксклюзивный доступ к новым Proteus® Now Quantify моделям и функциям
- Лучшие результаты для ваших собственных материалов
- Возможности сотрудничества (публикации, конференции)
Институты, определяющие будущее анализа полимеров на основе искусственного интеллекта
Следующие институты и лаборатории уже предоставили стандартизированные наборы данных ДСК для поддержки постоянного совершенствования Proteus® Now Quantify. Делясь реальными промышленными данными, они помогают улучшить обнаружение загрязнений, классификацию материалов и надежное прогнозирование для потоков вторичной переработки полимеров.
Мы искренне благодарим всех партнеров за сотрудничество и за продвижение анализа материалов на основе данных вместе с NETZSCH.
Часто задаваемые вопросы (FAQ)
Сухие смеси не должны быть представлены, поскольку они дают другие характеристики кривой ДСК по сравнению с правильно составленными материалами.
Формы пиков, поведение при кристаллизации и взаимодействие фаз значительно отличаются. Поэтому включение сухих смесей снизит точность модели и исказит результаты обучения.
Proteus® Now Quantifyв программе "ДСК" есть специальная подготовка для анализа реалистичных промышленных систем материалов, которые обычно компаундируются, а не смешиваются в сухом виде.
Для получения учебных данных по ДСК следует представлять только реальные компаундированные материалы. Подходящие образцы включают компаундированные, смешанные в расплаве и гомогенизированные материалы, которые представляют реалистичные промышленные системы материалов.
В частности, мы ищем компаундированные материалы на основе первичных полимеров, которые реалистично представляют типичные сценарии загрязнения, встречающиеся в потоках вторичной переработки.
Такие материалы позволяют модели Quantify учиться на реальных условиях обработки и взаимодействии материалов.
Принимаемые типы образцов:
- Компаундированные материалы
- Смешанные в расплаве образцы
- Гомогенизированные полимерные смеси
Чтобы расширить и укрепить Quantify, мы в настоящее время отдаем предпочтение стандартизированным наборам данных ДСК конкретных полимерных систем, часто встречающихся в потоках вторичной переработки и промышленных материалов.
В частности, мы ищем компаундированные материалы на основе первичных полимеров, которые реалистично представляют типичные сценарии загрязнения, встречающиеся в потоках вторичной переработки.
Полиолефиновые системы
- ПП, ПЭНД, ПЭВД и ЛПЭВД с типичным перекрестным загрязнением
- Полиолефины в сочетании с ПЭТ, ПА6, ЭВОХ, ЭВА или ПУР
Системы на основе ПЭТ
- ПЭТ в сочетании с полиолефинами
- ПЭТ в сочетании с упаковочными барьерными материалами
Смеси для машиностроения и WEEE
- ABS, HIPS, PC и PMMA в различных пропорциях
- ПП в сочетании с АБС
- ПЭНД в сочетании с EVOH
Системы, имеющие отношение к автомобильной промышленности
- Смеси PP-EPDM
- PA6 или PA66 в сочетании с PP
- Смеси PA6, PA66 и PBT
- Инженерные термопласты с переменным содержанием волокон
Реальные компаундированные материалы отражают сложное взаимодействие и изменчивость, встречающиеся в промышленных потоках рециклинга.
Обучение модели Quantify с использованием этих реалистичных наборов данных улучшает:
- обнаружение загрязнений
- классификация на основе кристаллизации
- надежное прогнозирование по всем потокам вторсырья
.
Чем более представительным и разнообразным является набор данных, тем более надежной становится работа модели.
Мы не требуем анонимизации вашей компании. (если только это не является вашим желанием)
Мы просим вас только обобщить типы материалов.
Пример: Вместо "Ultramid A3K / B3K" → "PA66 / PA6"
Какие данные вы должны предоставить?
Пожалуйста, предоставьте:
- Классы полимеров (например, ПП, ПЭ, ПЭТ)
- Состав в весовых процентах
- Тип и содержание наполнителя
Какой формат данных является допустимым?
Пример:
| Идентификатор образца / имя файла | PP-C [мас.%] | PP-H [мас.%] | ПЭВД [мас.%] | LLDPE [wt%] | ПЭНД [масс%] | ПЭТ [масс%] | Тип наполнителя | наполнитель [масс%] |
| Образец 123 | 20 | 80 | ||||||
| Образец 456 | 5 | 20 | 5 | 5 | 60 | 5 | ||
| Образец 789 | 80 | тальк | 20 |
Загрузите шаблон здесь:
Пожалуйста, пришлите нам свои данные, а также excel-файл с составом материала. Пример можно найти здесь:
| ID образца / имя файла | PP-C [мас.%] | PP-H [масс.%] | ПЭВД [масс.%] | LLDPE [wt%] | ПЭНД [масс%] | ПЭТ [масс%] | Тип наполнителя | наполнитель [масс%] |
| Образец 123 | 20 | 80 | ||||||
| Образец 456 | 5 | 20 | 5 | 5 | 60 | 5 | ||
| Образец 789 | 80 | тальк | 20 |
Загрузите шаблон:
Ваш вклад

Предоставляя стандартизированные данные обучения ДСК, вы помогаете:
- улучшить алгоритмы обнаружения загрязнений
- укрепить классификацию на основе кристаллизации
- повысить надежность прогнозирования в потоках вторсырья
- сделать Quantify более применимой к реальным промышленным материалам
Чем репрезентативнее и разнообразнее набор данных, тем выше производительность модели.
Как принять участие

- Точно следуйте контрольному перечню измерений Quantify (см. руководящий документ выше)
- Убедитесь, что материал является реальным соединением (никаких сухих смесей)
- При желаниианонимизируйте данные о типе полимера: нам нужны только классы материалов, количество наполнителя и количество композиции для каждого класса (см. FAQ)
- Напишите нам, чтобы обсудить ваш вклад или поделиться данными
- Наши эксперты Quantify свяжутся с вами:





