O-kresol koncentration online mätning baserad på nära infraröd spektroskopi via partiell minst kvadrat regression

Summary

Protokollet beskriver en metod för att förutsäga o-kresol koncentration under produktionen av polyfenyleneter med hjälp av nära infraröd spektroskopi och partiell minsta kvadrat regression. Att beskriva processen tydligare och fullständigt, ett exempel på att förutsäga o-kresol koncentrationen under produktionen av polyfenylen används för att klargöra stegen.

Abstract

Till skillnad från makroskopiska processvariabler ger nära-infraröd spektroskopi processinformation på molekylär nivå och kan avsevärt förbättra förutsägelsen av komponenterna i industriella processer. Förmågan att spela in spektra för fasta och flytande prover utan förbehandling är fördelaktigt och metoden används i stor utsträckning. Men nackdelarna med att analysera hög-dimensionella nära infraröda spektrala data inkluderar informationdundans och multicollinearity av spektraldata. Därför föreslår vi att använda partiell minst kvadrat Regressions metoden, som traditionellt har använts för att minska data dimensionalitet och eliminera kolinjäritet mellan de ursprungliga funktionerna. Vi genomför metoden för att förutsäga o-kresol koncentrationen under produktionen av polyfenyleneter. Det föreslagna tillvägagångssättet erbjuder följande fördelar jämfört med regressionsmetoder för komponent regression: 1) partiella minst kvadrater regression löser multikollinearitet problemet av de oberoende variablerna och undviker effektivt overfitting, som uppstår i en regressionsanalys på grund av den höga korrelationen mellan de oberoende variablerna. 2) användningen av Near-infraröd Spectra resulterar i hög noggrannhet eftersom det är en icke-förstörande och icke-förorenande metod för att få information på mikroskopiska och molekylära skalor.

Introduction

Nära infraröd (NIR) spektroskopi (NIRS) har fått brett acceptans som en snabb, effektiv, icke-förstörande och icke-förorenande modern analytisk teknik; metoden har använts under de senaste åren för detektion och analys av produktkvalitet och kemisk komponent mätning i industriella processer. Den viktigaste specialitet av metoden är dess förmåga att spela in spektra för fasta och flytande prover utan någon förbehandling, vilket gör NIRS särskilt lämplig för direkt och snabb detektering och analys av naturliga och syntetiska produkter^1,2. Till skillnad från traditionella sensorer som mäter processvariabler (t. ex. temperatur, tryck, vätskenivå, etc.) i makroskopisk skala och oundvikligen drabbas av yttre buller och bakgrundsstörningar, detekterar NIRS strukturell information om den kemiska sammansättningen vid mikroskopiska och molekylära skalor. Således kan viktig information mätas mer exakt och effektivt än med andra metoder^3,4.

Polyfenyleter, som en av de tekniska plaster, används i stor utsträckning på grund av dess värmebeständighet, flamskyddsmedel, isolering, elektriska egenskaper, dimensionsstabilitet, slagtålighet, kryphållfasthet, mekanisk hållfasthet och andra egenskaper⁵. Ännu viktigare är att den är giftfri och ofarlig jämfört med andra konstruktionsplaster. För närvarande är 2, 6-xylenol en av de grundläggande råvarorna för syntesen av polyfenylen eter, och det är vanligtvis utarbetats av katalyseras alkylering av fenol med metanol metod⁶. Det finns två huvudsakliga produkter av denna förberedelse metod, o-Cresol och 2, 6-xylenol. Efter en serie separation och extraktionssteg, är 2, 6 xylenol används för att producera polyfenylen eter. Men spårmängder av o-kresol kvar i 2, 6-xylenol. O-Cresol deltar inte i syntesen av polyfenyleneter och kommer att förbli i polyfenylen Ether produkt, vilket resulterar i en minskning av produktens kvalitet eller ens undermåliga. För närvarande, de flesta företag fortfarande analysera sammansättningen av komplexa organiska blandningar såsom flytande fas polyfenyleter produkter som innehåller föroreningar (t. ex., o-Cresol) genom fysikalisk eller kemisk separation analys såsom kromatografi^7,8. Separations principen för kromatografi är användningen av blandningen av sammansättningar i den fasta fasen och flödes fasen vid upplösning, analys, adsorption, desorption eller annan affinitet av de mindre skillnaderna i prestanda. När de två faserna rör sig i förhållande till varandra, separeras kompositionerna av ovanstående åtgärder upprepade gånger i de två faserna. Beroende på objektet, tar det vanligtvis några minuter till några tiotals minuter att slutföra en komplex material separation operation. Det kan konstateras att mät effektiviteten är låg.

Idag är mätningen av produktkvalitet och avancerad styrteknik baserad på denna analys för den moderna fin processen kemisk material industri den viktigaste riktningen för att ytterligare förbättra produktkvaliteten. I processindustrin av polyfenyleter produktion, realtid mätning av o-kresol innehåll i polyfenyleneter produkt är av stor utvecklings betydelse. Kromatografisk analys kan uppenbarligen inte uppfylla kraven för avancerad styrteknik för mätning i realtid av ämnen och signalfeedback. Därför föreslår vi partiell minsta kvadrat regression (PLSR) metod för att upprätta en linjär modell mellan NIRS data och o-Cresol koncentrationen, som inser online-mätning av o-kresol innehåll i flytande polyfenylen eter produkt av utlopp .

Pre-processing för NIRS spelar den viktigaste rollen före multivariat statistisk modellering. NIRS wavenumbers i NIR spektrum och partikelstorlekar av biologiska prover är jämförbara, så det är känt för oväntade spridningseffekter som har inflytande på de inspelade provet spektra. Genom att utföra lämpliga Pre-processing metoder, dessa effekter är lätta att elimineras till stor del⁹. De vanligaste förbehandlings teknikerna i NIRS kategoriseras som spridnings-och spektrala derivat metoder. Den första gruppen av metoder inkluderar multiplikativ spridnings korrigering, detrending, standard normala variate-transformationer och normalisering. De spektrala härlednings metoderna omfattar användning av den första och andra derivaten.

Innan du utvecklar en kvantitativ regressionsmodell är det viktigt att ta bort de osystematiska spridnings varianterna från NIRS-data eftersom de har en betydande inverkan på noggrannheten hos den prediktiva modellen, dess komplexitet och parsimony. Valet av en lämplig för bearbetningsmetod bör alltid bero på det efterföljande modellerings steget. Här, om NIR spektrala dataset inte följer Lambert-öllagen, då andra faktorer tenderar att kompensera för icke-ideala beteendet förutsägelse för förväntade komponenter. Nackdelen med förekomsten av sådana onödiga faktorer leder till en ökning av modellens komplexitet, även mest troligt, en minskning av robustheten. Således är tillämpningen av spektralderivat och en konventionell normalisering av spektraldata en väsentlig del av metoden.

Efter spektralförbehandling erhålls NIRS-data med hög signal-brus-förhållande och låg bakgrunds störning. Modern NIRS-analys ger ett snabbt förvärv av stora mängder absorbans över ett lämpligt spektralområde. Den kemiska sammansättningen av provet förutses sedan genom att de relevanta variablerna extraheras med hjälp av den information som finns i spektralkurvan. Generellt är NIRS kombinerat med multivariat analysteknik för kvalitativa eller kvantitativa analyser¹⁰. En multivariat linjär regression (MLR) analys används ofta för att utveckla och gruvdrift det matematiska sambandet mellan data och komponenterna i industriella processer och har använts i stor utsträckning i NIRS analys.

Det finns dock två grundläggande problem vid implementering av en MLR för förbehandlade NIRS-data. Ett problem är variabeln redundans. Den höga dimensionaliteten i NIRS-data gör ofta förutsägelse av en beroende variabel opålitlig eftersom variabler ingår som inte har något samband med komponenterna. Dessa redundanta variabler minskar data effektiviteten i spektraldatan och påverkar modellens noggrannhet. För att eliminera variabeln redundans, är det viktigt att utveckla och maximera sambandet mellan NIRS data och de förväntade komponenterna.

Ett annat problem är frågan om multicollinearity i NIRS data. En av de viktigaste antagandena i flera linjära regressionsmodeller är att det inte finns något linjärt samband mellan någon av de förklarande variablerna i regressionsmodellen. Om detta linjära förhållande finns, är det bevisat att det finns multicollinearity i den linjära regressionsmodellen och antagandet kränks. I flera linjära regressioner, till exempel en vanlig minsta kvadrat regression (OLSR), flera korrelationer mellan variablerna påverkar parametern uppskattning, öka modell felet och påverka stabiliteten för modellen. För att eliminera det multilinjära sambandet mellan NIR-spektraldata använder vi variabla urvalsmetoder som maximerar den inneboende variationen hos proverna.

Här föreslår vi att använda plsr, som är en generalisering av multipel linjär regression som har använts i stor utsträckning i området NIRS^11,12. Den PLSR integrerar de grundläggande funktionerna i MLR, Canonical korrelation analys (CCA), och huvudkomponent analys (PCA) och kombinerar prognos analys med en icke-modelldata konnotationer analys. PLSR kan delas i två delar. Den första delen väljer komponenterna i de karakteristiska variablerna och de förutspådda komponenterna genom partiell minsta kvadratanalys (PLS). PLS maximerar den inneboende variationen av huvudkomponenter genom att göra kovariansen av de viktigaste komponenterna och förutspådda komponenter så stora som möjligt när de extraherar de viktigaste komponenterna. Därefter fastställs OLSR-modellen för o-kresol-koncentrationen för de viktigaste komponenterna som valts. PLSR är lämplig för analys av bullriga data med många oberoende variabler som är starkt collinear och starkt korrelerade och för samtidig modellering av flera responsvariabler. Också, plsr extraherar den effektiva informationen av provet spektra, övervinner problemet med multicollinearity, och har fördelarna med stark stabilitet och hög förutsägelse noggrannhet^13,14.

Följande protokoll beskriver processen med att använda PLSR-modellen för att mäta o-Cresol-koncentrationen med hjälp av NIR-spektraldata. Modellens tillförlitlighet och noggrannhet utvärderas kvantitativt med hjälp av bestämningskoefficienten (), korrelationskoefficienten () och medelkvadratprediktions felet vid korsvalidering (mspecv). Dessutom, för att intuitivt Visa fördelarna med PLSR, är utvärderings indikatorerna visualiseras i flera tomter för en kvalitativ analys. Slutligen presenteras utvärderingsindikatorer för ett experiment i tabellformat för att kvantitativt illustrera den PLSR-modellens tillförlitlighet och precision.

Protocol

1. NIR spektrum datainsamling med Fourier Transform (FT)-NIR process spektrometer Installera den flytande fasen optisk fiber sond i den Near-infraröda spektrometern vid utloppet av produkten polyfenyleter. Och öppna Opus -programvaran på den övre datorn som är ansluten till instrumentet och börja konfigurera mätningen. Ansluta till spektrometer Välj kommandot optisk installation och tjänst på mått -menyn eller kli…

Representative Results

Det förutsagda värdet av o-kresol förorening i polyfenyleter produkter erhålls genom PLSR-baserad nära infraröd spektroskopi. Figur 2 och figur 3 visar metodens tillförlitlighet i steget för Funktionsurval från kurvan för beslutskoefficienten och den procentuella fel tolkningen som ökar med antalet huvudkomponenter. Särskilt Observera att i urvalet av de viktigaste komponenterna, fö…

Discussion

Detta protokoll beskriver processen för att utföra PLSR på mätningen av o-kresol koncentrationen kvar i flytande produkt av polyfenyleneter med NIRS.

De två kritiska stegen i denna process är förbehandling av den ursprungliga NIR spektrala data och variablerna val av den höga-dimensionella NIR spektrala data.

I allmänhet leder den icke-systematiska bakgrunds störningen till den icke-systematiska spridnings avvikelsen eller baslinje driften av NIR-spektrume…

Materials

MPA II Multi Purpose FT-NIR Analyzer	Bruker	1
Fiber Optic Probes(Liquid phase)	Bruker	1
Liquid chromatography analyzer	/	1
Laboratory Equipment and Supplies(e.g. test tube, etc.)	/
MATLAB	MathWork	1
OPUS	Bruker	1
Principal computer	DELL	1
The Unscrambler	CAMO	1