Name: o-cresol concentration online measurement based on near infrared spectroscopy via partial least square regression
Uploaded: 2019-11-08T12:30:00
Description: Watch this Scientific Journal Video about O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression at JoVE.com

Dette arbejde blev støttet af Kinas National Natural Science Foundation (Grant NOS. 61722306 og 61473137) og national førsteklasses disciplin program for Light Industry Technology and Engineering (LITE2018-025).

1. NIR Spectrum data erhvervelse med Fourier Transform (ft)-NIR Process spektrometer
<ol><li>Installer væske fasens optiske fiber sonde af det nær-infrarøde spektrometer ved udløbet af polyphenyl ether-produktet. Og Åbn Opus -softwaren på den øverste computer, som er tilsluttet instrumentet, og begynd at konfigurere målingen.</li>
	<li>Tilslutning til spektrometer
	<ol>
<li>Vælg kommandoen optisk opsætning og tjeneste i menuen måling , eller...

<ol>
	<li>Nicolai, B. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nondestructive+measurement+of+fruit+and+vegetable+quality+by+means+of+NIR+spectroscopy:+A+review.">Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review.</a> Postharvest Biology and Technology. 46 (2), 99-118 (2007).</li><li>Chang, C. W., Laird, D. A., Mausbach, M. J., Hurburgh, C. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Near-infrared+reflectance+spectroscopy-principal+components+regression+analyses+of+soil+properties.">Near-infrared reflectance spectroscopy-principal components regression analyses of soil properties.</a> Soil Science Society of America Journal. 65 (2), 480-490 (2001).</li><li>Chen, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Near-infrared+spectroscopy+for+rapid+evaluation+of+different+processing+products+of+Sophora+japonica.">Near-infrared spectroscopy for rapid evaluation of different processing products of Sophora japonica.</a> L. Spectroscopy Letters. 51 (1), 37-44 (2018).</li><li>Cayuela, J. A., Garcia, J. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nondestructive+measurement+of+squalene+in+olive+oil+by+near+infrared+spectroscopy.">Nondestructive measurement of squalene in olive oil by near infrared spectroscopy.</a> LWT-FOOD SCIENCE AND TECHNOLOGY. 88, 103-108 (2018).</li><li>Joaquim, M., Rudnick, R. L., Shubkin, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Polyphenyl+Ether+Lubricants.">Polyphenyl Ether Lubricants.</a> Synthetic Lubricants and High-performance Functional. , 239 (1999).</li><li>Grabowska, H., Kaczmarczyk, W., Wrzyszcz, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Synthesis+of+2,6-Xylenol+by+Alkylation+of+Phenol+with+Methanol.">Synthesis of 2,6-Xylenol by Alkylation of Phenol with Methanol.</a> Applied Catalysis. 47 (2), 351-355 (1989).</li><li>Jeon, D. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Determination+of+volatile+organic+compounds,+catechins,+caffeine+and+theanine+in+Jukro+tea+at+three+growth+stages+by+chromatographic+and+spectrometric+methods.">Determination of volatile organic compounds, catechins, caffeine and theanine in Jukro tea at three growth stages by chromatographic and spectrometric methods.</a> FOOD CHEMISTRY. 219, 443-452 (2016).</li><li>Davidyuk, E. I., Demchenko, V. F., Klisenko, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Rapid+group+separation+and+identification+of+chlorinated+organic+compounds+by+high+performance+liquid+chromatography.">Rapid group separation and identification of chlorinated organic compounds by high performance liquid chromatography.</a> JOURNAL OF ANALYTICAL CHEMISTRY. 52 (11), 1058-1065 (1997).</li><li>Rinnan, A., Berg, F., Engelsen, S. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Review+of+the+most+common+pre-processing+techniques+for+near-infrared+spectra.">Review of the most common pre-processing techniques for near-infrared spectra.</a> TrAC Trends in Analytical Chemistry. 28 (10), 1201-1222 (2009).</li><li>Zou, X. B., Zhao, J. W., Povey, M. J. W., Holmes, M., Mao, H. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Variables+selection+methods+in+near-infrared+spectroscopy.">Variables selection methods in near-infrared spectroscopy.</a> Analytica Chimica Acta. (1-2), 14-32 (2010).</li><li>Dunn, B. W., Beecher, H. G., Batten, G. D., Ciavarella, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+potential+of+near-infrared+reflectance+spectroscopy+for+soil+analysis+-+a+case+study+from+the+Riverine+Plain+of+south-eastern+Australia.">The potential of near-infrared reflectance spectroscopy for soil analysis - a case study from the Riverine Plain of south-eastern Australia.</a> Australian Journal of Experimental Agriculture. 42 (5), 607-614 (2002).</li><li>Wang, C. K., Zhang, T. L., Pan, X. Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Potential+of+visible+and+near-infrared+reflectance+spectroscopy+for+the+determination+of+rare+earth+elements+in+soil.">Potential of visible and near-infrared reflectance spectroscopy for the determination of rare earth elements in soil.</a> Geoderma. 306, 120-126 (2017).</li><li>Gatius, F., Miralbes, C., David, C., Puy, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+CCA+and+PLS+to+explore+and+model+NIR+data.">Comparison of CCA and PLS to explore and model NIR data.</a> Chemometrics and Intelligent Laboratory Systems. , 76-82 (2017).</li><li>Wold, S., Sjostrom, M., Eriksson, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=PLS-regression:+a+basic+tool+of+chemometrics.">PLS-regression: a basic tool of chemometrics.</a> Chemometrics &amp; Intelligent Laboratory. 58 (2), 109-130 (2001).</li><li>Douglas, R. K., Nawar, S., Alamar, M. C., Mouazen, A. M., Coulon, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Rapid+prediction+of+total+petroleum+hydrocarbons+concentration+in+contaminated+soil+using+vis-NIR+spectroscopy+and+regression+techniques.">Rapid prediction of total petroleum hydrocarbons concentration in contaminated soil using vis-NIR spectroscopy and regression techniques.</a> SCIENCE OF THE TOTAL ENVIRONMENT. 616, 147-155 (2017).</li><li>Grassi, S., Alamprese, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Advances+in+NIR+spectroscopy+applied+to+process+analytical+technology+in+food+industries.">Advances in NIR spectroscopy applied to process analytical technology in food industries.</a> CURRENT OPINION IN FOOD SCIENCE. 22 (SI), 17-21 (2018).</li><li>Trung, T., Downes, G., Meder, R., Allison, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pulp+mill+and+chemical+recovery+control+with+advanced+analysers+-+from+trees+to+final+product.">Pulp mill and chemical recovery control with advanced analysers - from trees to final product.</a> APPITA. 68 (1), 39-46 (2015).</li><li>Vann, L., Sheppard, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Use+of+near-infrared+spectroscopy+(NIRs)+in+the+biopharmaceutical+industry+for+real-time+determination+of+critical+process+parameters+and+integration+of+advanced+feedback+control+strategies+using+MIDUS+control.">Use of near-infrared spectroscopy (NIRs) in the biopharmaceutical industry for real-time determination of critical process parameters and integration of advanced feedback control strategies using MIDUS control.</a> Journal of Industrial Microbiology&amp; Biotechnology. 44 (12), 1589-1603 (2017).</li><li>Modrono, S., Soldado, A., Martinez-Fernandez, A., de la Roza-Delgado, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Handheld+NIRS+sensors+for+routine+compound+feed+quality+control:+Real+time+analysis+and+field+monitoring.">Handheld NIRS sensors for routine compound feed quality control: Real time analysis and field monitoring.</a> TALANTA. 162, 597-603 (2017).</li></ol>

Denne protokol beskriver processen med at udføre PLSR på målingen af o-cresolkoncentrationen, som er tilbage i det flydende produkt af polyphenylen ether med NIRS.
De to kritiske trin i denne proces er forbehandlingen af de oprindelige NIR spektraldata og variablerne udvælgelse af de høje-dimensionelle NIR spektraldata.
Generelt fører den ikke-systematiske baggrundsinterferens til den ikke-systematiske sprednings afvigelse eller den grundlæggende drift af NIR...

Near Infrared (NIR) spectroskopi (NIRS) har vundet bred accept som en hurtig, effektiv, ikke-destruktiv og ikke-forurenende moderne analytisk teknologi; metoden har været anvendt i de sidste mange år til påvisning og analyse af produktkvalitet og måling af kemiske komponenter i industrielle processer. Den mest essentielle specialitet af metoden er dens evne til at registrere spektre for faste og flydende prøver uden nogen forbehandling, hvilket gør NIRS specielt egnet til direkte og hurtig påvisning og analyse af naturlige og syntetiske produkter1,2. I modsætning til traditionelle sensorer, der måler procesvariabler (f. eks. temperatur, tryk, væskeniveau osv.) i en makroskopisk skala og uundgåeligt udsættes for ekstern støj og baggrundsinterferens, registrerer NIRS de strukturelle oplysninger om den kemiske sammensætning i mikroskopiske og molekylære skalaer. Således kan væsentlige oplysninger måles mere præcist og effektivt end med andre metoder3,4.
Polyphenyl ether, som en af de tekniske plast, er almindeligt anvendt på grund af sin varmebestandighed, flammehæmmende, isolering, elektriske egenskaber, dimensionel stabilitet, slagfasthed, krybe modstand, mekanisk styrke og andre egenskaber5. Endnu vigtigere, det er ikke-giftige og harmløse i forhold til andre tekniske plast. På nuværende tidspunkt, 2, 6-xylenol er en af de grundlæggende råvarer til syntesen af polyphenylen ether, og det er normalt fremstillet af katalyseret alkylering af phenol med methanol metode6. Der er to hovedprodukter af denne tilberedningsmetode, o-cresol og 2, 6-xylenol. Efter en række adskillelse og ekstraktion trin, 2, 6 xylenol anvendes til fremstilling af polyphenylen ether. Dog forbliver spormængder af o-cresol i 2, 6-xylenol. O-cresol deltager ikke i syntesen af polyphenylen ether og vil forblive i polyphenylen ether produkt, hvilket resulterer i et fald i produktets kvalitet eller endda substandard. På nuværende tidspunkt analyserer de fleste virksomheder stadig sammensætningerne af komplekse organiske blandinger såsom flydende fase polyphenyl ether-produkter, der indeholder urenheder (f. eks. o-cresol) ved fysisk eller kemisk separations analyse såsom kromatografi7,8. Adskillelsesprincippet for kromatografi er anvendelsen af blandingen af kompositioner i den faste fase og strømnings fasen i opløsningen, analysen, adsorption, desorption eller anden affinitet af de mindre forskelle i ydeevnen. Når de to faser bevæger sig i forhold til hinanden, adskilles kompositioner af ovenstående handlinger gentagne gange i de to faser. Afhængigt af objektet, det tager normalt et par minutter til et par snesevis af minutter til at fuldføre en kompleks materiale adskillelse operation. Det kan ses, at måle effektiviteten er lav.
I dag er målingen af produktkvalitet og avanceret kontrol teknologi baseret på denne analyse for den moderne fine proceskemiske materialer industrien den vigtigste retning for yderligere at forbedre produktets kvalitet. I processen industri af polyphenyl ether produktion, real-time måling af o-cresol indhold i polyphenylen ether produkt er af stor udviklings betydning. Kromatografi analyse kan tydeligvis ikke opfylde kravene til avanceret styringsteknologi til realtids måling af stoffer og signal feedback. Derfor foreslår vi den delvise mindste kvadraters regression (PLSR) metode til at etablere en lineær model mellem de NIRS data og o-cresol koncentration, som realisere online måling af o-cresol indhold i flydende polyphenylen ether produkt af Outlet .
Pre-Processing for NIRS spiller den vigtigste rolle forud for Multivariat Statistisk modellering. NIRS wavenumbers i NIR spektret og partikel størrelserne af biologiske prøver er sammenlignelige, så det er kendt for uventede scatter effekter, der har indflydelse på den indspillede prøve spektre. Ved at udføre passende forbehandling metoder, disse virkninger er let at blive elimineret stort set9. De mest almindeligt anvendte forbehandlings teknikker i NIRS er kategoriseret som scatter korrektion og spektral afledte metoder. Første gruppe af metoder omfatter multiplicativ scatter korrektion, detrending, standard normale variat transformationer, og normalisering. De spektral aflednings metoder omfatter anvendelse af første og andet derivater.
Før der udvikles en kvantitativ regressionsmodel, er det vigtigt at fjerne de usystematiske scatter variationer fra de NIRS-data, fordi de har en betydelig indflydelse på nøjagtigheden af forudsigelses modellen, dens kompleksitet og parsimoni. Udvælgelsen af en egnet forbehandlings metode bør altid afhænge af det efterfølgende modellerings trin. Her, hvis NIR spektral DataSet ikke følger Lambert-Beer lov, så andre faktorer har tendens til at kompensere for den ikke-ideelle opførsel af forudsigelse for forudsagte komponenter. Ulempen ved eksistensen af sådanne unødvendige faktorer fører til en stigning i model kompleksitet, selv højst sandsynligt, en reduktion i robusthed. Anvendelsen af spektral derivater og en konventionel normalisering af spektral dataene er således en væsentlig del af metoden.
Efter spektral forbehandling opnås de NIRS data med et højt signal-støj-forhold og lav baggrundsinterferens. Moderne NIRS analyse giver hurtig erhvervelse af store mængder af absorbans over en passende spektral rækkevidde. Prøvens kemiske sammensætning forudsiges derefter ved at udtrække de relevante variabler ved hjælp af de oplysninger, der er indeholdt i spektral kurven. Generelt kombineres NIRS med multivariat analyseteknikker til kvalitative eller kvantitative analyser10. En multivariat lineær regression (MLR) analyse er almindeligt anvendt til at udvikle og minedrift den matematiske forhold mellem data og komponenterne i industrielle processer og har været meget anvendt i NIRS analyse.
Der er imidlertid to grundlæggende problemer i forbindelse med gennemførelsen af en MLR for forbehandlede NIRS-data. Et problem er den variable redundans. Den høje dimensionalitet af de NIRS data gør ofte forudsigelse af en afhængig variabel upålidelig, fordi variabler er inkluderet, der ikke har nogen sammenhæng med komponenterne. Disse overflødige variabler reducerer informations effektiviteten af spektral dataene og påvirker nøjagtigheden af modellen. For at eliminere den variable redundans er det vigtigt at udvikle og maksimere korrelationen mellem de NIRS data og de forventede komponenter.
Et andet problem er spørgsmålet om fler linearitet i de NIRS data. En af de vigtigste forudsætninger for flere lineære regressionsmodeller er, at der ikke er noget lineært forhold mellem nogen af de forklarende variabler i regressionsmodellen. Hvis dette lineære forhold eksisterer, er det bevist, at der er fler linearitet i den lineære regressionsmodel, og antagelsen er overtrådt. I flere lineære regressioner, såsom en almindelig mindste kvadraters regression (OLSR), påvirker flere korrelationer mellem variablerne parameter estimatet, forøger model fejlen og påvirker modellens stabilitet. For at eliminere den multilineære korrelation mellem NIR spektraldata bruger vi variable udvælgelsesmetoder, der maksimerer prøvernes iboende variabilitet.
Her foreslår vi at bruge plsr, som er en generalisering af flere lineære regression, der har været meget udbredt i området for NIRS11,12. PLSR integrerer de grundlæggende funktioner i MLR, Canonical korrelationsanalyse (CCA) og hovedkomponent analyse (PCA) og kombinerer prognose analysen med en ikke-model data konnotation analyse. PLSR kan opdeles i to dele. Den første del vælger komponenterne i de karakteristiske variabler og de forudsagte komponenter ved delvis mindste kvadraters analyse (PLS). PLS maksimerer den iboende variabilitet af hovedkomponenterne ved at gøre kovariansen af hovedkomponenterne og de forudsagte komponenter så store som muligt ved udvinding af hovedkomponenterne. Dernæst er OLSR-modellen for o-cresolkoncentrationen fastlagt for de valgte hovedkomponenter. Plsr er velegnet til analyse af støjende data med talrige uafhængige variabler, der er stærkt kollineære og meget korreleret og for den samtidige modellering af flere responsvariabler. Også, plsr ekstrakter den effektive information af prøven Spectra, overvinder problemet med fler linearitet, og har fordelene ved stærk stabilitet og høj forudsigelse nøjagtighed13,14.
Følgende protokol beskriver processen med anvendelse af PLSR-modellen til måling af o-cresolkoncentrationen ved hjælp af NIR spektraldata. Modellens pålidelighed og nøjagtighed evalueres kvantitativt ved hjælp af justeringskoefficienten (<img alt="Equation 1" src="/files/ftp_upload/59077/59077eq1.jpg">), prognose korrelationskoefficienten (<img alt="Equation 2" src="/files/ftp_upload/59077/59077eq2.jpg">) og den gennemsnitlige prognosefejl ved kryds validering (mspecv). Desuden, for intuitivt at vise fordelene ved PLSR, er evaluerings indikatorerne visualiseret i flere grunde til en kvalitativ analyse. Endelig er evaluerings indikatorerne for et eksperiment præsenteret i tabelformat for kvantitativt at illustrere PLSR-modellens pålidelighed og præcision.

<table border="0" cellpadding="0" cellspacing="0" style="width:536px;" width="535">
	<tbody>
		<tr height="20">
			<td height="20" style="height:20px;width:319px;">MPA II Multi Purpose FT-NIR Analyzer</td>
			<td style="width:67px;">Bruker</td>
			<td style="width:88px;">1</td>
			<td style="width:63px;"></td>
		</tr>
		<tr height="20">
			<td height="20" style="height:20px;">Fiber Optic Probes(Liquid phase)</td>
			<td>Bruker</td>
			<td>1</td>
			<td></td>
		</tr>
		<tr height="20">
			<td height="20" style="height:20px;">Liquid chromatography analyzer&#160;</td>
			<td>/</td>
			<td>1</td>
			<td></td>
		</tr>
		<tr height="20">
			<td height="20" style="height:20px;">Laboratory Equipment and Supplies(e.g. test tube, etc.)</td>
			<td>/</td>
			<td></td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">MATLAB</td>
			<td>MathWork</td>
			<td>1</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">OPUS</td>
			<td>Bruker</td>
			<td>1</td>
			<td></td>
		</tr>
		<tr height="20">
			<td height="20" style="height:20px;">Principal computer</td>
			<td>DELL</td>
			<td>1</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">The Unscrambler</td>
			<td>CAMO</td>
			<td>1</td>
			<td></td>
		</tr>
	</tbody>
</table>

o-cresol concentration online measurement based on near infrared spectroscopy via partial least square regression

I modsætning til makroskopiske procesvariabler, nær-infrarød spektroskopi giver proces information på molekyleniveau og kan betydeligt forbedre forudsigelse af komponenterne i industrielle processer. Evnen til at optage Spectra for faste og flydende prøver uden nogen forbehandling er fordelagtig, og metoden er meget udbredt. Men ulemperne ved at analysere højdimensionale nær-infrarøde spektraldata omfatter information redundans og fler linearitet af spektraldata. Derfor foreslår vi at bruge delvis mindste kvadraters regressionsmetode, som traditionelt er blevet brugt til at reducere data dimensionalitet og eliminere collineariteten mellem de oprindelige funktioner. Vi implementerer metoden til forudsigelse af o-cresolkoncentrationen under produktionen af polyphenylen ether. Den foreslåede tilgang giver følgende fordele i forhold til komponent regression forudsigelse metoder: 1) delvis mindste kvadrater regression løser det fler linearitets problem af de uafhængige variabler og effektivt undgår over montering, som opstår i en regressionsanalyse på grund af den høje korrelation mellem de uafhængige variabler; 2) brugen af den nær-infrarøde spektre resulterer i høj nøjagtighed, fordi det er en ikke-destruktiv og ikke-forurenende metode til at indhente oplysninger i mikroskopiske og molekylære skalaer.

Den forventede værdi af o-cresol urenhed i polyphenyl ether produkter opnås ved PLSR-baserede nær-infrarød spektroskopi. Figur 2 og figur 3 viser henholdsvis metodens pålidelighed i funktions selektions fasen fra kurven for beslutnings koefficienten og fejlfortolknings procenten, som stiger med antallet af hovedbestanddele.
Specifikt skal det bemærkes, at ved udvælgelsen af de vigtigste k...

Watch this Scientific Journal Video about O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression at JoVE.com

O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression

Protokollen beskriver en metode til forudsigelse af o-cresolkoncentrationen under produktionen af polyphenylen ether ved hjælp af nær-infrarød spektroskopi og delvis mindste kvadrater regression. For at beskrive processen mere klart og fuldstændigt anvendes et eksempel på forudsigelse af o-cresolkoncentrationen under produktionen af polyphenylen til at tydeliggøre trinene.

O-cresol koncentration online måling baseret på nær infrarød spektroskopi via delvis mindst kvadratisk regression

Unlike macroscopic process variables, near-infrared spectroscopy provides process information at the molecular level and can significantly improve the ...

Betydningen af dette eksperimentelle manuskript ligger i anvendelser af nær-infrarød spektroskopi og data mining algoritmer til online overvågning af den faktiske proces industrien. De største fordele ved denne teknologi ligger i dens hurtighed. Den ikke-ødelæggende egenskab af sin nær-infrarød detektionsteknologi og praksis med delvise mindste firkanter, eller PLS, algoritme.Til at begynde med skal du tilslutte spektrometeret som beskrevet i tekstprotokollen. Hvis du vil konfigurere måleparametre, skal du bruge OPUS-softwaren. Gå til menuen Målpunkt, og vælg kommandoen Avanceret måling.Definer måleparametrene under de forskellige faner i den dialog, der åbnes. Hvis du vil gemme eksperimentfilen, skal du klikke på fanen Avanceret. Definer opløsningen som fire omvendte centimeter.Definer antallet af scanninger som 16 scanninger i postfelterne for scanningstid for baggrundsbaggrund. Definer stien til automatisk at gemme måledataene fra 4.000 inverse centimeter til 12.500 inverse centimeter. Bestem datatypen for resultatspektret som absorbans, og gem eksperimentfilen.Klik nu på fanen Optik. Klik på rullelisten for blændeindstilling, og vælg den samme værdi, der bruges til at anskaffe et eksempelspektrum. Klik derefter på fanen Grundlæggende.Klik på knappen En enkelt baggrundskanal, og placer prøven i spektrometerets optiske bane for at måle prøvespektret. Definer eksempelbeskrivelsen og eksempelformularen i det pågældende indtastningsfelt. Disse oplysninger gemmes sammen med spektret.Klik nu på knappen Eksempel på en enkelt kanal for at starte onlinemålingen. Gem NIR-spektret af hver scanning som en OPUS-fil. Brug softwaren OPUS til at læse det oprindelige spektrale sæt.Klik på kommandoen Indlæs fil i menuen Filer. Vælg den bestemte spektrumfil i den dialog, der åbnes. Klik på knappen Åbn.Spektret vises i spektret vinduet. Med den spektrale forbehandlingsfunktion i skal du opnå spektrale datasæt, der er forbearbejdet med første ordrederivatet. Åbn først Unscrambler, som er en multivariate dataanalyse og eksperimentel designsoftware.Vælg derefter kommandoen Importer under Filer. Importer OPUS-filen som et originalt NIR-spektraldatasæt. Vælg kommandoen Transformer under Rediger.Vælg derefter Savitzky-Golay-derivaterne under Derivater. Definer prøverne og variablerne som alle prøver og alle variabler i Område. Også definere antallet af udjævning punkter som 13 og derivat som første derivat i Parametre.Klik på OK for at starte afledte. Der udføres vektornalisering på prøvespektre for at normalisere absorbansværdien. Vælg normaliseringskommandoen under Rediger.Definer prøverne og variablerne som alle prøver og alle variabler i Område. Vælg vektornnalisering i typen. Klik på OK for at udføre vektornnalisering.Hvis du vil vælge det relevante antal hovedkomponenter, skal du åbne MATLAB og importere den MAT-fil, der indeholder de forarbejdede nærinrøde spektrale data, ved at trække MAT-filen til arbejdsområdet. Åbn den programmerede M-fil i editoren. Klik på Åbn under indstillingen Editor, vælg den kompilerede M-fil i mappen fillagring, og klik derefter på Bekræft.Arbejde i MATLAB at udtrække 15 hovedkomponenter i henhold til optimeringsmålet og OLSR-modellen mellem de udtrukne hovedkomponenter og de forudsagte værdier af O-cresolkoncentrationen. Bestem de R-kvadrerede værdier og tendensen med et stigende antal hovedkomponenter. Vælg 10 som det relevante antal hovedkomponenter med den R-kvadrerede værdi på 0,9917.Hvis du vil validere godheden af pasform og nøjagtighed af PLSR-modellen, skal du gentage modelleringsprocessen med 10 hovedkomponenter. Vurder modellen baseret på en 10-dobling af krydsvalidering ved hjælp af de områder af den procentvariation, der er forklaret i NIR-spektraldataene, resterne og den gennemsnitlige firkantede forudsigelsesfejl ved krydsvalidering eller MSPECV. Afbildet her er de resterende, som henviser til forskellen mellem O-cresol indhold referenceværdi og PLSR model skøn.De afbildede data viser, at PLSR til måling af O-cresol-indholdet baseret på NIR-spektraldata har høj nøjagtighed. Den tværvaliderings gennemsnitlige kvadratfejl er et mål for graden af forskellen mellem referencen og det forventede O-cresol-indhold. Jo mindre værdi, jo bedre nøjagtighed af den prædiktive model, der beskriver O-cresol indhold.Den gennemsnitlige firkantede forudsigelsesfejl ved krydsvalidering for O-cresol-koncentrationsmålingen baseret på PLSR falder, efterhånden som antallet af hovedkomponenter stiger. Fejlen når et acceptabelt minimum på 10 hovedkomponenter. Dette viser, at PLSR resulterer i høj stabilitet til måling af O-cresol koncentration ved hjælp af NIRS.Mens du forsøger denne procedure, er det vigtigste skridt at præcist at opnå referenceværdierne for kompositioner, fordi dette er grundlaget for al forbehandling og modellering udført i den senere fase. Ud over PLS, nogle nuværende populære machine learning algoritmer såsom deep learning og beslutning træ kan bruges i denne procedure, også. Kombineret med NIRS-detektionsteknologi mener vi, at den foreslåede datamining er en meningsfuld skabelon for anvendelse i processen med industriel automatisering til intelligent transformation i moderne industri.

Research

JoVE Journal

Engineering

Proton Transfer and Protein Conformation Dynamics in Photosensitive Proteins by Time-resolved Step-scan Fourier-transform Infrared Spectroscopy

Proton Transfer og proteinkonformation Dynamics i Lysfølsomme Proteiner af Time-løst Step-scan Fourier-transform infrarød spektroskopi

Monitoring the dynamics of protonation and protein backbone conformation changes during the function of a protein is an essential step towards ...

Characterizing Far-infrared Laser Emissions and the Measurement of Their Frequencies

Karakterisering Far-infrarøde Laser Emissioner og måling af deres frekvenser

The generation and subsequent measurement of far-infrared radiation has found numerous applications in high-resolution spectroscopy, radio astronomy, and ...

Experimental Methods for Investigation of Shape Memory Based Elastocaloric Cooling Processes and Model Validation

Eksperimentelle metoder til undersøgelse af Shape Memory Baseret Elastocaloric Køling Processer og Model Validation

Shape Memory Alloys (SMA) using elastocaloric cooling processes have the potential to be an environmentally friendly alternative to the conventional vapor ...

The Evolution of Silica Nanoparticle-polyester Coatings on Surfaces Exposed to Sunlight

Udviklingen af ​​Silica Nanopartikel-polyester Belægninger på overflader udsat for sollys

Corrosion of metallic surfaces is prevalent in the environment and is of great concern in many areas, including the military, transport, aviation, ...

Optical Trap Loading of Dielectric Microparticles In Air

Optisk Trap Loading af Dielektrisk mikropartikler i Air

We demonstrate a method to trap a selected dielectric microparticle in air using radiation pressure from a single-beam gradient optical trap. Randomly ...

Generation of Size-controlled Poly (ethylene Glycol) Diacrylate Droplets via Semi-3-Dimensional Flow Focusing Microfluidic Devices

Generation of Size-controlled Poly ethylene Glycol Diacrylate Droplets via Semi-3-Dimensional Flow Focusing Microfluidic Devices

Generation af størrelse-kontrollerede Poly (etylenglykol) Diacrylate dråber via Semi-3-dimensionelle Flow med fokus mikrofluid enheder

Uniform and size-controllable poly (ethylene glycol) diacrylate (PEGDA) droplets could be produced via the flow focusing process in a microfluidic device. ...

A Fabrication and Measurement Method for a Flexible Ferroelectric Element Based on Van Der Waals Heteroepitaxy

En fabrikation og målemetode for en fleksibel Ferroelectric Element baseret på Van Der Waals Heteroepitaxy

Flexible non-volatile memories have received much attention as they are applicable for portable smart electronic device in the future, relying on ...

Near-Infrared Temperature Measurement Technique for Water Surrounding an Induction-heated Small Magnetic Sphere

Nær-infrarød temperatur måling teknik til vand omkring en induktion-opvarmet små magnetiske kugle

A technique to measure the temperature of water and non-turbid aqueous media surrounding an induction-heated small magnetic sphere is presented. This ...

In Situ Surface Temperature Measurement in a Conveyor Belt Furnace via Inline Infrared Thermography

In Situ overfladetemperaturmåling i en transportbåndsovn via inline infrarød termografi

Measuring the surface temperature of objects that are processed in conveyor belt furnaces is an important tool in process control and quality assurance. ...

Study of Protein Dynamics via Neutron Spin Echo Spectroscopy

Study of Protein Dynamics via Neutron Spin Echo Spectroscopy

Undersøgelse af proteindynamik via neutronspinekkospektroskopi

Most human body proteins' activity and functionality are related to configurational changes of entire subdomains within the protein crystal structure. The ...