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

Dit werk werd gesteund door de National Natural Science Foundation van China (Grant NOS. 61722306 en 61473137) en nationaal eersteklas discipline programma van lichte industrie technologie en engineering (LITE2018-025).

1. NIR spectrum data-acquisitie met Fourier Transform (FT)-NIR proces spectrometer
<ol><li>Installeer de vloeibare fase optische vezel sonde van de near-infrarood spectrometer aan de uitlaat van het polyfenylsulfaat ether product. En open de Opus -software op de bovenste computer die is aangesloten op het instrument en begin met het configureren van de meting.</li>
	<li>Aansluiten op spectrometer
	<ol>
<li>Selecteer in het menu meting de opdracht Optic Setup en...

<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>

Dit protocol beschrijft het proces van het uitvoeren van de plsr op de meting van de o-Cresol-concentratie die overblijft in het vloeibare product van polyfenyleensulfon ether met NIRS.
De twee kritieke stappen in dit proces zijn de voor verwerking van de oorspronkelijke NIR spectrale gegevens en de variabelen selectie van de High-dimensionale NIR spectrale gegevens.
Over het algemeen leidt de niet-systematische achtergrond storing tot de niet-systematische verstroo...

Near Infrared (NIR) spectroscopie (NIRS) heeft brede acceptatie gekregen als een snelle, efficiënte, niet-destructieve en niet-vervuilende moderne analytische technologie; de methode is de afgelopen jaren gebruikt voor de detectie en analyse van productkwaliteit en de meting van chemische componenten in industriële processen. De meest essentiële specialiteit van de methode is de mogelijkheid om spectra op te nemen voor vaste en vloeibare monsters zonder voor verwerking, waardoor NIRS vooral geschikt zijn voor de directe en snelle opsporing en analyse van natuurlijke en synthetische producten1,2. In tegenstelling tot traditionele sensoren die procesvariabelen (bijv. temperatuur, druk, vloeistofpeil enz.) op een macroscopische schaal meten en onvermijdelijk de externe ruis en achtergrond interferentie ondervinden, detecteert NIRS de structurele informatie van de chemische samenstelling op microscopische en moleculaire schalen. Zo kan essentiële informatie nauwkeuriger en effectiever worden gemeten dan met andere methoden3,4.
Polyphenyl ether, als een van de technische kunststoffen, worden veel gebruikt als gevolg van de hittebestendigheid, vlamvertragend, isolatie, elektrische eigenschappen, dimensionele stabiliteit, slagvastheid, kruip weerstand, mechanische sterkte en andere eigenschappen5. Wat nog belangrijker is, het is niet-toxisch en onschadelijk in vergelijking met andere technische kunststoffen. Op dit moment, 2, 6-xylenol is een van de fundamentele grondstoffen voor de synthese van polyfenyleensulfon ether, en het wordt meestal bereid door gekatalyseerde alkylatie van fenol met methanol methode6. Er zijn twee belangrijke producten van deze bereidingswijze, o-cresol en 2, 6-xylenol. Na een reeks van scheiding en extractie stappen, 2, 6 xylenol wordt gebruikt voor de productie van polyfenyleensulfon ether. Echter, sporen van o-Cresol blijven in 2, 6-xylenol. O-Cresol neemt niet deel aan de synthese van polyfenyleensulfon ether en blijft in het polyfenyleensulfon ether product, resulterend in een afname van de productkwaliteit of zelfs de onderstandaard. Op dit moment analyseren de meeste bedrijven nog steeds de samenstellingen van complexe organische mengsels zoals vloeibare fase-polyfenylsulfaat-ether producten die onzuiverheden bevatten (bijv. o-Cresol) door middel van fysische of chemische scheidings analyse, zoals chromatografie7,8. Het scheidings principe van chromatografie is het gebruik van het mengsel van composities in de vaste fase en de stromings fase in de ontbinding, analyse, adsorptie, desorptie of andere affiniteit van de kleine verschillen in de prestatie. Wanneer de twee fasen ten opzichte van elkaar worden verplaatst, worden de composities herhaaldelijk in de twee fasen gescheiden door de bovenstaande acties. Afhankelijk van het object duurt het meestal enkele tientallen minuten om een complexe materiaal scheidings operatie te voltooien. Men kan zien dat de meet efficiëntie laag is.
Tegenwoordig is het meten van de productkwaliteit en de geavanceerde besturingstechnologie op basis van deze analyse voor de moderne materialen industrie voor fijn proces de belangrijkste richting om de productkwaliteit verder te verbeteren. In de procesindustrie van polyfenylsulfaat ether productie, real-time meting van o-Cresol inhoud in polyfenyleensulfon ether product is van grote ontwikkeling belang. Chromatografische analyse kan duidelijk niet voldoen aan de eisen van geavanceerde besturingstechnologie voor real-time meting van stoffen en signaal feedback. Daarom stellen we de gedeeltelijke kleinste kwadraten regressie (plsr) methode voor het vaststellen van een lineair model tussen de gegevens van de NIRS en de o-Cresol-concentratie, die de online meting van o-Cresol-inhoud in het vloeibare polyfenyleensulfon ether product van Outlet realiseren .
De voor verwerking voor NIRS speelt de belangrijkste rol voorafgaand aan multivariate statistische modellering. NIRS Golf in het NIR-spectrum en de deeltjesgroottes van biologische monsters zijn vergelijkbaar, dus het staat bekend om onverwachte Scatter effecten die invloed hebben op de opgenomen sample spectra. Door het uitvoeren van geschikte pre-processing methoden, deze effecten zijn gemakkelijk te worden geëlimineerd grotendeels9. De meest gebruikte voorbewerkings technieken in NIRS zijn gecategoriseerd als Scatter correctie en spectrale afgeleide methoden. De eerste groep methoden omvat multiplicatieve Scatter correctie, detrending, standaard normale variabele transformaties, en normalisering. De spectrale afleiding methoden omvatten het gebruik van de eerste en tweede derivaten.
Voorafgaand aan de ontwikkeling van een kwantitatief regressiemodel is het belangrijk om de niet-systematische Scatter variaties uit de gegevens van de NIRS te verwijderen, omdat ze een aanzienlijke invloed hebben op de nauwkeurigheid van het voorspellende model, de complexiteit en parsimony. De selectie van een geschikte voorbewerkings methode moet altijd afhangen van de daaropvolgende stap voor modellering. Hier, als de NIR spectrale dataset de Lambert-Beer Law niet volgt, dan hebben andere factoren de neiging om het niet-ideale gedrag van de voorspelling voor voorspelde componenten te compenseren. Het nadeel van het bestaan van dergelijke onnodige factoren leidt tot de toename van de model complexiteit, zelfs hoogstwaarschijnlijk, een vermindering van de robuustheid. De toepassing van spectrale derivaten en een conventionele normalisering op de spectrale gegevens is dus een essentieel onderdeel van de methode.
Na spectrale voor verwerking worden de NIRS-gegevens met een hoge signaal-ruis verhouding en een lage achtergrond storing verkregen. Moderne NIRS-analyse biedt de snelle verwerving van grote hoeveelheden absorptie over een geschikt spectrale bereik. De chemische samenstelling van het monster wordt vervolgens voorspeld door de relevante variabelen te extraheren met behulp van de informatie in de spectrale curve. In het algemeen worden NIRS gecombineerd met multivariate analysetechnieken voor kwalitatieve of kwantitatieve analyses10. Een multivariate lineaire regressie (MLR) analyse wordt vaak gebruikt voor het ontwikkelen en Mining van de wiskundige relatie tussen de gegevens en de componenten in industriële processen en is op grote schaal gebruikt in de NIRS-analyse.
Er zijn echter twee fundamentele problemen bij de implementatie van een MLR voor voorverwerkte NIRS-gegevens. Een probleem is de variabele redundantie. De hoge dimensionaliteit van de NIRS-gegevens maakt vaak de voorspelling van een afhankelijke variabele onbetrouwbaar, omdat er variabelen worden opgenomen die geen correlatie hebben met de componenten. Deze redundante variabelen verminderen de informatie-efficiëntie van de spectrale gegevens en beïnvloeden de nauwkeurigheid van het model. Om de variabele redundantie te elimineren, is het essentieel om de correlatie tussen de NIRS-gegevens en de voorspelde componenten te ontwikkelen en te maximaliseren.
Een ander probleem is het probleem van de multicollineariteit in de gegevens van de NIRS. Een van de belangrijke veronderstellingen van meerdere lineaire regressiemodellen is dat er geen lineaire relatie is tussen een van de verklarende variabelen van het regressiemodel. Als deze lineaire relatie bestaat, wordt bewezen dat er multicollineariteit in het model van de lineaire regressie is en de veronderstelling wordt geschonden. In meerdere lineaire regressie, zoals een gewone kleinste kwadraten regressie (OLSR), meerdere correlaties tussen de variabelen van invloed op de schatting van de parameter, de model fout verhogen en invloed hebben op de stabiliteit van het model. Om de multilineaire correlatie tussen de NIR-spectrale gegevens te elimineren, gebruiken we variabele selectiemethodes die de inherente variabiliteit van de samples maximaliseren.
Hier stellen we voor om de plsr te gebruiken, wat een generalisatie is van meerdere lineaire regressie die op grote schaal is gebruikt op het gebied van NIRS11,12. De PLSR integreert de basisfuncties van de MLR, canonieke correlatieanalyse (CCA) en Principal component Analysis (PCA) en combineert de prognose analyse met een niet-model data connotatie analyse. De PLSR kan worden onderverdeeld in twee delen. Het eerste deel selecteert de componenten van de karakteristieke variabelen en de voorspelde componenten door gedeeltelijke kleinste kwadraten analyse (PLS). PLS maximaliseert de inherente variabiliteit van de belangrijkste componenten door de covariantie van de belangrijkste componenten en voorspelde componenten zo groot mogelijk te maken bij het uitpakken van de belangrijkste componenten. Vervolgens wordt het OLSR-model van o-Cresol-concentratie vastgesteld voor de geselecteerde hoofdcomponenten. PLSR is geschikt voor de analyse van lawaaierige gegevens met talrijke onafhankelijke variabelen die sterk collineair en sterk gecorreleerd zijn en voor het simultaan modelleren van verschillende responsvariabelen. Plsr extraheert ook de effectieve informatie van het monster spectra, overkomt het probleem van multicollineariteit, en heeft de voordelen van sterke stabiliteit en hoge voorspelling nauwkeurigheid13,14.
Het volgende protocol beschrijft het proces van het gebruik van het PLSR-model voor het meten van de o-Cresol-concentratie met behulp van NIR spectrale gegevens. De betrouwbaarheid en nauwkeurigheid van het model worden kwantitatief geëvalueerd met behulp van de bepalings<img alt="Equation 1" src="/files/ftp_upload/59077/59077eq1.jpg">coëfficiënt (), de voorspelling<img alt="Equation 2" src="/files/ftp_upload/59077/59077eq2.jpg">correlatiecoëfficiënt () en de gemiddelde vierkante voorspelling fout van kruisvalidatie (mspecv). Om intuïtief de voordelen van de PLSR te laten zien, worden de evaluatie-indicatoren bovendien op verschillende percelen gevisualiseerd voor een kwalitatieve analyse. Ten slotte worden de evaluatie-indicatoren van een experiment gepresenteerd in tabelformaat om de betrouwbaarheid en nauwkeurigheid van het PLSR-model kwantitatief te illustreren.

<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

In tegenstelling tot macroscopische procesvariabelen biedt Near-Infrared spectroscopie procesinformatie op moleculair niveau en kan de voorspelling van de componenten in industriële processen aanzienlijk verbeteren. De mogelijkheid om spectra op te nemen voor vaste en vloeibare monsters zonder voor behandeling is voordelig en de methode wordt op grote schaal gebruikt. De nadelen van het analyseren van High-dimensionale Near-Infrared spectrale gegevens omvatten echter informatie redundantie en multicollineariteit van de spectrale gegevens. Daarom stellen we voor om gedeeltelijke kleinste kwadraten regressiemethode te gebruiken, die traditioneel is gebruikt om de gegevendimensionaliteit te verkleinen en de collineariteit tussen de oorspronkelijke functies te elimineren. We implementeren de methode voor het voorspellen van de o-Cresol-concentratie tijdens de productie van polyfenyleensulfon ether. De voorgestelde aanpak biedt de volgende voordelen ten opzichte van component regressie Voorspellings methoden: 1) gedeeltelijke kleinste kwadraten regressie lost het multicollineariteits probleem van de onafhankelijke variabelen op en vermijdt effectief overfitting, wat optreedt in een regressieanalyse door de hoge correlatie tussen de onafhankelijke variabelen; 2) het gebruik van de Near-Infrared Spectra resulteert in een hoge nauwkeurigheid, omdat het een niet-destructieve en niet-vervuilende methode is om informatie te verkrijgen op microscopische en moleculaire schalen.

De voorspelde waarde van o-Cresol onzuiverheid in polyfenylsulfaat ether producten wordt verkregen door plsr-gebaseerde near-infraroodspectroscopie. Figuur 2 en Figuur 3 tonen respectievelijk de betrouwbaarheid van de methode in de fase van de functie selectie van de curve van de beslissings coëfficiënt en het percentage voor fout interpretatie dat toeneemt met het aantal hoofdcomponenten.
Hou...

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

Het protocol beschrijft een methode voor het voorspellen van de concentratie van o-Cresol tijdens de productie van polyfenyleensulfon ether met behulp van near-infraroodspectroscopie en gedeeltelijke kleinste kwadraten regressie. Om het proces duidelijker en volledig te beschrijven, wordt een voorbeeld van het voorspellen van de o-Cresol-concentratie tijdens de productie van polyfenyleensulfon gebruikt om de stappen te verduidelijken.

O-Cresol concentratie online meting op basis van near infrared spectroscopie via gedeeltelijke minste vierkante regressie

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

De betekenis van dit experimentele manuscript ligt in de toepassingen van nabij-infrarood spectroscopie en de data mining algoritmen voor de online monitoring van de werkelijke procesindustrie. De grootste voordelen van deze technologie liggen in de snelheid. De niet-destructieve eigenschap van de nabij-infrarood detectietechnologie en de praktijk van gedeeltelijke minst vierkanten, of PLS, algoritme.Sluit om te beginnen de spectrometer zoals beschreven in het tekstprotocol. Gebruik de OPUS-software om meetparameters in te stellen. Navigeer naar het menu Meten en selecteer de opdracht Geavanceerde meting.Definieer in het dialoogvenster dat wordt geopend de metingsparameters op de verschillende tabbladen. Als u het experimentbestand wilt opslaan, klikt u op het tabblad Geavanceerd. Definieer de resolutie als vier omgekeerde centimeters.Definieer het aantal scans als 16 scans in de velden voor het scannen van de tijd van het voorbeeld. Definieer het pad om de meetgegevens automatisch op te slaan van 4.000 omgekeerde centimeters tot 12,500 omgekeerde centimeters. Bepaal het gegevenstype voor het resultaatspectrum als absorptie en sla het experimentbestand op.Klik nu op het tabblad Optic. Klik op de vervolgkeuzelijst voor diafragma-instelling en selecteer dezelfde waarde die wordt gebruikt om een voorbeeldspectrum te verkrijgen. Klik vervolgens op het tabblad Basis.Klik op de knop Achtergrond eenmalig kanaal en plaats het voorbeeld in het optische pad van de spectrometer om het voorbeeldspectrum te meten. Definieer de voorbeeldbeschrijving en het monsterformulier in het specifieke invoerveld. Deze informatie wordt samen met het spectrum opgeslagen.Klik nu op de knop Voorbeeld van enkel kanaal om de online meting te starten. Sla het NIR-spectrum van elke scan op als EEN OPUS-bestand. Gebruik de software OPUS om de originele spectrale set te lezen.Klik in het menu Bestand op de opdracht Bestand laden. Selecteer in het dialoogvenster dat wordt geopend het specifieke spectrumbestand. Klik op de knop Openen.Het spectrum wordt weergegeven in het spectrumvenster. Met de spectrale pre-processing functie in, verkrijgen spectrale data set voorbewerkt met de eerste orde afgeleide. Open eerst de Unscrambler, een multivariate data-analyse en experimentele ontwerpsoftware.Selecteer vervolgens de opdracht Importeren onder Bestand. Importeer het OPUS-bestand als een originele NIR-spectrale gegevensset. Selecteer de opdracht Transformeren onder Wijzigen.Selecteer vervolgens de Savitzky-Golay derivaten onder Derivaten. Definieer de monsters en variabelen als alle monsters en alle variabelen in Scope. Definieer ook het aantal gladstrijkende punten als 13 en het derivaat als eerste derivaat in Parameters.Klik op OK om het derivaat te starten. Voer vectornormalisatie uit op de samplespectra om de waarde van de absorptie te normaliseren. Selecteer de normalisatieopdracht onder Wijzigen.Definieer de monsters en variabelen als alle monsters en alle variabelen in Scope. Selecteer vectornormalisatie in het type. Klik op OK om vectornormalisatie uit te voeren.Als u het juiste aantal hoofdonderdelen wilt selecteren, opent u MATLAB en importeert u het MAT-bestand met de vooraf verwerkte nabij-infraroodspectrale gegevens door het MAT-bestand naar de werkruimte te slepen. Open het geprogrammeerde M-bestand in de editor. Klik op Openen onder de optie Editor, selecteer het gecompileerde M-bestand in de map bestandsopslag en klik vervolgens op Bevestigen.Werk in MATLAB om 15 hoofdcomponenten te extraheren volgens de optimalisatiedoelstelling en het OLSR-model tussen de geëxtraheerde hoofdcomponenten en de voorspelde waarden van de O-cresolconcentratie. Bepaal de R-kwadraatwaarden en de trend met een toenemend aantal hoofdcomponenten. Selecteer 10 als het juiste aantal hoofdcomponenten met een R-kwadraatwaarde van 0,9917.Herhaal het modelleringsproces met 10 hoofdcomponenten om de fitheid en nauwkeurigheid van het PLSR-model te valideren. Evalueer het model op basis van een 10-voudige kruisvalidatie met behulp van de percelen van de procentuele variantie die wordt uitgelegd in de NIR-spectrale gegevens, de resten en de gemiddelde vierkante voorspellingsfout van kruisvalidatie of MSPECV. Hier uitgezet zijn de resten, die verwijzen naar het verschil tussen de Referentiewaarde van het O-cresolgehalte en de schatting van het PLSR-model.De uitgeperste gegevens tonen aan dat PLSR voor de meting van het O-cresol-gehalte op basis van de NIR spectrale gegevens een hoge nauwkeurigheid heeft. De fout voor kruisvalidatie is een maat voor de mate van verschil tussen de referentie en het voorspelde O-cresol-gehalte. Hoe kleiner de waarde, hoe beter de nauwkeurigheid van het voorspellende model dat O-cresol-inhoud beschrijft.Gemiddelde vierkante voorspellingsfout van kruisvalidatie voor de O-cresol concentratiemeting op basis van de PLSR neemt af naarmate het aantal hoofdcomponenten toeneemt. De fout bereikt een aanvaardbaar minimum bij 10 hoofdcomponenten. Dit bewijst dat de PLSR resulteert in een hoge stabiliteit voor de meting van O-cresol concentratie met behulp van NIRS.Tijdens het proberen van deze procedure, de belangrijkste stap is om nauwkeurig te verkrijgen van de referentiewaarden van composities, want dit is de basis voor alle voorbewerking en de modellering uitgevoerd in de latere fase. Naast PLS kunnen ook enkele huidige populaire machine learning-algoritmen zoals deep learning en decision tree in deze procedure worden gebruikt. In combinatie met NIRS-detectietechnologie geloven we dat de voorgestelde datamining een zinvol sjabloon is voor toepassing in het proces van industriële automatisering naar intelligente transformatie in de moderne industrie.

Research

JoVE Journal

Engineering

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

Proton Transfer en eiwitconformatie Dynamiek in lichtgevoelige eiwitten door Tijdsgeresolveerde Step-scan Fourier-Transform Infrared Spectroscopy

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

Karakteriseren van Ver-infrarood laser emissies en het meten van hun frequenties

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

Experimentele methoden voor Onderzoek van Shape geheugen gebaseerd Elastocaloric Cooling Processen en 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

De evolutie van Silica nanodeeltjes-polyester Coatings op oppervlakken blootgesteld aan zonlicht

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

Optische val Laden van diëlektrische micropartikels in 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

Generatie van grootte bestuurde Poly (ethyleen Glycol) Diacrylate druppels via Semi-3-dimensionale Flow gericht Microfluidic apparaten

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

Een fabricage- en meetmethode voor een flexibele ferroelektrische Element op basis van 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

Nabij-infrarood temperatuur meting techniek voor het Water rondom een inductie-verwarmd kleine magnetische bol

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 Oppervlaktetemperatuurmeting in een transportbandoven via inline infrarood thermografie

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

Studie van eiwitdynamica via neutronenspinechospectroscopie

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