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

이 작품은 중국 국립 자연 과학 재단 (그랜트 번호 61722306 및 61473137)과 빛 산업 기술 및 공학의 국가 일류 징계 프로그램 (LITE2018-025)에 의해 지원되었다.

1. 푸리에 변환 (FT)-NIR 공정 분광계를 가진 NIR 스펙트럼 데이터 수집
<ol><li>폴리페닐 에테르 제품의 출구에 근적외선 분광기의 액체 상 광섬유 프로브를 설치합니다. 그리고 기기에 연결된 상부 컴퓨터에서 OPUS 소프트웨어를 열고 측정을 구성하기 시작합니다.</li>
	<li>분광계에 연결
	<ol>
<li>측정 메뉴에서 광학 설정 및 서비스 명령을 선택하거나 ...

<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>

이 프로토콜은 NIRS를 가진 폴리페닐렌 에테르의 액체 생성물에 남아 있는 o-크레졸 농도의 측정에 대한 PLSR을 수행하는 과정을 기술한다.
이 프로세스의 두 가지 중요한 단계는 원래 NIR 스펙트럼 데이터의 전처리와 고차원 NIR 스펙트럼 데이터의 변수 선택입니다.
일반적으로, 비체계적인 배경 간섭은 NIR 스펙트럼의 비체계적인 산란 편차 또는 기준선 드리...

근적외선(NIR) 분광법(NIRS)은 빠르고 효율적이며 비파괴적이며 오염되지 않는 현대 분석 기술로 널리 인정받고 있습니다. 이 방법은 지난 몇 년 동안 산업 공정에서 제품 품질 검출 및 분석 및 화학 부품 측정에 사용되어 왔습니다. 이 방법의 가장 중요한 전문 분야는 전처리없이 고체 및 액체 샘플에 대한 스펙트럼을 기록 할 수있는 능력으로 NIRS는 천연 및 합성 제품의 직접적이고 신속한 검출 및 분석에 특히적합합니다 1,2. 거시적 스케일에서 공정 변수(예: 온도, 압력, 액체 레벨 등)를 측정하고 외부 소음 및 배경 간섭을 필연적으로 겪는 기존 센서와 달리 NIRS는 현미경 및 분자 스케일에서 화학 조성의 구조적 정보를 감지합니다. 따라서, 필수 정보는 다른 방법3,4보다더 정확하고 효과적으로 측정될 수 있다.
폴리 페닐 에테르, 엔지니어링 플라스틱 중 하나로서, 널리 때문에 내열성, 난연성, 절연, 전기 적 특성, 치수 안정성, 내충격성, 크리프 저항, 기계적 강도 및 기타 특성5로사용된다. 더 중요한 것은, 그것은 다른 엔지니어링 플라스틱에 비해 무독성무하다. 현재, 2,6-자일레놀은 폴리페닐렌 에테르의 합성을 위한 기본 원료 중 하나이며, 일반적으로 메탄올법6을이용한 페놀의 촉매 알킬화에 의해 제조된다. 이 준비 방법의 두 가지 주요 제품이 있습니다, o-cresol 과 2,6-자일레놀. 일련의 분리 및 추출 단계 후, 2,6 자일레놀은 폴리페닐렌 에테르를 생산하는 데 사용됩니다. 그러나, O-cresol의 미량은 2,6-xylenol에 남아 있습니다. O-크레솔은 폴리페닐렌 에테르의 합성에 참여하지 않으며 폴리페닐렌 에테르 제품에 남아 있어 제품 품질 또는 표준 이하의 감소를 초래합니다. 현재, 대부분의 기업들은 여전히 크로마토그래피7,8과같은 물리적 또는 화학적 분리 분석에 의해 불순물(예를 들어, o-cresol)을 함유하는 액체 상 폴리페닐 에테르 생성물과 같은 복합 유기 혼합물의 조성물을 분석하고 있다. 크로마토그래피의 분리 원리는 용해, 분석, 흡착, 탈착 또는 성능의 사소한 차이의 다른 친화성에서 고정 상 및 유동 상에서 조성물의 혼합물을 사용하는 것이다. 두 단계가 서로 를 기준으로 이동하면, 조성물은 두 단계에서 반복적으로 위의 동작에 의해 분리된다. 개체에 따라 복잡한 재료 분리 작업을 완료하는 데 보통 몇 분에서 수십 분정도 걸립니다. 측정 효율이 낮다는 것을 확인할 수 있습니다.
요즘에는 현대 미세 공정 화학 물질 산업에 대한 이러한 분석을 기반으로 한 제품 품질 및 첨단 제어 기술의 측정이 제품 품질을 더욱 향상시키는 핵심 방향입니다. 폴리페닐 에테르 생산 공정 산업에서 폴리페닐렌 에테르 제품의 o-cresol 함량의 실시간 측정은 개발의 중요성이 크다. 크로마토그래피 분석은 물질 및 신호 피드백을 실시간으로 측정하기 위한 고급 제어 기술의 요구 사항을 명확하게 충족할 수 없습니다. 따라서 NIRS 데이터와 o-cresol 농도 사이의 선형 모델을 확립하는 부분 최소 제곱 회귀(PLSR) 방법을 제안하여, 출구의 액체 폴리페닐렌 에테르 생성물에서 o-cresol 함량의 온라인 측정을 실현합니다. .
NIRS의 전처리는 다변량 통계 모델링 이전에 가장 중요한 역할을 합니다. NIR 스펙트럼의 NIRS 파번호와 생물학적 시료의 입자 크기는 비교할 수 있으므로 기록된 샘플 스펙트럼에 영향을 미치는 예기치 않은 산란 효과로 알려져 있습니다. 적절한 전처리 방법을 수행함으로써, 이러한 효과는 크게 제거하기 쉽다9. NIRS에서 가장 일반적으로 사용되는 전처리 기술은 산란 보정 및 스펙트럼 유도법으로 분류됩니다. 메서드의 첫 번째 그룹에는 곱셈 분산 보정, 추세 저하, 표준 법선 변이 변환 및 정규화가 포함됩니다. 스펙트럼 파생 방법은 제 1 및 제 2 유도체의 사용을 포함한다.
정량회 모델을 개발하기 전에 예측 모델의 정확도, 복잡성 및 동시성에 큰 영향을 미치기 때문에 NIRS 데이터에서 비체계적인 분산 변동을 제거하는 것이 중요합니다. 적합한 전처리 방법의 선택은 항상 후속 모델링 단계에 따라 달라집니다. 여기서 NIR 스펙트럼 데이터 집합이 램버트-맥주 법칙을 따르지 않는 경우 다른 요인은 예측된 구성 요소에 대한 예측의 이상적이지 않은 동작을 보상하는 경향이 있습니다. 이러한 불필요한 요인의 존재의 단점은 모델 복잡성의 증가로 이어질, 심지어 가장 가능성이, 견고성의 감소. 따라서, 스펙트럼 유도체의 적용 및 종래의 정규화 스펙트럼 데이터에 대한 방법은 필수적인 부분이다.
스펙트럼 전처리 후 신호 대 잡음 비가 높고 배경 간섭이 낮은 NIRS 데이터를 얻을 수 있습니다. 최신 NIRS 분석은 적절한 스펙트럼 범위에 걸쳐 많은 양의 흡광도를 신속하게 수집합니다. 샘플의 화학적 조성은 스펙트럼 곡선에 포함된 정보를 사용하여 관련 변수를 추출하여 예측됩니다. 일반적으로 NIRS는 정성적 또는 정량적 분석을 위한 다변량 분석 기법과결합되어 10. 다변량 선형 회귀(MLR) 분석은 일반적으로 산업 공정의 데이터와 구성 요소 간의 수학적 관계를 개발하고 마이닝하는 데 사용되며 NIRS 분석에 널리 사용되어 왔습니다.
그러나 사전 처리된 NIRS 데이터에 대한 MLR을 구현할 때 두 가지 근본적인 문제가 있습니다. 한 가지 문제는 변수 중복성입니다. NIRS 데이터의 높은 차원은 구성 요소와 상관 관계가 없는 변수가 포함되어 있기 때문에 종속 변수의 예측을 신뢰할 수 없게 만드는 경우가 많습니다. 이러한 중복 변수는 스펙트럼 데이터의 정보 효율성을 줄이고 모델의 정확도에 영향을 미칩니다. 변수 중복성을 제거하려면 NIRS 데이터와 예측된 구성 요소 간의 상관 관계를 개발하고 최대화하는 것이 필수적입니다.
또 다른 문제는 NIRS 데이터의 다중 선형성 문제입니다. 다중 선형 회귀 모델의 중요한 가정 중 하나는 회귀 모델의 설명 변수 간에 선형 관계가 없다는 것입니다. 이 선형 관계가 존재하는 경우 선형 회귀 모델에 다중 선선형이 있고 가정이 위반된다는 것이 입증됩니다. 일반 최소 제곱 회귀(OLSR)와 같은 여러 선형 회귀에서 변수 간의 여러 상관 관계는 매개 변수 추정에 영향을 미치고 모델 오류를 증가시키고 모델의 안정성에 영향을 미칩니다. NIR 스펙트럼 데이터 간의 다선형 상관 관계를 제거하기 위해 샘플의 고유 가변성을 최대화하는 가변 선택 방법을 사용합니다.
여기서, 우리는 NIRS11,12의분야에서 널리 사용되고 있는 다중 선형 회귀의 일반화인 PLSR을 사용하는 것을 제안한다. PLSR은 MLR, 표준 상관 분석(CCA) 및 주성분 분석(PCA)의 기본 기능을 통합하고 예측 분석을 비모델 데이터 의미 분석과 결합합니다. PLSR은 두 부분으로 나눌 수 있습니다. 첫 번째 부품은 특성 변수의 구성 요소와 PLS(부분 최소 제곱 분석)에 의해 예측된 구성요소를 선택합니다. PLS는 주 성분을 추출할 때 주 성분과 예측 된 구성 요소의 공변을 가능한 한 크게 만들어 주 성분의 고유 변동성을 최대화합니다. 다음으로, 선택된 주성분에 대해 o-크레솔 농도의 OLSR 모델이 확립된다. PLSR은 강력한 호선형 및 높은 상관 관계가 있는 수많은 독립 변수가 있는 시끄러운 데이터의 분석과 여러 응답 변수의 동시 모델링에 적합합니다. 또한, PLSR은 시료 스펙트럼의 효과적인 정보를 추출하고, 다중선성의 문제점을 극복하고, 강한 안정성과 높은 예측 정확도의 장점을 갖는다13,14.
다음 프로토콜은 NIR 스펙트럼 데이터를 사용하여 o-cresol 농도를 측정하기 위한 PLSR 모델을 사용하는 과정을 설명합니다. 모델의 신뢰성 및 정확도는 측정 계수(),<img alt="Equation 1" src="/files/ftp_upload/59077/59077eq1.jpg">예측 상관계(mSPECV)<img alt="Equation 2" src="/files/ftp_upload/59077/59077eq2.jpg">및 평균 제곱 예측 오차를 사용하여 정량적으로 평가된다. 또한 PLSR의 장점을 직관적으로 보여주기 위해 평가 지표는 정성적 분석을 위해 여러 플롯으로 시각화됩니다. 마지막으로, PLSR 모델의 신뢰성과 정밀도를 정량적으로 설명하기 위해 실험의 평가 지표가 테이블 형식으로 제시된다.

<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

거시적 공정 변수와 달리 근적외선 분광법은 분자 수준에서 공정 정보를 제공하며 산업 공정에서 구성 요소의 예측을 크게 향상시킬 수 있습니다. 전처리 없이 고체 및 액체 시료에 대한 스펙트럼을 기록하는 기능이 유리하며 이 방법이 널리 사용됩니다. 그러나 고차원 근적외선 스펙트럼 데이터를 분석할 때의 단점은 스펙트럼 데이터의 정보 중복성 및 다중선성을 포함한다. 따라서, 우리는 전통적으로 데이터 차원을 줄이고 원래 의 기능 사이의 공선성을 제거하는 데 사용되어 왔다 부분 최소 제곱 회귀 방법을 사용하는 것이 제안한다. 폴리페닐렌 에테르의 제조 동안 o-크레졸 농도를 예측하는 방법을 구현한다. 제안된 접근 방식은 구성 요소 회귀 예측 방법에 비해 다음과 같은 이점을 제공합니다: 1) 부분 최소 제곱 회귀는 독립 변수의 다중 선형성 문제를 해결하고 효과적으로 과적합을 방지합니다. 독립 변수 간의 높은 상관 관계로 인한 회귀 분석; 2) 근적외선 스펙트럼의 사용은 현미경 및 분자 스케일에서 정보를 얻는 비파괴 및 비오염 방법이기 때문에 높은 정확도를 초래한다.

폴리페닐 에테르 제품의 o-cresol 불순물의 예측 값은 PLSR 기반 근적외선 분광법에 의해 얻어진다. 도 2와 도 3은 각각 결정 계수의 곡선으로부터 피쳐 선택 단계에서 방법의 신뢰성을 나타내고 주성분의 수에 따라 오차 해석 비율이 증가한다.
특히, 주 성분의 선택에서, 모델의 복잡성을 최소화하기 위해...

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

이 프로토콜은 근적외선 분광법 및 부분 최소 제곱 회귀를 사용하여 폴리페닐렌 에테르를 제조하는 동안 o-cresol 농도를 예측하는 방법을 설명합니다. 공정을 보다 명확하고 완전하게 설명하기 위해, 폴리페닐렌의 제조 동안 o-크레졸 농도를 예측하는 예가 단계를 명확히 하는 데 사용된다.

부분 최소 정사각형 회귀를 통한 근적외선 분광법에 기반한 O-cresol 농도 온라인 측정

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

이 실험 원고의 중요성은 근적외선 분광법의 응용 프로그램과 실제 공정 산업의 온라인 모니터링에 대한 데이터 마이닝 알고리즘에 있습니다. 이 기술의 가장 큰 장점은 그 급속성에 있다. 근적외선 검출 기술의 비파괴적 특성과 부분 최소 제곱 또는 PLS 알고리즘의 연습.먼저 텍스트 프로토콜에 설명된 분광계를 연결합니다. 측정 매개 변수를 설정하려면 OPUS 소프트웨어를 사용합니다. 측정 메뉴로 이동하여 고급 측정 명령을 선택합니다.열리는 대화 상자에서 다른 탭의 측정 매개 변수를 정의합니다. 실험 파일을 저장하려면 고급 탭을 클릭합니다. 해상도를 4개의 역센티미터로 정의합니다.샘플 백스캔 시간 입력 필드에서 16개의 스캔으로 검사 수를 정의합니다. 측정 데이터를 4, 000 역 센티미터에서 12, 500 역 센티미터로 자동으로 저장하는 경로를 정의합니다. 결과 스펙트럼에 대한 데이터 형식을 흡광도로 결정하고 실험 파일을 저장합니다.이제 광학 탭을 클릭합니다. 조리개 설정 드롭다운 목록을 클릭하고 샘플 스펙트럼을 획득하는 데 사용되는 동일한 값을 선택합니다. 그런 다음 기본 탭을 클릭합니다.배경 단일 채널 버튼을 클릭하고 샘플을 분광계의 광학 경로에 배치하여 샘플 스펙트럼을 측정합니다. 특정 항목 필드에서 샘플 설명 및 샘플 양식을 정의합니다. 이 정보는 스펙트럼과 함께 저장됩니다.이제 샘플 단일 채널 버튼을 클릭하여 온라인 측정을 시작합니다. 각 스캔의 NIR 스펙트럼을 OPUS 파일로 저장합니다. 소프트웨어 OPUS를 사용하여 원래 스펙트럼 집합을 읽습니다.파일 메뉴에서 로드 파일 명령을 클릭합니다. 열리는 대화 상자에서 특정 스펙트럼 파일을 선택합니다. 열기 버튼을 클릭합니다.스펙트럼이 스펙트럼 창에 표시됩니다. 스펙트럼 사전 처리 기능을 통해 1차 유도체로 미리 처리된 스펙트럼 데이터 세트를 가져옵니다. 먼저 다변량 데이터 분석 및 실험 설계 소프트웨어인 Unscrambler를 엽니다.그런 다음 파일 에서 가져오기 명령을 선택합니다. OPUS 파일을 원래 NIR 스펙트럼 데이터 집합으로 가져옵니다. 수정에서 변환 명령을 선택합니다.그런 다음 파생 상품에서 사비츠키 골레이 파생 상품을 선택합니다. 샘플 및 변수를 모든 샘플 및 범위의 모든 변수로 정의합니다. 또한 스무딩 포인트 수를 13으로 정의하고 파생은 매개 변수의 첫 번째 유도체로 정의합니다.확인을 클릭하여 파생 상품을 시작합니다. 샘플 스펙트럼에서 벡터 정규화를 수행하여 흡광도값을 정규화합니다. 수정에서 정규화 명령을 선택합니다.샘플 및 변수를 모든 샘플 및 범위의 모든 변수로 정의합니다. 형식에서 벡터 정규화를 선택합니다. 확인을 클릭하여 벡터 정규화를 수행합니다.적절한 수의 주구성을 선택하려면 MATLAB을 열고 MAT 파일을 작업 공간으로 드래그하여 미리 처리된 근적외선 스펙트럼 데이터를 포함하는 MAT 파일을 가져옵니다. 편집기에서 프로그래밍된 M 파일을 엽니다. 편집기 옵션에서 열기를 클릭하고 파일 저장소 디렉터리에서 컴파일된 M 파일을 선택한 다음 확인을 클릭합니다.MATLAB에서 작업하여 추출된 주 성분과 O-cresol 농도의 예측값 사이의 최적화 목표와 OLSR 모델에 따라 15개의 주요 구성 요소를 추출합니다. R 제곱값과 주구성 구성요소 수가 증가함에 따라 추세를 결정합니다. R 제곱 값0.9917의 적절한 수로 10을 선택합니다.PLSR 모델의 적합성과 정확성을 검증하려면 10개의 주 구성 요소로 모델링 프로세스를 반복합니다. NIR 스펙트럼 데이터, 잔류 및 교차 유효성 검사 또는 MSPECV의 평균 정사각형 예측 오차에 설명된 백분율 분산의 플롯을 사용하여 10배 의 교차 유효성 검사를 기반으로 모델을 평가합니다. 여기에 플롯된 잔류물은 O-cresol 함량 기준 값과 PLSR 모델 추정치의 차이를 가리킵니다.플롯된 데이터는 NIR 스펙트럼 데이터를 기반으로 하는 O-크레솔 함량의 측정을 위한 PLSR이 높은 정확도를 가지고 있음을 보여줍니다. 교차 유효성 검사 평균 제곱 오차는 참조와 예측된 O-cresol 함량 간의 차이 정도를 측정합니다. 값이 작을수록 O-cresol 콘텐츠를 설명하는 예측 모델의 정확도가 향상됩니다.PLSR에 기초한 O-cresol 농도 측정에 대한 교차 유효성 검사의 평균 제곱 예측 오차는 주요 성분의 수가 증가함에 따라 감소합니다. 이 오류는 10개의 주 구성 요소에서 허용 가능한 최소 값에 도달합니다. 이는 PLSR이 NIRS를 이용한 O-크레솔 농도측정을 위한 높은 안정성을 초래한다는 것을 증명한다.이 절차를 시도하는 동안, 가장 중요한 단계는 이것이 이후 단계에서 수행된 모든 전처리 및 모델링의 기초이기 때문에 컴포지션의 기준 값을 정확하게 얻는 것입니다. PLS 외에도 딥 러닝 및 의사 결정 트리와 같은 현재 인기 있는 기계 학습 알고리즘도 이 절차에 사용할 수 있습니다. NIRS 탐지 기술과 결합하여 제안된 데이터 마이닝은 산업 자동화 프로세스에서 현대 산업의 지능형 혁신에 대한 응용 프로그램의 의미 있는 템플릿이라고 생각합니다.

Research

JoVE Journal

Engineering

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

에 의해 감광성​​ 단백질의 양성자 이동과 단백질 입체 구조 역학 시간 분해 적외선 분광학에게 푸리에 변환 단계 - 스캔

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

연구

공학

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

원적외선 레이저 방출 및 그들의 주파수의 측정을 특성화

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

형상 기억의 조사를 기반으로 Elastocaloric 냉각 프로세스 및 모델 검증을위한 실험 방법

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

햇빛에 노출 된 표면에 실리카 나노 입자 - 폴리 에스테르 코팅의 진화

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

공기에서 유전체 미세 입자의 광학 트랩로드

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

크기 제어 폴 리 (에틸렌 글리콜) 빛 방울 장치를 통해 세미 3 차원 흐름 초점 미세의 세대

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

제조 및 반 데르 발스 Heteroepitaxy에 따라 유연한 Ferroelectric 요소에 대 한 측정 방법

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

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

인라인 적외선 테르모그래피를 통한 컨베이어 벨트 용광로의 시투 표면 온도 측정

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

중성자 스핀 에코 분광법을 통한 단백질 역학 연구

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