模型维护

操作理论

模型的维护和定制一个起动模型来满足您的业务需求

理论的操作

一个完整的在线过程监控系统包括一个分析器,示例接口,和光纤电缆。仪器为每个应用程序还需要校准。我们通常提供一个启动器或工厂校准。考虑到流程流组合的变化,强烈建议执行模型更新定制为每个安装工厂校准。

作为一个例子,我们开发了偏最小二乘回归使用燃料标准为各种应用程序生成起动模型(校准)在汽油和柴油精制。当一起购买导波™NIR-O™过程分析仪分光计,这些模型提供了一个起点分析仪操作。

模型开发最佳实践将包括以下几点:

注意收集物理样品在一个港口(位置)接近一次光学探针和对应的时间谱是收集和保存。遵循所有推荐的抽样程序保持样本的完整性。
样品存储长时间不建议如果有样品随时间降低的可能性。储存期间发生化学变化会导致频谱的变化,以及变化的性质和质量参数测量的主要方法。
进行仔细的数据对适用性评价模型使用。这包括样本光谱噪声,吸光度模式和参考价值(实验室)的数据。
比较新的数据,现有的模型数据,验证新数据是相同的样品一般人群的一部分。
评价模型结果证明没有过度学习的数据。一般来说,这些步骤需要一些时间和实践成为精通。一般的统计和数学知识是有益的。知识产品的化学特性可能是有用的。ASTM提供了两个指导实践,以帮助开发和验证近红外(NIR)多元校正模型使用技术,如那些在辨音器。这些都是:ASTM E1655 -红外多元定量分析ASTM标准实践D6122——实践验证标准的多元过程红外分光光度计。

模型更新包括自由购买

当起动模型是购买过程的见解,包括条款开云app官方网站入口网址三个模型更新我们要执行的。访问这个免费的好处,只是发送一个电子邮件与光谱收集NIR-O分析仪和相应的实验室对我们的数据进行分析。一旦完成我们将电子邮件回你一个更新的模型。

需要多少样品更新起动模型?

我们建议至少20个样品跨进程的正常操作范围。例如,如果您的炼油厂混合汽油,然后有一个辛烷值的范围可以从87 - 93,那么20或跨范围的样品需要样品。如果所有20样品91 - 92辛烷,不能真正的优化模型。我们建议至少40个样品包括最后一个在线(生产准备)近红外光谱校准。

如果我有光结束我的产品,有什么特殊要求吗?

获取样本里德蒸汽压力(RVPs)近红外光谱模型需要特别注意。如果低分子量化合物,如丁烷(C4)或烷基化物可以煮掉样品分析之前会有一个偏见在实验室的结果。也就是说,实验室将基于样本值具有不同组成比近红外光谱分析仪测量。在模型维护这种不匹配会导致一个问题。如果偏差很大,收集到的数据不能用于优化模型。一些用户将使用特殊的密封的容器,确保光结束不蒸发之前实验室分析完成。

ASTM说多元模型维护什么?

ASTM D6122-10标准实践的总结研究结果进行验证的多元网络的性能,AtLine,和实验室基于红外光谱仪的分析系统:

1。包含所有化学成分样品提供的例子,预计将出现在样品使用模型来进行分析,从而确保分析涉及到模型的插值。

2。包含样品的化学成分的浓度的变化范围超过预期偏差范围的样本,使用该模型进行分析,从而确保分析涉及到模型的插值。

3所示。包含样品的化学成分的浓度均匀分布在他们的总偏差范围。

4所示。包含足够数量的样本统计定义光谱变量之间的关系和组件浓度或属性建模。

样本的数量需要调整一个多元模型取决于被分析样品的复杂性。如果要分析的样品只包含几个组件,不同浓度,然后会有少量的光谱变量,和一个相对较小的校正集足以定义变量和浓度之间的关系或属性。如果更多的组件不同样本进行分析,然后更多的校准模型发展所需样品。当人为计划校准样品的人口,考虑盒子形状而不是一个正常的分布钟形分布。使用过程中样品可以使它成为一个挑战平(箱)分布,但这在数据收集应该牢记。