Positive and Nondestructive Identification of Acrylic-Based Coatings

Význam tématu

Akrylátové nátěry patří mezi nejrozšířenější povrchové úpravy díky vysoké odolnosti a nízkým emisím VOC. Správná volba a ověření složení nátěru je pro zajištění požadovaných vlastností kritická. Mobilní, nedestruktivní analýza usnadňuje průběžnou kontrolu v reálném čase mimo laboratoř.

Cíle a přehled studie

Tento příspěvek popisuje použití ručního FTIR Agilent 4300 a metody částečných nejmenších čtverců s diskriminační analýzou (PLS-DA) k identifikaci 14 průmyslových akrylátových nátěrů s podobným složením. Cílem bylo porovnat klasickou knihovní metodu s pokročilou multivariační analýzou a vyvinout robustní proceduru pro přesné rozlišení blízce příbuzných formulací.

Použitá metodika a instrumentace

Spektrální data byla získána pomocí ručního FTIR Agilent 4300 vybaveného difuzní a ATR reflektanční sondou. Každý nátěr byl nanesen na testovací Q-panely a ze 10 náhodných míst se sbíralo 128 akumulovaných interferogramů s rozlišením 8 cm–1 v oblasti 5200–650 cm–1. Pro vývoj PLS-DA modelů byla spektra předzpracována středním středěním, multiplikativní korekcí odrazu a devítibodovou Savitzky–Golay derivací.

Použitá instrumentace

• FTIR spektronometr Agilent 4300 Handheld FTIR
• Difuzní reflektanční rozhraní
• ATR (attenuated total reflectance) rozhraní
• Software Agilent MicroLab PC s modulem Component Reporting

Hlavní výsledky a diskuse

Knihovní vyhledávání poskytlo obecné přiřazení vzorků, avšak u nátěrů s velmi podobným složením chyběla dostatečná selektivita. Pět PLS-DA kalibračních modelů umožnilo sekvenční oddělení 14 nátěrů s koeficienty determinace R2 v rozsahu 0,984–0,999 a 3–6 latentními proměnnými. Metoda Component Reporting automaticky vybírala vhodný model na základě logických podmínek a Mahalanobisovy vzdálenosti, čímž byla zajištěna jednoznačná identifikace všech vzorků.

Přínosy a praktické využití metody

• Zdokonalené rozlišení příbuzných akrylátových formulací
• Rychlá a nedestruktivní kontrola v terénu bez nutnosti odběru vzorků
• Automatizace analýzy díky integrovaným multivariačním algoritmům

Budoucí trendy a možnosti využití

Perspektivou je rozšíření metod na širší škálu povlaků a materiálů, integrace strojového učení pro adaptivní modelování, on-line monitoring procesů nanášení nátěrů a real-time vyhodnocení kvality v průmyslové výrobě.

Závěr

Implementace PLS-DA s ručním FTIR Agilent 4300 pro identifikaci akrylátových nátěrů poskytuje výrazně vyšší jistotu správného přiřazení vzorků než konvenční knihovní přístupy. Díky mobilitě, nedestruktivnímu režimu a integrovaným multivariačním nástrojům je metoda vhodná pro QA/QC i polní inspekce.

Reference

Agilent Technologies Application Note 5991-5965EN