Entwicklung einer Methode zur Bestimmung von Polyolefinen in Multilayer‐Folien mittels NIR Handheld Spektrometer unter Berücksichtigung verschiedener Hintergründe

Research output: ThesisMaster's Thesis

Bibtex - Download

@mastersthesis{18c3bfc83fa345b296cc7dcb0f1ae9f0,
title = "Entwicklung einer Methode zur Bestimmung von Polyolefinen in Multilayer‐Folien mittels NIR Handheld Spektrometer unter Ber{\"u}cksichtigung verschiedener Hintergr{\"u}nde",
abstract = "Die zunehmende Verwendung von Kunststoffen in verschiedenen Anwendungen und die wachsende Nachfrage nach umweltfreundlichen und effizienten Recyclingmethoden haben zu einem erh{\"o}hten Interesse an der Identifikation und Trennung von Kunststoffarten gef{\"u}hrt. Insbesondere Mehrschichtkunststoffe stellen aufgrund ihrer komplexen Zusammensetzung eine besondere Herausforderung f{\"u}r das Recycling dar. In diesem Zusammenhang gewinnen moderne Analysemethoden, wie die Nahinfrarotspektroskopie (NIR), an Bedeutung, da sie eine schnelle und pr{\"a}zise Identifikation von Kunststoffen erm{\"o}glichen. Diese Arbeit besch{\"a}ftigt sich mit der Anwendung von Nahinfrarotspektroskopie und statistischen Analysemethoden zur Identifikation und Klassifizierung von Mehrschichtkunststoffen mittels dem tragbaren NIR-Handheld MicroPHAZIR von Thermo Fisher Scientific. Dabei wurde die Eignung von NIR in Kombination mit der Hauptkomponentenanalyse (PCA) und unterschiedlichen Klassifikationsalgorithmen untersucht. Das Ziel war, die Auswirkungen von verschiedenen Hintergr{\"u}nden (Aluminium, Fliese, Gold, Kupfer, PVC, Silber und Teflon), Foliendicken und Transparenz auf die Identifikationsleistung zu analysieren. Die Ergebnisse zeigen, dass sowohl Aluminium als auch PVC als Hintergrund in Verbindung mit dem KNN-Klassifikationsalgorithmus eine fehlerfreie Identifikationsrate von 100% erzielen konnten.",
keywords = "Multilayer plastics, NIR, Near Infrared Spectroscopy, PCA, Principal Component Analysis, Identification, Handheld, MicroPHAZIR, Film thickness, Transparency, LDA, QDA, KNN, Discriminant Analysis, k-Nearest Neighbor, Backgrounds, Mehrschichtkunststoffe, NIR, Nahinfrarotspektroskopie, PCA, Hauptkomponentenanalyse, Identifikation, Handheld, MicroPHAZIR, Foliendicke, Transparenz, LDA, QDA, KNN, Diskriminanzanalyse, k-Nearest-Neighbor, Hintergr{\"u}nde",
author = "Patrick Arth",
note = "gesperrt bis 21-06-2028",
year = "2023",
language = "Deutsch",
school = "Montanuniversit{\"a}t Leoben (000)",

}

RIS (suitable for import to EndNote) - Download

TY - THES

T1 - Entwicklung einer Methode zur Bestimmung von Polyolefinen in Multilayer‐Folien mittels NIR Handheld Spektrometer unter Berücksichtigung verschiedener Hintergründe

AU - Arth, Patrick

N1 - gesperrt bis 21-06-2028

PY - 2023

Y1 - 2023

N2 - Die zunehmende Verwendung von Kunststoffen in verschiedenen Anwendungen und die wachsende Nachfrage nach umweltfreundlichen und effizienten Recyclingmethoden haben zu einem erhöhten Interesse an der Identifikation und Trennung von Kunststoffarten geführt. Insbesondere Mehrschichtkunststoffe stellen aufgrund ihrer komplexen Zusammensetzung eine besondere Herausforderung für das Recycling dar. In diesem Zusammenhang gewinnen moderne Analysemethoden, wie die Nahinfrarotspektroskopie (NIR), an Bedeutung, da sie eine schnelle und präzise Identifikation von Kunststoffen ermöglichen. Diese Arbeit beschäftigt sich mit der Anwendung von Nahinfrarotspektroskopie und statistischen Analysemethoden zur Identifikation und Klassifizierung von Mehrschichtkunststoffen mittels dem tragbaren NIR-Handheld MicroPHAZIR von Thermo Fisher Scientific. Dabei wurde die Eignung von NIR in Kombination mit der Hauptkomponentenanalyse (PCA) und unterschiedlichen Klassifikationsalgorithmen untersucht. Das Ziel war, die Auswirkungen von verschiedenen Hintergründen (Aluminium, Fliese, Gold, Kupfer, PVC, Silber und Teflon), Foliendicken und Transparenz auf die Identifikationsleistung zu analysieren. Die Ergebnisse zeigen, dass sowohl Aluminium als auch PVC als Hintergrund in Verbindung mit dem KNN-Klassifikationsalgorithmus eine fehlerfreie Identifikationsrate von 100% erzielen konnten.

AB - Die zunehmende Verwendung von Kunststoffen in verschiedenen Anwendungen und die wachsende Nachfrage nach umweltfreundlichen und effizienten Recyclingmethoden haben zu einem erhöhten Interesse an der Identifikation und Trennung von Kunststoffarten geführt. Insbesondere Mehrschichtkunststoffe stellen aufgrund ihrer komplexen Zusammensetzung eine besondere Herausforderung für das Recycling dar. In diesem Zusammenhang gewinnen moderne Analysemethoden, wie die Nahinfrarotspektroskopie (NIR), an Bedeutung, da sie eine schnelle und präzise Identifikation von Kunststoffen ermöglichen. Diese Arbeit beschäftigt sich mit der Anwendung von Nahinfrarotspektroskopie und statistischen Analysemethoden zur Identifikation und Klassifizierung von Mehrschichtkunststoffen mittels dem tragbaren NIR-Handheld MicroPHAZIR von Thermo Fisher Scientific. Dabei wurde die Eignung von NIR in Kombination mit der Hauptkomponentenanalyse (PCA) und unterschiedlichen Klassifikationsalgorithmen untersucht. Das Ziel war, die Auswirkungen von verschiedenen Hintergründen (Aluminium, Fliese, Gold, Kupfer, PVC, Silber und Teflon), Foliendicken und Transparenz auf die Identifikationsleistung zu analysieren. Die Ergebnisse zeigen, dass sowohl Aluminium als auch PVC als Hintergrund in Verbindung mit dem KNN-Klassifikationsalgorithmus eine fehlerfreie Identifikationsrate von 100% erzielen konnten.

KW - Multilayer plastics

KW - NIR

KW - Near Infrared Spectroscopy

KW - PCA

KW - Principal Component Analysis

KW - Identification

KW - Handheld

KW - MicroPHAZIR

KW - Film thickness

KW - Transparency

KW - LDA

KW - QDA

KW - KNN

KW - Discriminant Analysis

KW - k-Nearest Neighbor

KW - Backgrounds

KW - Mehrschichtkunststoffe

KW - NIR

KW - Nahinfrarotspektroskopie

KW - PCA

KW - Hauptkomponentenanalyse

KW - Identifikation

KW - Handheld

KW - MicroPHAZIR

KW - Foliendicke

KW - Transparenz

KW - LDA

KW - QDA

KW - KNN

KW - Diskriminanzanalyse

KW - k-Nearest-Neighbor

KW - Hintergründe

M3 - Masterarbeit

ER -