Bestimmung von Zersetzungskinetiken aus dynamischen Thermogrammen mittels eines Convolutional Neural Networks

dc.contributor.authorMensing, Dario
dc.contributor.mentorZogg, Andreas
dc.contributor.partnerF. Hoffmann - La Roche
dc.date.accessioned2023-09-29T05:32:54Z
dc.date.available2023-09-29T05:32:54Z
dc.date.issued2023
dc.description.abstractUm selbstreaktive Substanzen transportieren zu können muss eine sichere Transporttemperatur bestimmt werden. Als kritische Substanzen gelten Chemikalien mit einer Transporttemperatur unter 75 °C [1]. Die bestehenden Testmethoden (UN Test H.4) zur Ermittlung dieser Temperatur bringen lange Versuchszeiten mit sich und sind riskant da sie grosse Mengen an Testsubstanzen verwenden. Daher ist es wichtig, die Tests auf die kritischen Stoffe zu beschränken [2]. Ein entsprechender Workflow wurde von K. Wegmann während seiner Masterarbeit entwickelt. Die Schwierigkeit bei der Verarbeitung von DSC- und ARC-Daten liegt darin, dass die auftretenden Reaktionsmechanismen unbekannt sind. Entsprechend ist man bei Simulation auf ein einfache Reaktionsmodelle 0ter und nter Ordnung sowie modellfreie Kinetik beschränkt. [2]. In dieser Bachelorarbeit wurde daher eine Methode mittels eines Convolutional Neural Networks (CNN) entwickelt, um unterschiedliche Reaktionsmodelle von Zersetzungsreaktionen anhand von künstlich generierten DSC-Thermogrammen zu bestimmen. Bei einem CNN handelt es sich dabei um ein künstliches neurales Netzwerk, welches ursprünglich dazu entwickelt wurde komplexe Merkmale und Muster in Bildern zu erkennen [3].
dc.identifier.urihttps://irf.fhnw.ch/handle/11654/38168
dc.identifier.urihttps://doi.org/10.26041/fhnw-5512
dc.language.isode
dc.publisherHochschule für Life Sciences FHNW
dc.rights.urihttp://rightsstatements.org/vocab/InC/1.0/
dc.spatialMuttenz
dc.subjectProcess safety
dc.subjectConvolutional neural networks
dc.subjectThermal decomposition
dc.subjectSADT
dc.subject.ddc500 - Naturwissenschaften und Mathematik
dc.titleBestimmung von Zersetzungskinetiken aus dynamischen Thermogrammen mittels eines Convolutional Neural Networks
dc.type11 - Studentische Arbeit
dspace.entity.typePublication
fhnw.InventedHereYes
fhnw.StudentsWorkTypeBachelor
fhnw.affiliation.hochschuleHochschule für Life Sciencesde_CH
fhnw.affiliation.institutAusbildungde_CH
fhnw.studyProgramChemie- und Bioprozesstechnik
relation.isAuthorOfPublication649ad169-37bb-42ea-b6cf-236192123172
relation.isAuthorOfPublication.latestForDiscovery649ad169-37bb-42ea-b6cf-236192123172
relation.isMentorOfPublicationb6813ad1-0deb-434a-ac87-446c87a2a0b2
relation.isMentorOfPublication.latestForDiscoveryb6813ad1-0deb-434a-ac87-446c87a2a0b2
Dateien
Originalbündel
Gerade angezeigt 1 - 1 von 1
Lade...
Vorschaubild
Name:
Mensing - 2023 - Bestimmung von Zersetzungskinetiken aus dynamische.pdf
Größe:
762.63 KB
Format:
Adobe Portable Document Format
Beschreibung:
Lizenzbündel
Gerade angezeigt 1 - 1 von 1
Lade...
Vorschaubild
Name:
license.txt
Größe:
1.36 KB
Format:
Item-specific license agreed upon to submission
Beschreibung: