测定GPC-SEC 分析数据日内和日间精密度应用
作者
Heinz Goetz
摘要
由GPC-SEC 测得的M n和M w分子量的日内和日间精密度数据在过去的几年里明显提高。这篇应用报告描述了现在采用最先进的设备,在日内和日间精密度测定方面到达的可能程度。选择了典型的用有机洗脱剂的GPC 条件,获得实际数据。
前言
自从二十世纪六十年代后期GPC-SEC 问世以来,GPC-SEC得到的分子量数据的精密度一直被高分子化学家所关注。由于采用y-轴上分子量的对数与x-轴上的线性洗脱体积(保留时间)的特殊的校正方法,洗脱体积的偏差将会对分子量数据的精密度产生指数级的影响。因此,相比于其它的HPLC模式,对硬件的要求格外严格。装置
Agilent 1100 GPC-SEC 系统,包括以下模块:
?Agilent 1100 系列的真空脱气装置,以保证流动相脱气充分
?Agilent 1100 系列的大溶剂柜等度泵
?Agilent 1100 系列的具有单阀设计的自动进样器
?Agilent1100 系列的柱温箱,以保证柱温度的精度
?Agilent 1100 系列的配有自动循环阀的示差折光检测器
?安捷伦化学工作站及GPC-SEC 数据处理软件
结果与讨论
表1 显示了流量的波动对聚苯乙烯样品分子量测定的严重影响。系统的流量设定为1.0 mL/min。当分析样品的流量正好为该值时,分子量的测定值为35400。表1 表明了当流量的偏差为+0.60% 或+1.30% 时,分子量偏差为11%,甚至达23.6%。在校正样品和分析样品运行时的柱温稳定性也很重要。如果柱室的温度不能恒定,如温度改变4℃,将造成2.6% 的分子量测定偏差。硬件和软件参数对分子量测定精密度的影响在参考文献4 和5已有讨论。
如前所述,保留时间(洗脱体积)的日内和日间精密度良好是基本前提。为测定保留时间的精密度,在20天内,每天自动进样聚苯乙烯丙烯腈。图 1 为保留时间与运行次数的关系图。表2 为计算的保留时间,M n 和M w 的相对标准偏差。从第1 天,到第20 天,日内精密度良好,偏差为0.06 9%。日间精密度偏差,除第1 天,第2 天,第15 天外,在0.05% 以下,这三天的
偏差也在0.08% 以下。图2 给出了聚苯乙烯丙烯腈分析的偏差。这是第1, 5, 10 和20 天数据的覆盖图。显示了从第1 天至第20 天所有进样后的相对标准偏差。需要指出的是这些好的数据几乎考虑了从第 1 天到第20 天的所有分析数据。只有约10 个数据被剔除了。例如,这些是由小瓶安装不正确所导致的偏离点
。
20.075 1.430.7830.0200.920.7240.0320.820.8350.030 1.180.9760.0380.950.7870.037 1.13 1.0880.0300.580.8190.0430.910.66100.0250.730.32110.022 1.430.43120.0210.810.35130.0160.890.59140.0290.88 1.19150.065 1.08 1.27160.0020.680.70170.0450.990.85180.0380.940.78190.0410.950.8020
0.009
0.70
0.71
Average %RSD per day
0.035
0.96
0.78
表1. 流量的波动对M
测定值的影响
1.013 +1.30 43400+23.61.006+0.60 39300+11.01.000 35400
-0.992-0.80 31100 -12.20.985 -1.50
27700
-21.80
表2. 计算的保留时间,M n 和M w 的相对标准偏差
图1. 20 天内,聚苯乙烯丙烯腈共聚物保留时间在日内和日间精密度
%RSD < 0.1%
图2. 所有聚苯乙烯丙烯腈样品第1,5,10,20 天分析数据的覆盖图。20 天分析数据的缩放图在右下角
?柱温箱温度控制的精密度优于0.5℃
?分析之后的自动洗脱循环,可得到好的系统条件?低噪音的(±2.5 x 10-9RIU)*和低漂移(200 x 10-9
RIU/h)* 的示差折光检测器,可得到正确的可重复的基线和积分窗口设定参数
?易用的,可重复性积分的和具有运算法则的软件,适用于较宽的高聚物峰
图2 所有聚苯乙烯丙烯腈样品第1,5,10,20 天分析数据的覆盖图。20 天分析数据的缩放图在右下角。
结论
由GPC-SEC 测得的M n and M w 分子量的日内和日间精密度近年来明显提高。采用Agilent 1100系列的GPC-SEC 系统,日内和日间的M n 和M w 精密度数据,在20 天内计算的偏差小于1.5%。用四氢呋喃作为洗脱剂,可完全自动分析宽分子量分布的高聚物。这些结果主要基于:
?HPLC 泵在一天内和天与天之间的稳定性优于0.1 %(基于高聚物的保留时间)
安捷伦科技公司对本材料可能存在的错误或与装置、性能及材料使用有关内容而带来的意外伤害和问题不负任何责任。本资料中的信息,如有改变,恕不另行通知。安捷伦科技公司版权所有?, 20002000 年11 月中国印刷出版号:5988-0109CHCN
参考文献
1.S. Pokorny in "Steric Exclusion Liquid
Chromatography of Polymers", Editor J. Janca,Chromatographic Science Series ,Vol. 25, M .Dekker, Inc., New York and Basel, 19842.T. Nakajima, J. Appl. Polym. Sci ,15, 3089, 19713.G. Samay, L. Fuzes, J. Polym. Sci.,Polym. Symp .,68, 185, 19804.R. Bruessau, Macromol. Symp.110, 15-32, 19965.H. Goetz, H. Schulenberg-Schell, Int. Journal of Poly mer Analy sis and Characterization (accepted for publication) "Investigation on Intra-and interday Precision of Molecular Weight Data Determined by GPC", 2001
Heinz Goetz is an application chemist based at Agilent
Technologies, Waldbronn, Germany.
*根据ASTM E-1303-95 “用于液相色谱示差折光检测器的实例”
。参考条件:响应时间4s ,35℃, 1 ml/min 水,限流毛细管
?全自动分析功能减少了人为误差。良好的精密度数据由于减少了耗时的再校正,不但提高了结果的重复性,也提高了效率
https://www.wendangku.net/doc/1a3636455.html,/chem/cn
大数据处理常用技术简介 storm,Hbase,hive,sqoop, spark,flume,zookeeper如下 ?Apache Hadoop:是Apache开源组织的一个分布式计算开源框架,提供了一个分布式文件系统子项目(HDFS)和支持MapReduce分布式计算的软件架构。 ?Apache Hive:是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,通过类SQL语句快速实现简单的MapReduce 统计,不必开发专门的MapReduce应用,十分适合数据仓库的统计分析。 ?Apache Pig:是一个基于Hadoop的大规模数据分析工具,它提供的SQL-LIKE语言叫Pig Latin,该语言的编译器会把类SQL的数据分析请求转换为一系列经过优化处理的MapReduce运算。 ?Apache HBase:是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统,利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群。 ?Apache Sqoop:是一个用来将Hadoop和关系型数据库中的数据相互转移的工具,可以将一个关系型数据库(MySQL ,Oracle ,Postgres等)中的数据导进到Hadoop的HDFS中,也可以将HDFS的数据导进到关系型数据库中。 ?Apache Zookeeper:是一个为分布式应用所设计的分布的、开源的协调服务,它主要是用来解决分布式应用中经常遇到的一些数据管理问题,简化分布式应用协调及其管理的难度,提供高性能的分布式服务?Apache Mahout:是基于Hadoop的机器学习和数据挖掘的一个分布式框架。Mahout用MapReduce实现了部分数据挖掘算法,解决了并行挖掘的问题。 ?Apache Cassandra:是一套开源分布式NoSQL数据库系统。它最初由Facebook开发,用于储存简单格式数据,集Google BigTable的数据模型与Amazon Dynamo的完全分布式的架构于一身 ?Apache Avro:是一个数据序列化系统,设计用于支持数据密集型,大批量数据交换的应用。Avro是新的数据序列化格式与传输工具,将逐步取代Hadoop原有的IPC机制 ?Apache Ambari:是一种基于Web的工具,支持Hadoop集群的供应、管理和监控。 ?Apache Chukwa:是一个开源的用于监控大型分布式系统的数据收集系统,它可以将各种各样类型的数据收集成适合Hadoop 处理的文件保存在HDFS 中供Hadoop 进行各种MapReduce 操作。 ?Apache Hama:是一个基于HDFS的BSP(Bulk Synchronous Parallel)并行计算框架, Hama可用于包括图、矩阵和网络算法在内的大规模、大数据计算。
质量信息管理和数据分析 1方针\方针的引用 对于信息应准确采集\保持畅通\及时反馈\重点突出;对于数据应真实准确\统计分析\有效输出、以利改进。 2目的和范围 对信息进行测量和、或收集、贮存、传递、维护、处置和利有,为数据分析提供有价值的信息,以促进体系、过程和产品/服务的持续改进。适用于公司内、外部信息的收集、存取、传递、维护及其外置。 对数据进行收集、分析和利用,以促进体系、过程和产品/服务的持续改进。适用于公司内、外部数据的收集、分析和利用。 3职责 3.1企业管理部信息中心归口进行信息管理和数据分析的管理。 3.2质量管理部门负责有关质量管理体系的信息管理和与质量体系有关的数据收集和分析的管理。 3.3销售部门负责顾客满意度的信息管理以及在顾客满意度方面的数据的收集和分析的管理。 3.4生产部门负责制造过程的信息管理及有关数据的收集和分析的管理。 3.5检验部门负责产品质量的信息管理和产品的数据的收集和分析的管理。 3.6设计部门、工艺部门、计量部门、人事部门和财务部门等其他部门负责与其开展的质量活动相关的信息的管理以及有关的数据收集和分析的管理。 4措施和方法 4.1信息管理 4.1.1信息源 1)信息作为资源的一种,是控制质量和以事实为依据进行决策的基础资源。
它包括量化信息(如数据)和非量化信息。典型的信息源为:过程、产品 各/或服务的知识和/或经验,来自供方和顾客的信息。 2)信息源类型,信息源主要包括内部信息资源和对组织有用的外部信息资源。 3)内部信息源:来自组织内部的信息,例如:体系、产品特性、过程能力、设备能力、人员状况、资金、效益、利润、收入、质量成本、市场份额等。 4)外部信息源,来自组织外部的信息,即来自外部相关方的信息。外部相关方主要为:顾客和最终用户,所有者和/或股东、供方和合作者、社会等。4.1.2信息及管理需求 (1)信息内容和分级 各部门确定需要哪些信息,并需向(和/或要求)其他部门提供哪些信息。信息内容主要有: 1)使用的技术性能指标。 2)失效模式和影响分析报告。 3)关键件和重要件清单。 4)产品定型时的质量分析报告。 5)型式(例行)试验报告。 6)严重异常、一般异常质量问题分析、处理及效果。 7)设计评审、工艺评审结果及鉴定情况。 8)可靠性工作。 9)包装、贮存、搬运及维修对产品质量的影响。 10)关键件、重要件和关键工序的质量控制情况。 11)进货、过程、最终检验记录。 12)工装检验各检测仪表的校准报告。