Cómo calcular la conversión de datos medidos incompletos

Datos medidos incompletos

Conversión (o Grado de Conversión) es la propiedad actual de la reacción, que muestra qué parte del reactivo ya se ha convertido en producto. Su valor es 0 antes del inicio de la reacción y 1 al final de la reacción, cuando el reactivo se ha convertido completamente en producto. El valor también puede medirse en porcentajes del 0% al 100%.

El cálculo de la conversión utiliza la relación entre el efecto parcial medido de la reacción en un momento dado y el efecto total de la reacción.

La conversión puede calcularse fácilmente para las mediciones en las que la reacción ha finalizado por completo en el punto final de la medición:

Sin embargo, a veces no se puede medir la parte final de la reacción, y el punto final de la medición no corresponde al valor de conversión al 100%. Por ejemplo, para la reacción de curado con control de difusión la reacción va muy lenta después de la vitrificación y casi no puede ser registrada por DSC.

Si los datos no se miden completamente, entonces no se mide el efecto total, y esto podría ser el problema para el cálculo de la conversión.

Pero en algunos casos, el efecto total puede estimarse a veces mediante otras mediciones o métodos y este valor puede utilizarse para calcular el valor de conversión.

Ejemplo de medición TG incompleta, donde la pérdida de masa total Δmtotal se encuentra por otros métodos:

Fijar efecto total para datos incompletos

Este cálculo de conversión para datos incompletos es posible en Kinetics Neo desde la versión 3.0

En el siguiente ejemplo se utiliza el proyecto de ejemplo TG_burn_Data_Incomplete.kinx2. Aquí la masa residual en el último punto medido es diferente para todas las mediciones, donde todas las mediciones son incompletas.

La pérdida de masa total para una reacción completa es de aproximadamente 9,5% y la utilizaremos para calcular la conversión de todas las curvas medidas.

Seleccione en Datos de Origen la primera medición, luego active la posibilidad de editar el efecto total y escriba el valor -9.5 para Masa,%

Haga lo mismo para todas las demás curvas medidas: haga clic en cada archivo de datos de origen en el árbol Datos de origen y establezca el valor del efecto total (Masa, %) manualmente.

A continuación, seleccione Datos de origen y cambie a Conversión en la barra de la cinta. Ahora la conversión se calcula utilizando el valor introducido manualmente 9,5% para la pérdida de masa total.

Análisis sin modelos para datos medidos incompletos

Para los datos incompletos, el análisis sin modelo proporciona resultados correctos sólo para los puntos con datos medidos. Por ejemplo, para los datos siguientes la curva medida más corta es para 10K/min. Tiene el último punto medido con Grado de conversiónEl grado de conversión α en cinética química es el parámetro adimensional dependiente del tiempo de un proceso cinético como la reacción química o la cristalización, que muestra qué parte del mismo ya ha finalizado.grado de conversión 0,46. El análisis sin modelo según Vyazovkin basado en estas curvas, proporciona la energía de activación y el factor preexponencial sólo para la conversión hasta 0,46, donde se miden las 6 curvas. Los resultados para valores de conversión superiores a 0,46 podrían ser incorrectos.

Sin embargo, el método numérico de Kinetics Neo calcula la energía de activación para una conversión inferior a 0,46 utilizando 6 curvas, luego sólo para 5 curvas, etc. Para una conversión = 0,92, el cálculo pasa por dos curvas (0,1 y 0,3K/min). Para los valores de conversión superiores, sólo existe una curva 0,1K/min, que no es suficiente para el análisis sin modelo. Finalmente, para el método numérico podemos analizar datos para aquellos valores de conversión, donde más de una curva medida está presente (aquí hasta 0.92):

Análisis basado en modelos para datos incompletos

El análisis basado en modelos puede utilizarse para los datos incompletos si se conoce el efecto total.

La siguiente imagen presenta el ajuste del modelo de dos pasos para la conversión de TG.

AI Overview
An error occurred. Please try again.