https://www.cphi.cn 2018-09-19 10:45 来源：CPhI制药在线 作者：丁晓炯
很多行业中所用的原料、辅料和助剂的品质检验和生产过程控制，都会需要黏度测量，黏度指标代表了树脂聚合物的分子量、结构、含量浓度大小等信息。一个好的产品，首先应该是保证不同批次产品在主要指标上的稳定性，只有保证了品质的稳定，才能不断的优化和提高产品的性能。
黏度指标作为很多物料的QC指标已广泛使用，但作为过程控制的测量，尤其是实时、在线测量，有人用过、有人听说过、有人想尝试、有人想再等等看，真正用好和满意的并不多，有说：在线数据波动大、不平稳；在线数据很平稳，变化不大；在线数据和想象的趋势不一样；在线数据和实验室数据对不上；反正是在线黏度计不好用。
究其原因，有仪器选型的问题；也有对黏度、流变认识不够的原因。测量的物料绝大多数都是非牛顿流体，黏度在不同的条件下是会变化的，所以认为装了在线黏度计之后，直接看到的黏度值就应该和实验室黏度值是一样的，那是不可能的。但是，借助于后续的大数据分析和处理，通过黏度补偿和实验室方法转换，就可以得到所需要的黏度值。收集一定数量的在线温度、在线黏度和实验室黏度值，经过数据分析得到相应的黏温系数和实验室转换系数，在DCS上组态生成指定温度下的在线黏度和实验室转换黏度，再经过验证和计算修正，就可以得到平均相对误差在5%以内的转换结果。这一过程需要一定的流变学和统计分析基础。
经过数据的积累，可以得到每个系列产品的计算参数，形成参数库，并逐渐积累过程原始数据，优化生产工艺参数，形成自己独有的know how。大数据时代的在线黏度测量和控制研究，需要遵循有以下基本原则：要全体不要抽样；要效率和混杂而不要绝对精确；要相关不要因果。逐步开始人工智能，不要迷信配方、而要注重过程数据积累、优化控制和产品最终的稳定性。
作者：丁晓炯，笙威工程技术服务（上海）有限公司技术总监
版权所有，未经允许，不得转载。
投稿合作联系方式： Kelly.Xiao@imsinoexpo.com 021-33392297
地址：上海市徐汇区虹桥路355号城开国际大厦7-8楼 200030
