高速度ツインスクリュー押出機を用いたエラストマーとのポリフェニレンスルファイドのブレンドプロセスの機械学習支援最適化

概要 ランダムフォレスト回帰法を用いて、ポリフェニレンスルファイド（PPS）とポリ（エチレン-グリシジルメタクリレート-メチルアクリレート）（E-GMA-MA）エラストマーのメルトブレンディングプロセスを最適化し、チャーピー衝撃強度を向上させました。異なるGMAおよびMA含量を持つ4つのエラストマーを使用して、エラストマー含量を最大20 wt%、押出機のスクリュー回転速度を最大5000 rpm、バレル温度を300 °Cに固定することでトレーニングデータセットを構築しました。制御されたパラメータに加えて、以下の測定されたパラメータが回帰の記述子に組み込まれました：モーター torque、ポリマー圧力、および赤外線温度計によって4つの位置（T1からT4）で監視されたポリマー温度、さらに製品のメルト粘度とエラストマー粒子直径です。事前知識なしの回帰により、最初の攪拌ブロック後のポリマー温度T1がエラストマー含量に次いで重要なパラメータであることが示されました。高い衝撃強度には高いエラストマー含量と320 °C未満のT1が必要でした。ポリマー温度T1はバレル温度よりもはるかに高く、シア熱によりスクリュー速度と共に増加しました。過熱は熱分解を引き起こし、高スクリュー速度でメルト粘度が減少し、粒子直径が増加しました。したがって、T1を約310 °Cに保つためにバレル温度を下げました。これにより、トレーニングデータセットの最大58.6 kJ m −2からエラストマー含量20および30 wt%で65.3および69.0 kJ m −2に衝撃強度が増加しました。