Nowoczesne analizatory i algorytmy AI, które rozwiązują pozornie nierozwiązywalne problemy pomiarowe.
Spectrally™ mierzy skład i jakość bezpośrednio w procesie za pomocą modeli AI i zaawansowanej chemometrii z rdzeniem CNN, opracowywanych indywidualnie pod chemię i proces każdego klienta. Wspieramy transformację AI w zakładach produkcyjnych, od zjawisk nieliniowych po mieszaniny wieloskładnikowe.
CNN + chemometria
Analiza szerokiej gamy parametrów, nie tylko stężeń składników
Zjawiska nieliniowe
I mieszaniny wieloskładnikowe, tam gdzie możliwości PLS/PCA się kończą
Pojedyncze ppm
Dokładność dzięki algorytmom AI dopasowanym do analitu i medium
Model pod Twój proces
Dopasowany indywidualnie
Kompleksowa analityka procesowa
X1 INLINE, X1 LAB / LAB+, X1 PORTABLE, X1 PROBE i Spectrally OS
Spectrally™ inline
Kontrola jakości w czasie rzeczywistym, bezpośrednio w procesie
Pomiar bez próbkowania i bez przestojów
Zaprojektowany do pracy 24/7, także w wymagających warunkach
Integracja wyników z systemami sterowania / raportami QA
Spectrally™ At-line/Lab
Most między laboratorium a produkcją
Szybka weryfikacja składu partii bez żmudnej preparatyki
Wsparcie skalowania receptur z R&D do produkcji
Wizualizacja i analiza danych w czasie rzeczywistym
Spectrally™ Portable
Mobilna identyfikacja surowców i kontrola dostaw (IQC)
Szybkie PASS/FAIL, także bez otwierania opakowania (dla opakowań przezroczystych)
Narzędzie do kontroli surowców na wejściu do magazynu oraz w terenie
Nieniszczący pomiar z wynikiem w kilka sekund
Spectrally™ OS
Dedykowane oprogramowanie z autorskimi modelami analitycznymi
Sygnał z analitu zmieniany na czytelny wynik dla użytkownika
Szybkie opracowanie i wdrażanie modeli w odpowiedzi na konkretny problem procesowy
Realne dane do zautomatyzowania i optymalizacji procesu produkcji
Nasze algorytmy rozwiązują problemy pomiarowe, z którymi klasyczne metody sobie nie radzą
Dziesiątki przeprowadzonych studiów wykonalności potwierdziły, że nasze modele AI i zaawansowana chemometria radzą sobie z problemami pomiarowymi, które klasyczne metody analityczne rozwiązują z trudem albo nie rozwiązują wcale:
- Widmo zakłócone tłem lub fluorescencją → dedykowany model odróżnia sygnał analitu od szumu
- Mieszanina wieloskładnikowa ze zmienną matrycą → sieci neuronowe (CNN) rozdzielają nakładające się sygnały
- Zjawisko nieliniowe, np. lepkość → model chemometryczny wykrywa zależność, której PLS/PCA nie uchwyci
- Proces bez wcześniej opracowanej metody pomiarowej → feasibility na Twoich próbkach, model budowany od zera
- Związki o bardzo podobnych widmach → model rozpoznaje różnice, których operator nie wychwyci wizualnie
- Pomiar przez nieprzezroczyste lub kolorowe opakowanie → algorytm oddziela sygnał materiału od sygnału opakowania
- Zmienne warunki procesowe: temperatura, wibracje, wilgotność → model kalibrowany na rzeczywistych danych z Twojej linii
Branże
Skrojone na miarę dla różnych gałęzi przemysłu
Kosmetyki i detergenty
Petrochemia
Nawozy
Chemikalia i polimery
Monitoring środowiska
Woda i ścieki
Dlaczego
Gekko Photonics?
Zaczynamy od analizy procesu klienta: zmienności, ryzyk, wąskich gardeł. Dopiero potem dobieramy konfigurację sondy, zakres spektralny i model analityczny.
Nasze modele są oparte na sieciach neuronowych (CNN) i zaawansowanej chemometrii. Radzą sobie z problemami, które klasyczne podejścia PLS/PCA rozwiązują z trudem: zjawiska nieliniowe, mieszaniny wieloskładnikowe, matryce zmieniające się w czasie. Dzięki temu nasze algorytmy trafiają dokładnością do pojedynczych ppm nawet tam, gdzie standardowa spektroskopia Ramana się poddaje.
Model dla nowego problemu procesowego powstaje szybko, bo droga od zgłoszenia do zaktualizowanego algorytmu jest krótka: bezpośredni dostęp do naszego R&D. Sonda ma wbudowaną referencję do autokalibracji i autodiagnostyki, więc urządzenie samo sygnalizuje odchylenia.
Zobacz use-case'y analizatorów Spectrally™
Ocena wykonalności zastosowania Ramana do rozróżniania partii białych farb i identyfikacji markerów wypełniaczy mineralnych
W białych farbach nawet drobne zmiany w recepturze, szczególnie w obszarze wypełniaczy i dodatków mineralnych, potrafią przełożyć się na realne parametry produkcyjne i użytkowe: lepkość, stabilność, krycie, biel czy podatność na sedymentację. Problem zaczyna się wtedy, gdy różnice wychodzą dopiero po zakończeniu partii albo po dłuższym czasie, na przykład w reklamacji. W Gekko Photonics wykonaliśmy badanie wykonalności na dwóch próbkach białych farb dostarczonych w opakowaniach polietylenowych. Naszym celem było sprawdzenie, czy analizatory Spectrally dadzą szybki, obiektywny i powtarzalny sygnał różnic bez żmudnej preparatyki i bez czekania na zewnętrzne analizy laboratoryjne.
Identyfikacja surowców do klejów w kilka sekund – mobilna kontrola dostaw ze Spectrally™
W produkcji klejów kluczowe surowce – monomery akrylanowe, rozpuszczalniki i izocyjaniany – trafiają na magazyn w wielu wariantach opakowań i od różnych dostawców. W praktyce oznacza to konieczność szybkiej weryfikacji, czy na palecie znajduje się dokładnie ten materiał, który został zamówiony, oraz czy jego czystość jest zgodna z wymaganiami receptury. Tradycyjny model przyjęcia opiera się na etykietach, dokumentacji dostawcy i w razie wątpliwości na pobieraniu próbek do laboratorium. To wydłuża zwolnienie materiału do produkcji, a w przypadku substancji reaktywnych lub drażniących zwiększa ryzyko kontaktu pracowników z oparami. W ramach projektu wdrożyliśmy analizę widmową w miejscu przyjęcia z prostą decyzją „zgodne/niezgodne” oraz możliwością rozbudowy bibliotek wraz z rozwojem portfela surowców.
Kontrola jakości żywic alkidowych w czasie rzeczywistym: korelacja lepkości i liczby kwasowej z widmem Ramana
W przypadku żywic alkidowych w rozpuszczalnikach kluczowe parametry jakościowe – lepkość oraz liczba kwasowa – są najczęściej weryfikowane metodami laboratoryjnymi, na próbkach pobieranych po filtracji. Takie podejście zapewnia precyzję, ale wprowadza istotne opóźnienie pomiędzy produkcją a decyzją jakościową. Celem projektu było sprawdzenie, czy platforma Spectrally oparta o spektroskopię Ramana może przejąć rolę szybkiego i powtarzalnego „czujnika jakości”, który dostarcza wynik w krótkim czasie i stanowi podstawę do automatyzacji kontroli jakości oraz docelowo stabilizacji procesu.
