资料超级检索

橡胶产品是将生橡胶或合成橡胶与配合剂均匀混合，赋予特定功能，在模具中成型等，然后加热制成弹性体。因此，橡胶的流动性对共混胶制得的产品质量有显著影响。共混胶的性质可以在模塑前一段时间内发生变化，流动性可能变差，并对模塑产生不利影响。因此，在适当的环境中储存和管理共混胶非常重要。 本文提供了一个评估储存方法导致的共混胶流动性变化的示例。

在交通运输行业，像高强度钢这样的薄层材料在减少车辆重量来提高燃料效率方面一直受到关注。然而，高强度钢在冲压成型后易出现形状缺陷问题，压制模具的生产所需的时间和成本遇到重大挑战。计算机辅助工程（CAE）分析方法的最新进展和计算机的计算速度提高了高强度钢冲压成型的模拟精度。这使得我们能够预测冲压成型产品的理想形状，从而大幅降低压制模具的开发时间和成本。 实现高精度冲压成型模拟需要确定Lankford值（简称γ 值），该值是代表金属薄板成型性的指标之一。γ值是材料在厚度方向延展性的一个定量指标，与材料的可拉性（其对冲压成型性有显著贡献）相对应。在ISO 10113（2020年修订）中，三种不同的数值测定方法已经得到标准化（手动方法、半自动方法和自动方法）。自动方法为使用引伸计测量标距长度和标距宽度，该方法使得我们能够在按照ISO 6892-1完成标准金属拉伸试验后，确定任何给定塑性应变的γ值。因此，该方法对于同时测定其它拉伸性能值（例如，抗拉强度）非常有用。每种测定方法的详情和接触式引伸计测定γ值的案例研究见先前的应用报告文章1。 接触式引伸计的测量需要每次测试时将引伸计连接到试样上，之后取下。相比之下，TRViewX非接触式视频引伸计通过识别捕获图像中的标距长度和宽度值来实现更方便的测试。本文描述了根据ISO 10113规定的自动方法，使用AGX-V2万能试验机和TRViewX引伸计测定γ值的案例研究。

随着世界各国以碳中和为目标，燃油汽车向电动汽车过渡，以及智能手机、平板设备等的需求增加，锂离子电池（LiB）市场需求有望在未来进一步扩增。 集电器的涂层技术会极大地影响锂电池制造过程中的电池特性。在制造LiB电极时，将活性材料与粘合剂、溶剂混合，涂覆于集电器上，干燥，然后压制以增加填充密度。研究认为电极的厚度和质量可影响LiB的能量密度，涂层越厚则电池容量越大，倍率特性越低。相反，较薄的涂层导致更好的倍率特性，但电池容量较小。为了提高LiB的体积能量密度，提高正负电极活性材料的填充性能和增加电极的密度具有重要意义。 因此，评价正负电极材料的密度对于改善电池的特性和实现理想的电池性能具有重要意义。为了满足制造过程的压力条件，测量需要涵盖粉末样品从低压到高压的连续密度变化。本文介绍了用AGX-V2精密万能试验机评估阳极材料石墨粉末的堆密度实例。

ADAS（Advanced Driver-Assistance Systems）是指辅助安全驾驶的系统，是一种监控汽车周围信息，做出显示和警报，防止事故发生，确保驾驶员安全且舒适地驾驶，以此提升驾驶安全性的功能。 ADAS采用广角摄像头、毫米波雷达、超声波传感器等监控车辆的周围环境，但消耗的电能较多，且发热量较大，因此需要高效进行放热、冷却的结构。此外，用于监控的传感器安装在车体外侧，因此筐体的气密性也很重要。从轻量化角度出发，筐体的一部分采用树脂制零部件，为确保不会因内部电子零部件的发热而出现变形，要求其具有耐热性和低翘曲性，需要评价树脂材料本身及其添加剂的特性。 本文使用微焦点X射线CT系统（图1）及红外显微镜系统（图2）评价了用于ADAS的毫米波雷达。X射线CT系统无损观察内部结构，确认粘结剂中的空隙和广角摄像头的安装角度。此外，使用红外显微镜对筐体所采用的树脂材料进行定性分析。

食品是会直接进入体内的，安全是首要课题。为了饮食安全，生产过程中避免混入异物非常重要，同时也采取了很多种措施。但是，混入异物的情况当前仍在发生。为了避免此类商品流通，目前正在使用X射线检查仪器。 本文将介绍使用微焦X射线仪器Xslicer SMX-1020（图1）和微焦X射线CT系统inspeXio SMX-225CT FPD HR Plus（图2）无损观察并分析主动混入食品内的异物的事例，以及在PET塑料瓶开封前后进行分析的事例。

通常，通过观察形貌、测定微塑料数量、粒径以及分析材质等来评价微塑料。 在评价微塑料总数和粒径分布、形状等方面，本公司积极参与1）取得归一化数据等，于2023年发行了ASTM D8489（以下记录为D8489）2）。D8489是一种以5~100 µm的颗粒为目标，获取粒径、粒径分布、浓度及形状信息的标准。 红外光谱法是进行微塑料材质分析的有效方法，目前ASTM国际组织正在研究将方法标准化1）。目前正在研究的ASTM WK87463有望成为使用FTIR和LDIR（激光直接红外）分析20μm至5mm微塑料的标准。 本文将介绍参考D8489使用动态颗粒图像分析系统iSpect DIA-10评价MPs，以及通过FTIR分析MPs材质的例子。

在水、土壤、沉积物、鱼、食品、纺织品和人血等中均会存在全氟烷基和多氟烷基化合物（PFAS）污染。参考US EPA方法537和ISO 21675：2019，ASTM D7979等，已建立了LC-MS/MS分析饮用水中多达29种PFAS的靶向筛查和定量方法[1]。然而，PFAS是一类庞大的有机物家族[2]，其中许多化合物无法通过现有方法测定。本研究旨在建立一种对水样中已知和未知的PFAS进行非靶向筛查的方法。该方法是基于LC-Q-TOF数据（即HRAM谱图[MS]和DIA去卷积谱图[MS/MS]），并借助PFAS的特定质量亏损特征[3,4]，采用LabSolutions Insight Explore-Analyze软件功能建立的。以PFOA和PFOS等14种PFAS为标准品，验证了该HRAM-DIA方法在检测灵敏度和定性方面的性能。将已建立的方法应用于实际水样分析，并使用LabSolutions Insight Explore-Assign软件，通过数据库和质谱库检索以及结构解析进一步表征发现的PFAS类物质。

近年来，对环境和食品样本以及其他消费品和工业产品（如化妆品、纺织品、油漆、滑雪蜡等）中全氟烷基物质和多氟烷基物质（PFAS）检测和定量的需求越来越多。这些化合物可能存在毒性、持久性并且普遍存在，因此会导致各种健康和环境问题。为了满足日益增长的需求，开发了一种顶空固相微萃取-三重四极杆气相色谱/质谱（HS-SPME GC/MS/MS）分析方法来分析水中的挥发性PFAS。 氯丙醇类（MCPDs）是一类由食品加工用油引入的潜在污染物。油脂中的氯丙醇酯主要由氯丙醇和脂肪酸结合，缩水甘油酯主要由氯丙醇转化后和脂肪酸结合而来。 出于对健康危害的担忧，各国正在努力减少MCPD酯类及缩水甘油酯类。自2021年1月1日起2年内，欧洲食品安全局（EFSA）正在研讨降低婴幼儿配方奶粉等的3-MCPDE类标准值。 本文参考EFSA所用分析方法AOAC的Official Method 2018.12进行预处理，使用GCMS-TQ8050 NX对奶粉中的3-MCPD、3-MCPDE、缩水甘油酯进行SIM、MRM分析。

目前，已经确定了几种PFAS标准方法，如EPA方法1633、8327、533、537.1和OTM-45。所有这些方法都通过液相色谱/质谱（LC/MS）来分析PFAS化合物。然而，LC/MS并不适合分析所有的PFAS化合物，因为PFAS家族中的化学品具有不同的物理化学性质。例如，缓冲流动相中氟调聚物醇（FTOH）的电离抑制以及电喷雾电离中全氟烷基碘化物（PFI）和氟调聚物碘化物（FTI）的电离挑战已有报道1。因此，必须开发基于GC/MS的方法，作为LC/MS方法的补充，以提供一套完整的PFAS分析解决方案。GC/MS能够分析在LC/MS中难以电离的挥发性PFAS化合物。HS-SPME GC/MS具有诸多优势，例如简化样本制备程序，因为它无需使用溶剂萃取步骤，最大限度地减少了污染源，并且通过完全自动化降低了分析误差的可能性。 先前进行的一项PFAS研究使用岛津单重四极杆GC/MS（GCMS-QP2020 NX）和SPME技术来分析水中的这些化合物2。本应用重点介绍了岛津三重四极杆气质联用仪（GCMS-TQ8040 NX）在MRM模式下与多功能自动进样器（AOC- 6000 Plus）串联使用的情况。与单四极杆GC/MS相比，三重四极杆GC/MS灵敏度和选择性更高，从而降低了定量限，并减少了复杂基质中干扰物的假阳性。

全氟和多氟烷基物质（PFAS）是公认的具有健康和环境问题的环境污染物，因为它们可能具有毒性、持久性，并且在环境、消费品和工业产品中普遍存在。PFAS包括一大类具有不同物理化学性质的化学品。这些性质会影响它们的毒性和环境归宿。此外，需要不同的分析技术来监测这些不同的类别。本研究中评价的PFAS类别包括PFI、FTI、FTAC、FTMAC、FTOH和FASA。   在本应用中，开发了一种顶空固相微萃取-气相色谱/质谱（HS-SPME GCMS）分析方法来分析水中的挥发性PFAS。目前，已经确定了几种PFAS标准方法，如EPA方法1633、8327、533和537.1。所有这些方法都通过液相色谱/质谱（LC/MS）来分析这些化合物。然而，由于各种原因，LC/MS无法分析所有PFAS化合物。例如，缓冲流动相中FTOH的电离抑制以及电喷雾电离中PFI和FTI的电离挑战已有报道1。因此，必须开发补充分析方法来提供一套完整的PFAS分析解决方案。 作为LC/MS的补充技术，HS-SPME GC/MS至关重要，因为它具有许多优势，例如能够分析复杂基质中的这些化合物。 与其他分析技术相比，HS- SPME GC/MS分析具有样本前处理少（无需溶剂萃取）、污染源少和分析误差小的特点。此外，该技术可全自动。因此，可以减少工作量。