CN1796976A - 检测污染物的方法 - Google Patents

Abstract

描述了检测化学样品与相应标准物对比在组成上的差异的有效、精确和可靠的分光镜分析法。该方法是以覆盖多个光谱区的一组匹配分数值为基础的。该方法使得用户通过将匹配分数值与以前测量的标准值对比，由评价来确定该样品是否与它的相应标准物匹配。

Description

检测污染物的方法

本发明涉及评价在化学品制造过程质量控制的方法。更具体地说，本发明涉及通过使用用于评价样品与其相应标准物的接近程度的一组的匹配分数值，来检测在组成上的差异的分光镜分析法。该方法可用于分析与任何化学品制造过程有关的任何原材料，产品和副产品。

在任何化学品制造过程中，不正确的产品或受污染的最终产品的可靠检测对于厂家是关键的问题。例如现有若干与乳液聚合物制造有关的问题，它们包括但不限于，例如，不正确的聚合物产品，误贴标签的产品，污染的聚合物产品，污染的原材料，原材料误加料，一种或多种单体的误加料，不正确的wt％聚合物固体，不正确的中和度，试剂和次要添加剂的误加料以及它们的结合。检测在一种或多种样品和它们的各自标准物之间的组成的差异的任何方法必须是可靠的并能够由实验室工作人员，技术人员和工厂工作人员足够容易地操作。

在包括乳液聚合物在内的化学产品的制造中的一个特别困难的问题是使用分光镜分析法来可靠地检测和容易地区分，由于包括例如一种或多种污染物在内的多个因素所引起，纯产品和与之相比较的在化学组成上有小到大的差异的产品。傅里叶变换红外(FT-IR)光谱分析方法是用于与样品的相应标准物对比，分析样品中组成差异的一种方法。然而，用于该分析中的匹配分数值仅仅以一个光谱区域为基础，这使得在准确地和可靠地检测在组成上的化学差异时遇到许多困难。即，当该谱的其它部分有显著差异时，在该谱的一个部分中的光谱变化。主成分分析(PCA)是广泛用于鉴定不寻常谱的另一种方法。对于这一方法，一组谱表示为组分谱(即主组分)的线性组合。谱以两种标准中的任何一种或两种为基础被确定为不正常(也称作与一组标准物或正常谱不同的谱)，即在对于标准光谱所观察和测量的范围以外的一组系数，和/或被确定为样品与它的相应标准物谱(也称为高的光谱残留)相比的弱拟合。建立以PCA为基础检测组成差异的方法需要许多所测量的成功的参数(见下文)，需要特定样品和标准物的专业知识，不是一种快速分析方法，和需要校正，该校正包括选择若干特定因素和选择算法来决定对于确定在样品中组成差异的不存在(通过)和存在(不合格)的光谱残留和匹配分数值的界限。因此希望提供检测与任何化学品制造过程有关的原材料、产品和副产品的样品的组成差异的方法，它不具有上述方法的固有限制。想望的方法包括使用一组匹配分数来评价样品与标准物的接近程度，以多个光谱区为基础。也希望的是，该方法使用普通的光谱设备和该方法包括多个光谱区的分析以增强在检测组成差异时的选择性和可靠性。

本发明人已经发现了检测任何样品与它的相应标准物在组成上的差异的一种令人吃惊地有效和可靠的分光镜分析法。该方法包括使用一组匹配分数来评价任何样品与它的标准物的接近程度，以多个光谱区为基础。谱分析是完全自动化的。匹配分数值是使用较多的亚区域(它们在被选择时要求覆盖样品和标准物的整个谱的不同部分)，在样品谱和相应标准物谱之间计算的。多个光谱区匹配分数值的使用提供了以良好敏感性检测在谱的一个部分中光谱变化的方法，当该谱的其它部分变化大时。如果匹配分数值是足够高的，则在样品和它的相应标准物之间有高度相关性。该方法提供了有效和可靠的质量控制(QC)和尤其可用于通常制备多批次的特定产品的化学品制造设施和工厂中。

因此，本发明提供了检测一种或多种样品与它们的相应标准物相比在化学组成上的差异的方法，包括以下步骤：

(a)测量一种或多种样品和它的相应标准物的谱；和

(b)以特定样品的谱和它的相应标准物谱的对比为基础计算各样品的一组匹配分数值，其中各匹配分数值是从不同的光谱区计算的；和

(c)对比匹配分数值。

根据一个实施方案，该方法使用FT-IR光谱分析方法和该匹配分数值以控制图的形式存在。根据单独的实施方案，各相应标准物的谱储存在光谱库(也称为光谱数据库)中。

本发明还提供了检测一种或多种样品与它的相应标准物对比在化学组成上的差异的自动化方法。

本发明还提供了检测一种或多种样品与它的相应标准物相比在化学组成上的差异的方法，包括以下步骤：将本发明的方法与主成分分析相结合。

正如这里所使用的，提供了样品和分析化学品制造过程的任何阶段并涉及到与该过程有关的物质的任何组成。典型的样品包括，但不限于，原材料，反应物，添加剂，中间体，副产品，和产品。标准物(也称为参比物)指样品所要与其对比的相应化学物质。典型标准物的一个例子是纯或商购的化学产品，它的谱储存在数据库(称为光谱库)中。该标准物与从它的特定的化学制造过程制备的产品轮次(也称为批次)的一种或多种样品的相应谱进行对比。标准物的另一个例子是用于制备化学产品的纯或商购的反应物，它与其相应的反应物样品对比。

根据本发明可以使用任何分光镜分析法。合适的分光镜分析法包括，但不限于例如，近红外(IR)光谱法，中红外光谱法，远红外光谱法，表面红外光谱法，X射线光谱法，拉曼光谱法，紫外-可见(UV-vis)光谱法，光学光谱法，声波谱法，ellipsommetry，核磁共振光谱法(NMR)，磁共振波谱法(MRS)，质谱分析法(MS)，气相色谱法，液相色谱法，固体色谱法和它们的结合。

样品谱通过使用容纳该样品的任何普通的和/或市场上可买到的仪器和硬件来测量。当根据本发明使用FT-IR光谱法时，样品通过使用硬件来测量，这些硬件包括但不限于，例如，比色杯，塑性造型(用于膜和液体)和金刚石衰减全反射(ATR)附件。当使用UV-vis光谱法时，用于容纳样品和标准物的硬件是，例如，比色杯。对于NMR光谱法，用于容纳样品和标准物的硬件是石英管。

根据本发明的一个实施方案，样品的傅里叶变换红外(FT-IR)谱是通过使用金刚石衰减全反射(ATR)附件(3-bounce modelDurasamplIR^TM，可以从SensIR^TM technologies商购)测量的。根据本发明可以使用任何普通的IR分光光度计，包括FT-IR分光光度计。合适的FT-IR分光光度计包括，但不限于，例如，可以从Mattson^TMInstruments商购的那些：Mattson Genesis I^TM，Mattson Genesis II^TM，Mattson Galaxy^TM；从Nicolet^TM Corporation，Nicolet Avatar^TM和Thermoelectron^TM instruments商购的那些。自动化的计算机程序用于收集样品和标准物的FT-IR谱(OMNIC^TM macro)。标准光谱被贮存在光谱数据库中以供自动取回和与所测量、分析和评价的各样品谱对比。根据本发明可以使用任何合适的计算机程序。一种合适的程序包括，但不限于，例如，Visual Basic程序。计算机程序用于计算各样品和它们对比用的相应标准物的匹配分数值。该程序是由Rohm和Haas^TMCompany开发的有版权的程序。匹配分数值可以简单地用于将样品谱与它的相应标准物谱对比。不同的计算机程序(Excel^TM macro)用于控制匹配分数值的图(参见实施例)，与各样品的相应标准物对比来确定各样品的通过/失败，并显示(包括贮存)各结果。

匹配分数值是由许多众所周知的算法来计算的，包括但不限于例如，下面显示的四种算法。在各情况下，计算的值提供了在两种谱之间类似性的定量性测量。例如，对于相关系数，1的值表示完美的匹配，而不完美的匹配得到低于1的值。

“相互关系” $\frac{{{\mathrm{\Σ}}_{i=1}}^N({\mathrm{Unkn}}_i-{\mathrm{Unkn}}_{\mathrm{ave}})*{({\mathrm{Lib}}_i-{\mathrm{Lib}}_{\mathrm{ave}})}^2}{{({{\mathrm{\Σ}}_{i=1}}^N{({\mathrm{Unkn}}_i-{\mathrm{Unkn}}_{\mathrm{ave}})}^2*{{\mathrm{\Σ}}_{i=1}}^N{({\mathrm{Lib}}_i-{\mathrm{Lib}}_{\mathrm{ave}})}^2)}^{0.5}}$

“欧几里德距离” $\sqrt{2}*\sqrt{1-\frac{{{\mathrm{\Σ}}_{i=1}}^N({\mathrm{Unkn}}_i*{\mathrm{Lib}}_i)}{{{\mathrm{\Σ}}_{i=1}}^N{\left({\mathrm{Unkn}}_i\right)}^2*{{\mathrm{\Σ}}_{i=1}}^N{\left({\mathrm{Lib}}_i\right)}^2}}$

最小二次方∑_i＝1 ^N(Unkn_i-Lib_i)²/N绝对值∑_i＝1 ^N|Unkn_i-Lib_i|/N

对于这些(和其它)算法，该谱被表示为在所考虑的亚区域上一排的N个吸收值。被分析的样品的谱称作“未知”，而与其对比的谱称作“(数据)库”，即在光谱库或数据库中的多个谱的一个。

根据一个举例的实施方案，典型的FT-IR谱是用具有2cm^-1的数据点间隔的400-4000cm^-1的频率范围测量的，和所获得的该阵列具有1801个数据点。如果在1000-1100cm^-1的区域中计算该匹配分数值，则用于计算的数据阵列将具有N＝51个数据点，如下：

在亚区域的号码，i	频率vi(cm-1)	在频率vi处的举例性吸收率(Unkni或Libi)
			1	1000	0.50
2	1002	0.51
			3	1004	0.48
.	.	.
			.	.	.
.	.	.
			50	1098	0.15
51	1110	0.12

平均吸收率值Unkn_ave或Lib_ave简单地是在所考虑的亚区域中全部吸收率值的平均。

使用本发明的方法带来若干优点。通过在本发明的方法中使用一个以上的光谱亚区域，提供了在敏感性上显著的提高，这反映在可靠的和更精确的通过/失败判定。另外，在该亚区域以外的光谱变化不影响正常测量的分数值。因此，由于例如在这一亚区域中强烈地吸收的一种或多种污染物所引起的任何光谱(和组成)改变将引起相对于与测量有关的正常变量而言的在匹配分数值上的更大下降。红外光谱分析，包括FT-IR光谱分析，是分析化学组成的通用技术。使用普通的FT-IR设备，它们是用于化工装置环境中的耐久的、可靠的设备。该方法容易使用并能够由在化学组成分析上不具有技能的工作人员快速地应用和实施。该化学品，计算机和光谱硬件和软件可以快速地安装和实施应用。该方法够具有足够的敏感性来有效地检测在样品和它的相应标准物之间的化学组成的变化，包括由于污染所引起的变化。该通过/失败界限是可调的，以获得对于各样品的分析和评价所需要的敏感性。该方法是评价化学产品的QC的优异方式并普遍地用于所有类型的化学样品。

任何数量的亚区域可用于根据本发明的方法计算匹配分数值。典型地，亚区域的数量是从用于该方法的分析中的谱的潜在有用的区域来确定的。例如，对于使用中红外光谱分析，可以使用在2和100之间的亚区域。设定样品的通过/失败(P/F)界限是试探式测定的参数。根据一个实施方案，P/F界限是以匹配分数值的历史性测量的变量为基础。当将样品与它的相应标准物对比来计算统计上不同的匹配分数值时，测定通过/失败界限。合适的通过/失败界限包括，但不限于，例如，在三倍标准偏差(3σ)和30σ之间。例如，P/F界限是以控制图的形式显示(参见实施例)。根据本发明的一个实施方案，通过/失败界限是以非高斯型匹配分数值分布为基础的。根据单独的实施方案，通过/失败界限是以高斯型匹配分数值分布为基础的。

在PCA中本发明的匹配分数值近似方法的一个优点是该匹配分数值近似方法实施的速度和容易性。为使用匹配分数值来实施本发明的方法，测量标准材料的谱(称作库谱)。然后，测量参比材料的几个样品(典型地4个样品)的谱，和该软件将匹配分数值制成表。然后立即试验未知样品，因为对于匹配分数值的通过/失败界限是以在标准物的分数值中的平均和标准偏差为基础的。对于这里所述的FT-IR方法，开始试验该新产品的总时间是大约20分钟，其中当测量样品谱时该方法就开始实施。

然而开发PCA方法需要更多的时间和专门技术。用户收集一组代表在测量中的正常可变性的谱，进行涉及到选择供拟合用的参数的PCA校正，和然后为算法选择其它参数，该算法决定被认为正常的样品的光谱残留的系数和/或界限的范围。尽管有很可能的可能性让软件经过开发后能够自动地定义这些参数，但是参数的选择典型地包括当对比用于本发明中的匹配分数值分析时的更专业的判断。

本发明的方法可用于检测在样品(与它的相应标准物相比)中物质的任何组成在组成上的差异，这来自于与化学产品(包括乳液聚合物)的制造有关的一个或多个问题，其包括，但不限于，例如，不正确的聚合物产品，误贴标签的产品，污染的聚合物产品，污染的原材料，原材料误投料(一种或多种原材料与另一种原材料的不正确的交换)，一种或多种单体的误投料(一种或多种单体与另一种的不正确的交换)，不正确的wt％聚合物固体，不正确的中和度，试剂和次要添加剂的误投料以及这些的结合。检测在一种或多种样品和它们的各自标准物之间的组成的差异的任何方法必须是可靠的并能够由实验室工作人员，技术人员和工厂工作人员足够容易地操作。

根据本发明的一个实施方案，本发明的FT-IR方法是以各批量从特定的化学品制造过程制备的产品的有用的质量控制测试。该方法能够与参考标准物对比来验证产品的组成，以证实产品的质量或检测牵涉到污染物和与该工艺有关的其它问题的样品在化学组成上的任何变化。该方法是对产品的其它普通质量控制测试的补充。

例如，该FT-IR方法用作质量控制测试来检查乳液产品的化学组成的一致性。在许多情况下该乳液产品批料通过了质量控制测试。该术语“通过”指这样事实：各样品批料的FT-IR谱与当对比各自谱和计算匹配分数值时所观察到的它的相应标准物谱一致地相关联(基于匹配分数值)。

根据单独的实施方案，本发明的方法与使用多个光谱亚区域的PCA相结合。该结合方法由于前面所述的多个亚区域的同时使用而具有实用性和优点。PCA被设计来确定在重要的光谱变化存在下的外围值(outliers)，因此与在存在较大的光谱可变性的某些情况下使用匹配分数值相比更具有实用性和优点。然而，相当有可能的是，当产生该校正时，一些变化没有很好地作模型模拟。未作模型模拟的变量的存在将影响检测外围值的能力。如果使用光谱亚区域，则对于各亚区域建立不同的PCA模型。如果在建立模型的光谱亚区域以外发生，则光谱变量对于敏感性无害。通过使用多个亚区域，增强以下可能性：亚区域的一个将成功地忽略未作模型模拟的变量并集中于在样品与它的相应标准物之间的不寻常的组成变化。

物质的任何组成，包括例如化学产品和工业聚合物，通过使用本发明的方法来分析。使用本发明的方法分析的合适化学产品和工业聚合物包括，但不限于，乙烯基聚合物类如聚苯乙烯，聚苯乙烯共聚物，聚乙酸乙烯酯，聚乙烯基吡啶，聚乙烯胺，聚乙烯基酰胺，聚乙烯醚，缩合聚合物如聚酯和聚氨酯，多烯属不饱和聚合物如聚乙烯，聚丙烯，聚(甲基)丙烯酸酯，聚(甲基)丙烯酸酯共聚物，聚(甲基)丙烯酸烷基酯，聚(甲基)丙烯酸烷基酯共聚物，聚(甲基)丙烯酸羟烷基酯，聚丙烯腈，聚丙烯腈共聚物，聚丙烯酰胺，聚(甲基)丙烯酰胺和聚(甲基)丙烯酰胺共聚物。

水不溶性聚合物的其它合适例子包括所列出的聚合物的交联聚合物。

可用于本发明中的水不溶性丙烯酸类聚合物是通过普通的聚合技术(包括顺序的乳液聚合)制备的。胶乳聚合物颗粒的分散体是根据一些工艺制备的，这些工艺包括在美国专利No 4,427,836；4,469,825；4,594,363；4,677,003；4,920,160；和4,970,241中公开的那些。该胶乳聚合物颗粒也可以，例如，利用在欧洲专利申请EP 0 267 726；EP 0 331 421；EP 0 915 108和美国专利No 4,910,229；5,157,084；5,663,213和6,384,104中公开的聚合技术来制备。

这里使用的术语“(甲基)丙烯酸”是指相应的丙烯酸或甲基丙烯酸和衍生物；类似地，该术语“(甲基)丙烯酸烷基酯”是指相应的丙烯酸酯或甲基丙烯酸酯。

附图简要说明

图1.三个正常批料的产品(蓝色、绿色和紫色)连同当一种成分缺少(missing)时所生成的批料(红色)一起的红外光谱的重叠。该谱是从980-1500cm^-1进行显示并在Y轴(吸收率)上是自动定标的(autoscaled)。该红色谱具有在～1080cm^-1处有较低的吸收，在该区域中缺少的成分强烈地吸收。

图2.整个指纹区(650-1800cm^-1)的匹配分数值的控制图。最后的数据点属于在缺少一种成分时所制备的产品。匹配分数值相对于正常变化的下降比对于亚区域1050-1110cm^-1所观察的低得多，如下所示。

图3.三个正常批料的产品(蓝色、绿色和紫色)连同当一种成分缺少时所生成的批料(红色)一起的红外光谱的重叠。该谱是从850-1820cm^-1进行显示并在Y轴(吸收率)上是自动定标的。三个参比谱在这一曲线图中显示了大得多的变化，主要归因于在1641cm^-1附近的水吸收的差异。这一变量降低了对于该宽的亚区域而言的正常批料的匹配分数值，和部分地隐藏了在1080cm^-1处红色谱的光谱差异。

图4.亚区域(1050-1110cm^-1)的匹配分数值的控制图。最后的数据点属于在缺少一种成分时所制备的产品。在这一亚区域中相对于正常变量而言在匹配分数值上的下降比整个指纹区的匹配分数值的(下降)大得多，因为该区域是集中的，在该区域中该缺少的物质的谱具有强吸收峰。

图5.三个正常批料的产品(蓝色、绿色和紫色)连同当一种成分缺少时所生成的批料(红色)一起的红外光谱的重叠。该谱是从1050-1110cm^-1进行显示并在Y轴(吸收率)上是自动定标的。通过集中在这一亚区域，在该区域中缺少的成分强烈地吸收，将该光谱差异放大了。

图6.亚区域(1450-1510cm^-1)的匹配分数值的控制图。最后的数据点属于在缺少一种成分时所制备的产品。并不令人吃惊地，这一光谱亚区域无法用于检索该缺少的成分，因为该缺少的物质的谱在此处具有非常小的吸收。

本发明的一些实施方案详细地描述在下面的举例性质的实施例中。该实施例是根据本发明和本发明的方法所测量的任何样品的代表。

实施例1

在图1中给出了显示出使用光谱亚区域的匹配分数值来增强敏感性的优点的实施例。在这种情况下，在1080cm^-1附近的光谱亚区域(#1)是最敏感的，归因于在这一频率下的强IR峰。在普通情况下，不能预测该组成差异，和最佳的光谱亚区域是未知的。通过使用许多光谱亚区域，很可能的是它们当中的一个几乎是最佳的。实施例还解释了匹配分数值的正常变化如何用于测得该通过/失败界限。该界限经过定义后要求该分数值必须下降到低于对于失败的样品通常所见到的范围。整个指纹区(#1，650-1800cm^-1)的匹配分数值的控制图示于图2中。最后的数据点属于在缺少一种成分时所制备的产品。匹配分数值相对于正常变化的下降比对于亚区域1050-1110cm^-1所观察的低得多，如下所示。

在图3中给出了显示出使用光谱亚区域的匹配分数值来增强敏感性的一个优点。该实施例解释了变量如何降低一个宽的亚区域的正常(标准物)批料的匹配分数值，和部分地隐藏了在1080cm^-1处的缺少成分的样品的谱(红色)中的光谱差异。亚区域#50(1050-1110cm^-1)的匹配分数值的控制图示于图4中。最后的数据点属于在缺少一种成分时所制备的产品。在这一亚区域中相对于正常变量而言在匹配分数值上的下降比整个指纹区的匹配分数值的(下降)大得多，因为该区域是集中的，在该区域中该缺少的物质的谱具有强吸收峰。

而且，在图5中给出了使用光谱亚区域的匹配分数值来增强敏感性的优点。通过集中在这一亚区域，(#58)，在该区域中缺少的成分强烈地吸收，将该光谱(因此组成)差异放大了。亚区域#58(1450-1510cm^-1)的匹配分数值的控制图示于图6中。最后的数据点属于在缺少一种成分时所制备的产品。并不令人吃惊地，这一光谱亚区域无法用于检索该缺少的成分，因为该缺少的物质的谱在此处具有非常小的吸收。

Claims (10)

1.用于检测在一种或多种样品与它的相应标准物之间在化学组成上的差异的方法，包括以下步骤：

(a)测量一种或多种样品和它的相应标准物的谱；和

(b)以特定样品的谱和它的相应标准物谱的对比为基础计算各样品的一组匹配分数值，其中各匹配分数值是从不同的光谱区计算的；和

(c)对比匹配分数值。

2.根据权利要求1的方法，其中在化学组成上的差异归因于选自下列这些中的因素：污染物，误贴标签的产品，被一种或多种其它产品污染的产品，单体误投料，原材料误加料，不正确的聚合物固体的重量百分数，不正确的中和度，包括溶剂、碱、皂、表面活性剂和其它添加剂在内的添加剂的误投料，以及它们的结合。

3.根据权利要求1的方法，其中测量了样品和相应标准物的傅里叶变换红外光谱以及标准光谱被存储在光谱库中和从该光谱库中取回以供对比。

4.根据权利要求1的方法，其中将计算机程序用于计算各样品和它的相应标准物的一组匹配分数值和该匹配分数值是以控制图的形式表示。

5.根据权利要求1的方法，其中各步骤是自动化的。

6.根据权利要求1的方法，其中样品和相应标准物的傅里叶变换红外光谱通过使用金刚石衰减全反射(ATR)附件来测量。

7.使用权利要求1的方法评价任何制造的化学产品的质量控制的方法。

8.用于检测一种或多种样品与它的相应标准物相比在化学组成上的差异的方法，包括以下步骤：将权利要求1的方法与主成分分析相结合。

9.根据权利要求1的方法，其中测量样品和相应标准物的傅里叶变换红外光谱。

10.根据权利要求1的方法，其中使用多个光谱亚区域。

Images