Avanzar en el análisis de la composición de los catalizadores de polimerización de olefinas con microscopía de...

Área de la Ciencia:

• Química de los polímeros
• Ciencias de los materiales
• Catálisis

Sus antecedentes:

• La optimización de catalizadores de polimerización de olefinas soportados requiere métodos avanzados para analizar su composición, estructura y morfología.
• Los métodos actuales pueden no ser lo suficientemente eficientes en términos de recursos o de alto rendimiento para una evaluación exhaustiva del catalizador.

Objetivo del estudio:

• Desarrollar y aplicar una nueva metodología de alto rendimiento para evaluar los catalizadores de polimerización de olefinas con soporte.
• Evaluar cuantitativamente la fragmentación y la heterogeneidad del soporte en las partículas del catalizador a base de metalloceno.

Principales métodos:

• Se utilizó microscopía de fluorescencia confocal de laboratorio para el análisis de partículas de catalizadores autofluorescentes a base de metalloceno.
• Se emplean técnicas avanzadas de procesamiento de imágenes para la evaluación cuantitativa de la fragmentación y la heterogeneidad de las partículas.
• Se han realizado análisis 2D y 3D de partículas de catalizador prepolimerizadas durante la polimerización de etileno en fase de suspensión.

Principales resultados:

• Se han detectado y cuantificado heterogeneidades significativas entre y dentro de las partículas del catalizador prepolimerizado.
• La heterogeneidad se atribuye a las diversas estructuras de soporte y a la distribución inhomogénea de los metallocenos.
• Identificó la fragmentación capa por capa como un mecanismo primario, con seccionamiento como un mecanismo secundario.
• Se ha observado un retraso en la fragmentación del soporte en algunas partículas, lo que podría conducir a una distribución más amplia del tamaño de las partículas.

Conclusiones:

• La microscopia de fluorescencia confocal proporciona un enfoque accesible y rápido para caracterizar los catalizadores heterogéneos.
• El método evalúa efectivamente la distribución de los componentes fluorescentes y los productos de reacción.
• El análisis automatizado de imágenes con aprendizaje automático puede crear una herramienta poderosa para la investigación de catalizadores y el control de calidad industrial.