Vattenhalten i ett frystorkat proteinläkemedel bestämdes med KF och LOD som är två primära och traditionella metoder som används för bestämning av vattenhalten i produkter inom flera industrier. Istället för KF och LOD, som är tidskrävande och destruktiva, kan den sekundära, snabba och icke-destruktiva metoden NIR användas. För att kunna implementera NIR måste en kalibrering gentemot en primär metod ske. Syftet med detta projekt var att med en kvantitativ analys finna ett samband mellan NIR och KF samt mellan NIR och LOD för den frystorkade produkten. Det initiala steget var att upprätta en kalibreringsuppsättning och samla in spektrum med NIR. Därefter gjordes försök att bestämma vattenhalten med KF och LOD för den frystorkade proteinprodukten med inledande tester som verifierades genom att spetsa prover med vatten. LOD utfördes i en exsickator och KF-analyserna utfördes kolometriskt på två olika sätt, med och utan extraktion av proverna med metanol. Det slutgiltiga steget var att korrelera insamlat spektrum från NIR med bestämda referensvärden genom att skapa en kalibreringsmodell. Data från insamlat spektrum förbehandlades med multiple scatter correction (MSC), andra derivatan och Savitzy Golay, innan en kalibreringsmodell skapades med partial least square (PLS). Resultatet från LOD-analyserna med exsickator tydde på att tillvägagångssättet som användes inte var lämpligt för produkten och en kalibreringsmodell upprättades inte. Vattenhalten bestämdes med KF med extraktion av åtta prover till 0,144 – 0,558 % [w/w], och med KF utan extraktion till 2,34– 2,972 % [w/w] för åtta prover. Det förväntade värdet var 0,62-1,61 % [w/w]. En kalibreringsmodell upprättades för KF med och utan extraktion samt för det förväntade referensintervallet. Detta resulterade i en korrelationsfaktor på 0,9496 för KF med extraktion, 0,97418 för KF utan extraktion och 0,9932 för de förväntade värdena. Metoderna KF med och utan extraktion var inte lämpliga för produkten i detta projekt, utan fler försök behöver utföras med större kalibreringsuppsättningar för att kunna dra en slutgiltig slutsats. / The water content of a lyophilized protein drug is determined using KF and LOD which are two primary and traditional methods used by several industries for determination of water content in products. Instead of KF and LOD, which are time consuming and destructive, the secondary, fast and non-destructive method near infrared spectroscopy (NIR), can be used. To implement NIR, a calibration towards a primary method must be performed. The purpose of this study was to find a relation between NIR and KF and between NIR and LOD for the lyophilized product with a quantitative analysis. The initial step was to establish a calibration set and collect a spectrum with NIR. Attempts to determine the water content of KF and LOD for the lyophilized protein product were made with initial tests which later were verified by spiking samples with water. LOD was performed in a desiccator and the KF analyses were performed calorimetrically in two different ways: with and without extraction of the samples with methanol. The last step was to correlate the collected spectrum from NIR with determined reference values by creating a calibration model with partial least square (PLS). Prior to model development, data from collected spectrum was pre-treated with multiple scatter correction (MSC), second derivative and Savitzy-Golay filter. The result of the LOD analyses with a desiccator indicated that the method used was not suitable for the product and a calibration model was not established. The water content was determined by KF with extraction of eight samples to 0.144 - 0.558 % [w/w], and with KF without extraction of eight samples to 2.34-2.972 [w/w]. The expected value was 0.62-1.61 % [w/w]. A calibration model was established for KF with extraction of the samples, KF without extraction of the samples and for the expected reference interval. The developed calibration models resulted in a correlation factor of 0.9496 for KF with extraction, 0.97418 for KF without extraction and 0.9932 for the expected values. KF with and without extraction of the samples was not suitable for the product in this project. More experiments are needed with bigger calibration sets to be able to make a conclusion.

Sustainability has gained a lot of attention in the field of research. Researchers and consumers both prioritize sustainability and environmental issues over previously dominant materials, such as plastic. Packaging and disposable items that used to be made of plastic have largely been replaced with paper. Unfortunately, paper does not perform as well as plastic regarding barrier properties against grease, oxygen, or water vapor. Barrier properties are an important factor when choosing packaging material for food, among other things, as they help maintain the shelf life of the product. In order to improve the properties of the paper packaging and expand its use, the paper is coated with a polymer. However, the polymer contributes to challenges in the recycling of the products as some of the polymer attaches to the fibers, causing difficulties in the separation of each material. Small fragments of plastic may end up in the material streams and the recycled pulp due to the existing challenges in completely removing plastic from cellulosic substrates during recycling. This thesis analyzes the possibilities of identifying and classifying plastic fragments of polyethylene (PE) and polyvinyl alcohol (PVOH) in recycled paper sheets using near-infrared spectroscopy together with multivariate data analysis. The purpose of the work is to develop models that can identify possible residues that may appear in recycled products from various industries. Paper sheets of two different grammages and six different compositions of recycled fiber and virgin fiber were created and scanned by NIR, with and without plastic film under the sheets. The scans were used to develop classification models to identify and categorize scans not included in the calibration data set. The performance of the models was tested by applying them to images of sheets of paper with plastic fragments of different sizes and different type underneath. The results indicated potential in the method. The prediction of the paper sheets with a lower grammage was mostly correct, whereas the classification of polyethylene showed the best performance. There was some noise in the prediction of the plastic fragments, regardless of the grammage of the paper. The noise may be due to a wide variation in the calibration data set since it consisted of paper sheets of six different compositions. A large part of the noise was incorrectly classified as polyvinyl alcohol, which can be due to differences in the manufacturing process of the plastic films. The conclusion of the thesis is that it is feasible to identify and categorize plastic fragments of polyethylene and polyvinyl alcohol in recycled paper sheets with a certain margin of error. It can be stated that the method shows promise, but further research and development in the field is required to build models that can be applied to a wider range of samples.

Background Tarkett AB Ronneby (Sweden) is a flooring solutions company, recognized for the manufacturing and recycling of homogeneous plastic flooring. Tarkett AB recycles mainly installation spill and manufacturing defects. However, Tarkett AB is considering widening its recycling capabilities to include old and torn plastic floors which may contain impurities and banned substances or plastic floors of competing brands. To accomplish this, Tarkett is considering a completely new recycling line with an automated sorting process instead of the current manual process. Thus, Tarkett proposes a dissertation to conceptualize a new automated sorting system with added capacity and increased functionality. Purpose This work aims to investigate the current sorting process and introduce conceptual solutions for a new automated sorting process capable of identifying and separating plastic floors according to the manufacturer, type, condition, and external waste by using existing technology. Method The methods and tools used in this work are mainly based on a modified product development process. Starting with data collection of the current sorting process, performing a need-finding, and extracting requirements for an automated sorting process, investigating relevant technology, evaluating technology based on scientific literature and tests. The testing was conducted in collaboration with two companies. Near-infrared scanners were tested with Holger AB, while pattern recognition systems were tested with Vision-Geek. Finally, three concepts for the automated sorting process were developed and shown through flow charts and 2D-3D illustrations. Results The results of this work showed that it was possible to use near-infrared and pattern recognition for the separation of plastic floors. Besides, three conceptual solutions for an automated sorting process were generated and showcased with schematic graphs and 2D-3D illustrations. The concepts describe how the sorting process functions and what technology is used for each step of the process. Concept 1 and Concept 2 used both pattern recognition and spectroscopy methods. While Concept 3 only used spectroscopy methods. Moreover, spectroscopy methods were used to sort plastic floors by content while pattern recognition by appearance. Conclusions Recycling of torn and old plastic flooring can be beneficial for both the environment and the recycling industry. Yet, it presents some challenges relating to reliable, fast, and nondestructive identification for sorting and separation purposes. New and proven technology such as near-infrared hyperspectral imaging and pattern recognition can be used. However, high-quality pattern and spectrum libraries of multiple plastic floors have to be created for optimal and reliable reference models. Furthermore, pattern recognition and near-infrared methods need to be tested further at an industrial scale. / Bakgrund Tarkett AB Ronneby (Sverige) är ett golvlösning företag, erkänt för tillverkning och återvinning av homogent plastgolv. Tarkett AB återvinner huvudsakligen installations spill och tillverkningsfel. Tarkett AB överväger dock att utvidga sina återvinnings förmågor till att omfatta gamla och sönderrivna plastgolv som kan innehålla föroreningar och förbjudna ämnen eller plastgolv från konkurrerande varumärken. För att åstadkomma detta överväger Tarkett en helt ny återvinnings linje med en automatiserad sorteringsprocess istället för den aktuella manuella processen. Således föreslår Tarkett ett examensarbete för att konceptualisera ett nytt automatiserat sorteringssystem med ökad kapacitet och ökad funktionalitet. Syfte Detta arbete syftar till att undersöka den nuvarande sorterings processen och introducera konceptuella lösningar för en ny automatiserad sorteringsprocess som kan identifiera och separera plastgolv efter tillverkare, typ, skick och externt avfall med befintlig teknik. Metod De metoder och verktyg som används i detta arbete är huvudsakligen baserade på en modifierad produktutvecklingsprocess. Vilket börja med datainsamling av den aktuella sorterings processen, hitta behov och extrahera krav för en automatiserad sorteringsprocess, undersöka relevant teknik, utvärdera tekniken baserad på vetenskaplig litteratur och tester. Testningen genomfördes i samarbete med två företag. Nära-infraröda skannrar testades med Holger AB, medan mönsterigenkänning system testades med Vision-Geek. Slutligen utvecklades tre koncept för den automatiserade sorterings processen och visades genom flödesscheman och 2D-3D-illustrationer. Resultat Resultaten av detta arbete visade att det var möjligt att använda nära-infraröd och mönsterigenkänning för separering av plastgolv. Dessutom genererades tre konceptuella lösningar för en automatiserad sorteringsprocess och visades med schematiska grafer och 2D-3D-illustrationer. Begreppen beskriver hur sorterings processen fungerar och vilken teknik som används för varje steg i processen. Koncept 1 och Koncept 2 använde både mönsterigenkänning och spektroskopi metoder. Medan Koncept 3 bara använde spektroskopi metoder. Spektroskopi metoderna användes för att sortera plastgolv efter innehåll medan mönsterigenkänning efter utseende. Slutsats Återvinning av sönderrivna plastgolv kan vara fördelaktigt för både miljön och återvinningsindustrin. Dock finns det några utmaningar med anknytning till pålitlig, snabb och icke-förstörande identifiering för sorterings- och separation ändamål. Ny och beprövad teknik som nästan infraröd hyperspektral avbildning och mönsterigenkänning kan användas. Emellertid måste mönster- och spektrum bibliotek av hög kvalitet av flera plastgolv skapas för optimala och pålitliga referens-modeller. Dessutom måste mönsterigenkänning och nära-infraröda metoder testas vidare i industriell skala.