水性压敏胶粘剂(psa)是粘弹性材料通常用于标签和胶带,其他应用程序。基本的PSA性能属性,如钉,皮和剪切取决于聚合物的体积线性粘弹性性质。1、2此外,附着力试验时间尺度之间存在的相关性和聚合物变形频率,与策略、皮和剪切试验时间尺度生成频率范围102到102rad / s。1、2常使用这个频率范围加上PSA存储(G (G)和损失”)模定义所谓的粘弹性窗口,在一个给定的PSA的窗口提供了洞察其性能特性和PSA的类型(例如,移动、通用等)。1、2

PSA粘弹性行为之间的关系在给定频率和性能是有用的作为一种手段目标PSA性能属性和应用程序。标准的胶粘剂应用程序测试策略、皮和剪切可以耗费时间和高度依赖于膜厚度和质量,从而导致测试结果的高可变性(特别是与剪切强度测试)。然而,利用流变学调查PSA粘弹性行为更耗费时间,更可重复使用中性能的代表。流变学使一个屏幕样品快速、准确地识别趋势合成参数,实现有针对性的PSA属性。

在本文中,一个Box-Behnken响应面实验设计进行调查的影响PSA单体类型、链转移剂浓度和添加方法对性能属性。趋势PSA性能和流变学测定通过方差分析(方差分析)和响应面回归分析使用一款统计软件®统计软件和用于开发经验模型的预测PSA的属性。试图建立回归模型来预测PSA从流变学性能数据,消除传统的必要性,耗时的PSA测试应用程序。

实验程序

所有PSA通过种子半连续乳液聚合乳胶样品生产。目标乳胶粒子大小和固体含量是400海里和60%,分别。PSA玻璃化转变温度(Tg)是由DSC (10°C /分钟。加热坡道)。FINAT PSA测试方法进行测量样品环策略,180°皮粘连和剪切强度。粘弹性性质不同的PSA样本测量TA仪器AR-G2流变仪在23°C / 10的频率范围2到102rad / s使用20毫米平行板几何株(1%)

结果与讨论

实验设计

Box-Behnken响应面设计被用来探索三个变量水性压敏胶性能的影响。表1总结了能源部变量,软单体类型(EHA 2-ethylhexyl丙烯酸酯,丙烯酸丁酯,英航和两者的混合,EHA / BA),链转移剂(CTA)浓度和CTA方法。CTA浓度分别为0.125,0.25和0.5部分每几百单体。研究了三种不同方法的CTA除了被指示为1,1.5和2。能源部输出包含三个FINAT测试方法:循环策略(FTM9), 180°皮粘连(FTM1),剪切强度(FTM8)和流变学。

PSA性能评价和流变学

表2总结了FINAT测试方法的结果和存储(G (G)和损失”)在特定频率基于模Chang的粘弹性窗口的概念。1、2在w = 10 G”2rad / s(以下表示G (102)是用于剪切强度,模频率对应的键和脱胶过程被用于皮和策略。1、2在皮测试键对应于(10 G”2)和舒解,包括凝聚强度和能量耗散项,对应于(10 G”2)和G”(102)。1、2策略测试相同的脱胶频率依赖皮;然而,在100 rad / s键频率较高。因此G’(100(10)和G”2)和G”(102)被用来对应于循环策略的结果。

块G, G代表“与角频率,w (rad / s),为EHA-based psa (psa 1、2、9和11)如图1所示。这组明显的粘弹性行为的差异明显。进一步比较这些曲线表明,该流变差异在上述频率与性能测试结果如表2所示。例如,在图1中,PSA 1 G(10的最高价值2),它对应于剪切强度,而PSA 11最低。比较测量剪切阻力和G (102)值表2中证实,剪切强度最高(1577¢±390¢)在PSA 1和最低(11¢±1¢)PSA 11。这一趋势之间的剪切阻力和G (102)数据也适用于其他PSA样本(当按软单体类型分组)和各自的模与wplots中一览无遗(没有显示)。

循环策略和180°皮粘连,然而,更复杂,因为它们涉及键和脱胶过程,使流变趋势更难以辨别。例如,图1中的四个公益广告,PSA 2最高测量循环策略(11.1±1.4 n)和最低的G (100)值(2.53 x 104Pa),后者支持前者,结合频率模量越低,越高预期的策略。然而,PSA评分2 G, G”(102)值也和next-to-lowest最低,分别,这表明它有脱胶电阻低于其他人在图1。这个矛盾的组合模很难直观推断策略和皮趋势直接从线性粘弹性行为。因此,一个更直接的性能指标之间的相关性和流变学的结果是通过一款统计软件16统计软件和回归分析。

PSA实验设计

PSA性能趋势确定使用Minitab 16统计软件。响应面回归分析用于分析输出作为独立变量的函数。Box-Cox情节被用来确定适当的转换申请响应输出数据。输出包括FINAT测试结果和流变学在特定的频率值。

数据分析来确定第一和二阶效应,即。、主要影响和交互。图2说明了主要影响,交互和表面情节ln(剪切)。主效应图显示,各级输出意味着每个变量的中心线在情节代表的意思是ln(剪切)数据。

主要影响软单体图在图2中,每个变量的趋势线连接的方法是平的,表明ln(剪切)是不受软单体探索的范围。趋势线的其他两个变量,但是,不是平的,表明这些变量影响ln(剪切)。这不是意外,CTA浓度和添加方法特别选为变量对剪切由于众所周知的影响。趋势线的斜率之间的变量水平给予的力量和方向的影响。CTA浓度主要影响图在图2中,趋势线的斜率从0.125到0.250榜单是陡峭的和消极的,表明CTA浓度有一个强烈的负面(逆)对ln(剪切)的影响。这一趋势表明剪切最高有望发现使用CTA最低级别,这是有效的CTA温和派聚合物分子量和交联(凝胶分数)。然而,这种效应的强度大大减少在CTA浓度> 0.250榜单由较低的趋势线的斜率表示在这些更高的CTA的水平。同样,CTA方法主要影响情节展示了一个强烈的负面影响ln(剪切)从1.5到2添加方法,但不同ln(剪切)观察方法1和1.5之间。

交互图在图2中,这情节意味着每个变量与一个固定的水平的第二个变量,进一步了解变量的交互影响的输出响应。平行的趋势线显示没有交互,交互强度由程度表示线偏离平行。软单体浓度与CTA的互动情节,红线(BA-based psa)与其他两个不平行,说明一个交互。相同的分析应用到其他两个交互图显示另一个软单体之间的相互作用和CTA方法,和小CTA浓度之间的相互作用和CTA方法研究范围。

图2(右边)也显示了三个响应面图生成的ln(剪切)。检查顶部曲面图,我们看到剪切浓度增加而减少CTA和保持不变在软单体轴运动;再次表明剪切是独立的软单体类型的研究。中间曲面图显示了一个当地的表面,清楚地表明一个地区最大ln(剪切)与CTA方法为1.5,无论软单体类型。最后,底面图显示最高ln(剪切)最低CTA浓度和附近地区CTA方法1.5。

同样的趋势分析的所有其他响应输出(包括流变分析结果),和一个矩阵总结主要影响趋势表3所示。这个总结矩阵列出给定变量的影响(正面或负面)以及影响的强度(弱,中度或强)在一个给定的输出变量从最低到最高的水平。

PSA响应表面

表4显示了所有的实证模型开发的响应输出,除了180°皮粘连(24小时住)和各自的R2,R2pred。和R2adj。假定值缺乏配合和残差。所有模型没有显示出缺乏适合= 0.05,和残差是正常的,没有显示出趋势。

最高的性能模型2pred。值是ln(剪切)(89.5%)和循环策略(72.7%),表明一个适当的为新配方预测反应的能力水平。此外,R2adj。值这两个模型高,ln(剪切)的模型充分描述94.8%的数据变化,同样83.5%的数据变异for循环的策略。皮粘连是更难模型与20分钟住皮粘连R2adj。的65%。R2pred。值这个模型比前两个37.5%低得多。

流变学模型优于性能模型的相关性2,R2pred。和R2adj。值;R2adj。值描述至少85%的数据变化。此外,(10 G”2(10)和G”2最高R)模型2pred。值的模型,均大于92%。其他两个流变,G’(100(10)和G”2),与R相关性较低2pred。值分别为73.1%和68.9%。

在表4中,模型系数呈现非特异性(B0B1B2显而易见的原因等);然而他们的方向影响(正面或负面)报道。最重要的变量影响ln(剪切)CTA浓度,作为一阶和二次项,前有一个负面影响,后者积极。第二个最有影响力的变量是CTA方法,适度积极的影响。这些结果并不意外,CTA水平有很大影响聚合物分子量和凝胶分数,直接影响PSA凝聚强度(即特征。蠕变阻力)。负(或逆)影响源于高CTA浓度生产低分子量凝胶分数,因此较低的剪切强度。软单体类型不存在影响,即。剪切强度是独立于软单体;然而非常小的协同效应(交互)之间的软单体和CTA方法。不意外,CTA和CTA2也最具影响力的G’(102)模型和同一方向,表明良好的相关性(10 G”2)和蠕变的发病的时间尺度。

CTA浓度是最具影响力的for循环变量的策略,与一个强大的负面影响,其次是一个重要的积极影响互动的CTA浓度和CTA方法。同样,CTA浓度也最具影响力的变量(10 G的0)模型,它对应于焊接过程策略测试,再是负面的。软单体是第二最有影响力的因素(10 G”0)。当仅考虑,这个逆CTA浓度关系循环策略和G’(100)是反直觉的。策略与CTA浓度可能会增加,因为(其他所有条件都相同)高CTA浓度会导致低分子量,可以更容易地湿底物。然而,CTA浓度和CTA方法交互项,以其积极影响循环策略,表明变量除了CTA浓度发挥影响力。此外,循环策略也依赖脱胶频率模,更为复杂的结论基于唯一的参数。

20分钟住皮粘连模型的相关性很差(R2pred。< 50%),因此不推荐这个模型。还需要进一步的研究来开发一个更好的预测方法在20分钟住皮粘附性能。

PSA的相关性能和流变学

为了发展模型来预测剪切阻力,循环策略和180°皮粘连的线性粘弹性行为,使用Minitab 16绘制性能指标作为响应变量和频率扫描数据预测变量。然后基于拟合直线回归模型。线性回归模型的所有情节,被发现适合反映流变学数据的趋势。数据正常和剩余地块进行特定模式和没有被观察到。表5总结了模型回归方程,R2R2adj。值以及假定值的方差分析和残差(= 0.05)。

的安装线阴谋ln(剪切)与G (102图3所示)清楚地显示了剪切强度之间的正相关和储能模量在低频率。的相关值R2和R2adj。分别是63.9%和61.2%,代表一个适当的模型描述变异的61%。另外,一个循环之间存在负相关的策略和日志(G (100))(图未显示,R2和R2adj。分别为61%和58%)。增加储能模量表明PSA的更高的流动阻力,导致低衬底湿透,降低焊接效率,从而降低循环的策略。情节for循环策略与日志(G (102))和日志(G”(102)也逆相关,表明低模脱胶频率给更高的策略(R2adj。大约50%)。然而,循环策略的数据和日志(G (102)被发现不正常,需要额外的模型细化。

皮粘连模型(R不足2和R2adj。远低于50%)。回想一下,20分钟住皮粘连的响应面模型(表4)不是那么好相关的ln(剪切)或循环策略,R2adj。和R2pred。值仅为65%和38%,分别。困难在发展中令人满意的模型皮粘连可能在于高可变性的皮粘附性能数据本身,即。,一个不完善的测量系统。然而,张2表现出良好的剥离强度和流变行为之间的相关性。因此,预计流变学数据预测PSA的表现比皮粘连模型。

结论

软单体类型的影响,CTA浓度和CTA方法基本PSA的粘弹性性质进行了研究。能源部分析和实证模型表明CTA浓度是最具影响力的所有响应输出变量。它有一个强大的正面影响循环策略和强大的负面影响剪切强度,表明策略和剪切不能同时增加,至少在研究条件下。此外,中层CTA浓度提供了最高的皮粘连。

Box-Behnken实验设计用于与粘弹性特性对传统PSA测试协议。最好的之间的相关性被发现ln(剪切)和循环策略,指示一个适当的预测能力胶粘剂性能作为衡量标准测试协议(R2pred。分别为90%和73%)。皮粘连(20分钟)居住证明模型(R更加困难2pred。38%),可能由于可变性皮附着力测试方法本身。作为一个整体,胶粘剂的线性粘弹性行为以G”(102(10)和G”2)被证明是最好的相关性与胶粘剂的性能(R2pred。> 92%)。

拟合直线回归的阴谋与流变数据,用于关联性能指标和线性回归模型适合于所有情况。适当的模型只发现关联ln(剪切)与G”(102日志(G)和循环策略”(100))。前模型显示剪切之间的正相关和G (102)。后者模型显示一个逆循环策略之间的相关性和日志(G (100))和描述数据变异的58%。评分模型循环策略和G, G“在脱胶频率不足(R2adj。大约50%)。没有足够的模型被发现皮粘连,可能是因为皮的高可变性粘附性能数据,即。,可怜的测量系统。

通过杰森·洛克,安德鲁•Hearley Shankar Godavarti基思•柯克伍德和t·霍华德Killilea,马伦戈工程聚合物解决方案(EPS)

确认

作者希望欣然承认劳拉火腿PSA进行性能测试。

引用

1Chang密纹唱片1991年j .附着力,34岁,189 - 200。

2Chang密纹唱片1997年j .附着力,60岁,233 - 248。