—— PROUCTS LIST
使用光學顯微鏡對零部件的清潔度進行顆粒計數(shù)和分析的方法
優(yōu)化清潔度工作流程
本報告介紹了使用光學顯微鏡對零部件的清潔度進行顆粒計數(shù)和分析的方法。顆粒計數(shù)和分析對汽車和電子行業(yè)的質(zhì)量保證非常重要。顆粒污染可能會導致零部件退化或失效。清潔度分析能快速確定顆粒的大小、類型以及造成損壞的概率。對于更高級的分析（如確定顆粒成分），則可以使用光學顯微鏡和激光誘導擊穿光譜（LIBS）。
引言
顆粒污染會嚴重影響汽車零部件和電子元件的性能和壽命[1-3]。如果關(guān)鍵部件受到重度污染，車輛或設(shè)備系統(tǒng)就會出現(xiàn)重大故障。因此，在質(zhì)量保證方面，清潔度對現(xiàn)代制造和生產(chǎn)至關(guān)重要[1-3]。
汽車零部件的清潔度顆粒分析發(fā)生在清洗零部件和通過過濾清洗液提取顆粒之后[1,2]。分析項目包括確定顆粒的尺寸和材料特性，同時進行顆粒計數(shù)。
以下各節(jié)將詳細介紹用于顆粒計數(shù)和分析的光學顯微鏡方法。
分析濾膜濾膜上的顆粒
分析濾膜上的顆粒時，可選的技術(shù)方法很多，如光學顯微鏡或掃描電子顯微鏡（SEM），具體取決于顆粒尺寸和材料特性。光學顯微鏡無疑是zui chang yong的顆粒分析方法。這種方法的成本很低，而且可以自動進行，因此有助提高分析效率，即確定顆粒的數(shù)量、大小和其他特定屬性（參考圖1）。
顆粒尺寸
顆粒可根據(jù)尺寸（即長、寬、高）和材料特性（如金屬、陶瓷或有機物）分為多種類別。光學顯微鏡可通過聚焦于濾膜的背景，然后聚焦于顆粒的頂部，從而測得顆粒的高度。大多數(shù)顆粒均為不規(guī)則、非圓形的形狀，因此長度可確定為接觸顆粒邊界的2條平行線之間的最大距離，又稱為最大費雷特直徑[2,4]（參考圖2）。顆粒寬度是指接觸顆粒外部邊界的2條平行線之間的最小距離，又稱為最小費雷特直徑[2,4]。
顆粒成分
由金屬或陶瓷組成的顆粒都質(zhì)地堅硬，可以研磨；而由塑料和其他有機材料組成的顆粒則質(zhì)地柔軟，研磨性欠佳。配有激光誘導擊穿光譜（LIBS）的光學顯微鏡可用于快速、準確地測定顆粒成分[3]（參考圖3）。其他方法（如掃描電子顯微鏡（SEM）+能量色散X射線譜儀（EDS/EDX））的速度則較慢且用時更久。與SEM/EDS/EDX相比，LIBS能更快地確定顆粒成分，從而更有效地找出顆粒污染的來源[3]。
顆粒危害的潛在風險
顆粒損害零部件的風險高低與產(chǎn)品和行業(yè)有關(guān)。在汽車行業(yè)中，大尺寸硬質(zhì)顆粒（如金屬和陶瓷）的研磨性和磨蝕性較高，因此比纖長、柔軟的塑料纖維更易造成損害。而在電子工業(yè)中，顆粒（通常是金屬顆粒）的導電性會非常高，尺寸超過200μm的顆粒最容易導致電路板短路。
顆粒分析解決方案
用戶可以采用基于光學顯微鏡的清潔度分析解決方案，高效、準確地進行顆粒計數(shù)和分析。綜合利用光學顯微鏡和激光誘導擊穿光譜（LIBS）的二合一材料分析解決方案先對濾膜上的顆粒進行目測，然后用LIBS進行化學分析，從而能讓工作流程更加高效、無縫銜接。
參考文獻
Y. Holzapfel, J. DeRose, G. Kreck, M. Rochowicz, Cleanliness Analysis in Relation to Particulate Contamination: Microscopy based measurement systems for automated particle analysis, Science Lab (2014) Leica Microsystems.
J. DeRose, K. Scheffler, D.R. Barbero, Key Factors for Efficient Cleanliness Analysis, Science Lab (2020) Leica Microsystems.
J. DeRose, K. Scheffler, Cleanliness Analysis with a 2-methods-in-1 solution: See the particles and know their composition at the same time, Science Lab (2019) Leica Microsystems.
J. DeRose, D. Barbero, K. Scheffler, Cleanliness of automotive components and parts: Importance of the ISO 16232 standard and VDA 19 guidelines for manufacturing processes in the automotive industry, Science Lab (2022) Leica Microsystems.
