스피커 | 성적 증명서 |
| 스튜어트 리틀 | 안녕하세요. Croda에서 JMP를 사용하여 신제품 개발을 추진하는 방법에 대한 이 강연에 오신 것을 환영합니다. |
| 그래서 오늘 다룰 내용은 먼저 Croda에 대한 일부 컨텍스트, JMP를 사용하는 방법, 해당 여정의 현재 위치, 해결하려는 문제에 대한 요약입니다. |
| 문제를 다룬 후에는 JMP로 이동하여 JMP의 도구와 플랫폼이 어떻게 쉬운 데이터 탐색과 쉬운 개발을 가능하게 했는지 살펴보겠습니다. |
| 구조 성능 모델의 |
| 마지막으로 이 작업의 결과와 방법에 대해 논의하면서 마무리하겠습니다. |
| 이러한 종류의 연구를 수행함으로써 우리는 비즈니스의 연구 측면에서 데이터 및 DOE 기술 사용에 대한 동의를 높일 수 있었습니다. |
| 먼저 Croda로서 우리가 누구인지. 정말 많이 나오는 질문인데요, |
| 우리는 B2B 기업이기 때문입니다. 그러나 비즈니스로서 Croda는 뒤에 이름이 있습니다. |
| 많은 고성능 재료와 기술, 그리고 다양한 시장에서 전 세계에서 가장 크고 가장 성공적인 브랜드 뒤에 있습니다. 우리는 특수 화학 물질을 만들고 제조하고 판매합니다. Croda의 시작부터 이들은 |
| 주로 지속 가능한 재료. 그래서 우리는 양털로 만든 라놀린을 만드는 것부터 시작했고 지속 가능성을 바탕으로 계속 발전해 나가고 있습니다. 작년에 우리는 |
| 2030년까지 긍정적인 기후, 토지 및 사람이 되겠다는 공개 서약을 하고 이를 달성하고 전 세계에서 가장 지속 가능한 혁신적인 재료 공급업체가 되기 위한 노력의 일환으로 UN 지속 가능한 개발 목표에 서명했습니다. |
| 따라서 우리가 서비스를 제공하는 시장 측면에서 우리는 스킨케어와 선케어, |
| 일종의 헤어 케어, 색조 화장품, 그리고 그런 종류의 전통적인 퍼스널 케어 제품. 생명 과학 사업, 우리 제품...우리 |
| 제품과 전문 지식은 고객이 제형과 활성 성분 사용을 최적화하는 데 도움이 됩니다. 내 말은, 가장 최근에 우리는 Pfizer와 계약을 맺었습니다. |
| COVID-19 백신에 들어가는 재료를 제공하기 위해. 우리의 산업용 화학 사업, |
| 즉, 비즈니스의 해당 부분은 기술적으로 차별화되고 주로 지속 가능한 재료를 광범위한 시장에 공급하는 책임이 있습니다. 많은 시장이 이 슬라이드의 다른 어떤 항목에도 적합하지 않습니다. |
| 그리고 마지막으로 우리는 성능 기술 사업을 시작했습니다. 이것은 많은, 다시, 많은 유사한 영역을 다루고 있습니다. |
| 이들 모두에 걸쳐 고성능 답변을 제공합니다. 그리고 오늘은 특히 에너지 기술 사업, 특히 고성능 전자 제품의 배터리 기술에 대해 이야기하고 있습니다. |
| Croda와 JMP에서 우리는 약 2년 동안 JMP를 사용해 왔으며 내부적으로 많은 관심을 가지고 있었습니다. 이러한 기술이 실제 가치가 있다는 확신을 구축하기가 더 어려워졌습니다. |
| 연구하다. 그래서 이것을 증명하기 위해 우리는 떠났습니다. 우리는 많은 사례 연구를 만들었습니다. |
| 전체적으로 꽤 성공적입니다. 우리는 잠재력과 그 안에 있는 몇 가지 함정을 보여주었습니다. 그런 다음 그 모든 것이 약간 더 큰 프로젝트 세트로 이어졌습니다. 그 중 하나는 우리가 이야기할... 오늘 여러분과 이야기할 것입니다. |
| 전기 냉각 시스템의 효율성을 어떻게 개선합니까? 이 프로젝트의 주요 동인은 |
| 일종의 운송 전기화, 그래서 배터리 차량입니다. 배터리를 올바르게 유지하는 방법은 무엇입니까? 모터가 최적의 수준에서 작동하는지 어떻게 확인합니까? |
| 아무도 감전시키지 않고 어떻게 그렇게 했습니까? |
| 따라서 현재 이러한 것들을 위한 일련의 냉각 방법이 있으며 고객은 확실히 개선할 수 있는 방법을 찾고 있습니다. 범위가 됩니다. |
| 아시다시피 이것은 매우 중요하고 광범위하게 유사한 다양한 응용 프로그램이 많이 있기 때문에 우리에게 정말 유용한 것은 |
| 일종의 데이터 주도 모델을 가짐으로써 이러한 유체에 대한 이해가 가능해졌습니다. 바로 여기서 JMP가 등장했습니다. 어떻게 할 수 있습니까? |
| 글쎄요, 우리가 가장 먼저 살펴본 것은 현재 냉각 방법이 무엇입니까? 따라서 배터리의 경우 이전 세대에서는 주로 공냉식 또는 냉간 냉각식입니다. |
| 그리고 자동차의 전자 장치에는 배터리와 반대되는 문제가 있지만 너무 뜨거워지는 경향이 있으므로 히트싱크를 사용하여 에너지를 제거하려고 합니다. |
| 그리고 전기 모터에서 우리는 저항을 최소화하려고 노력하고 있습니다. 그들은 유체로 뒤덮이는 경향이 있습니다. |
| 이 세 가지 경우 모두 들어오는 대체 냉각 방법 |
| 액체에 의존하므로 배터리와 전자 장치에 대한 직접적인 침수이고 전기 모터의 경우 흐름에 더 가까운 경향이 있습니다. |
| 그렇다면 그 액체는 어떻게 생겼을까요? 분명히 우리는 고전압을 다루기 때문에 전기 전도성이 없는 무언가를 가져야 합니다. |
| 또한 전자 장치에서 열을 끌어낼 수 있도록 매우 높은 열 전도도가 필요합니다. |
| 그리고 이러한 유체는 시스템 주위를 이동해야 하므로 점도가 낮아야 합니다. 그래서 우리는 응용 프로그램 자체에 의해 도입된 일종의 실제적인 물리적 제약이 있습니다. |
| 조금 더 깊이 들여다보면, |
| 열을 전달하는 유체의 능력은 주로 이 방정식을 기반으로 합니다. 그리고 이것이 우리에게 말해주는 것은 우리가 통제할 수 있는 부분이 있다는 것입니다. |
| 열전달 계수인 유체에 의해, 그리고 그것에 적용되는 엔지니어링 솔루션에 의해 제어되는 부분이 있습니다. 냉각할 영역은 무엇이며 냉각하려는 표면의 온도는 얼마입니까? |
| 그러나 모든 경우에 효율적인 열 전달을 얻으려면 높은 열 전달 계수를 가져야 하며 그것이 우리가 영향을 미칠 수 있는 것이므로 우리가 본 곳입니다. |
| 그 열전달 계수는 다음과 같이 정의됩니다. |
| 단순한 방식으로 이 방정식에 의해 거기에 다른 용어가 있지만 주로 |
| 그것은 밀도, 열전도도, 열용량의 함수이며 시스템의 점도에 영향을 미칩니다. |
| 따라서 관심 있는 응용 프로그램을 구체적으로 살펴보면 |
| 유전체 유체를 최적화하려면 밀도를 높이고 열전도율을 높이고 열용량을 늘려야 하지만 그와 함께 점도를 줄여야 합니다. |
| 그...액체의. |
| 그리고 이것들은 우리가 안고 있는 공학적 문제와 꽤 잘 맞아떨어져 도움이 됩니다. |
| 그래서 |
| 그것으로부터 우리가 정말로 하고 싶었던 것은 목표가 무엇인지 아는 것이었습니다. |
| 그리고 우리는 유전체 유체로서의 구조와 제품 성능 사이의 관계가 무엇인지 정말로 이해하고 싶었습니다. |
| 그래서 처음에 우리는 꽤 전통적인 방식으로 진행했고 많은 에스테르와 많은 다른 물질의 물리적 특성을 측정하는 대규모 연구를 시작했습니다. |
| 그런 다음, 우리가 그것을 보았을 때, 실제로 이 데이터가 존재하므로 이 데이터 세트를 사용하여 일부 모델을 시도하고 구축하는 것이 어떨까 생각했습니다. 성능 관계 구조. |
| 그래서 여기까지... JMP를 시작하겠습니다. 잠시만 기다려 주세요. |
| 좋아요. |
| 그래서 우리가 가장 먼저 한 일은 |
| 우리는 애플리케이션 팀이 표적 테스트를 통해 얻은 과거 데이터의 혼합을 수집했습니다. |
| 그리고 그것을 한 곳에 모은 후에는 JMP에서 우리가 측정하고 있는 물리적 특성 사이에 관계가 있지만 정말 단순한 수준에서 이해하기 위해 조사했습니다. |
| 따라서 이 데이터 세트를 보면 언제나처럼 JMP의 배포 플랫폼이 저에게 가장 먼저 떠오릅니다. |
| 그리고 원하는 것이 다른 곳에서 어떤 종류의 모호한 패턴을 가지고 있는지 확인하는 것은 정말 쉬운 방법입니다. 그래서 제가, 이 경우에, 오, 우리는 높은 열전도율을 가진 모든 것을 원한다고 말하면, 우리가 보는 것은 가로로 꽤 뻗어 있는 특성입니다. |
| 다른...우리가 측정한 다른 속성입니다. 그래서 정말 멋진 관계가 있습니다. 필요한 것은 우리가 기대했던 것입니다. 하지만 수표가 있으면 좋습니다. |
| 마찬가지로 모든 것을 다음과 같이 플로팅하면 |
| 산점도, 우리가 보는 것은 많은 노이즈입니다. 내 말은, 이 적합선은 실제로 적합하지 않다는 것을 보여주기 위한 참조용입니다. |
| 나는 이것들에 대한 당신의 상관 관계를 주장하지 않습니다. |
| 그리고 그 모든 것이 뻔한 답이 없다는 것이 아쉬웠다. |
| 예상했다. |
| 그것이 우리에게 흥미로웠던 부분은, 음, 우리는 명확하지 않을 것으로 기대하고 있었다는 것입니다... |
| 이러한 요인들 사이의 명확한 관계는 만약 있었다면 작업을 수행하는 숙련된 과학자들에게 명백했을 것이고 우리도 그것을 알았을 것이기 때문입니다. |
| 그래서 우리가 아는 것은 이러한 속성이 모두 가지고 있다는 것입니다. |
| 이해... 그들의 구조에 대한 관계. |
| 우리가 이러한 것들에 대한 몇 가지 물리적 매개변수를 계산하고 이를 여러 종류의 구조적 식별자 및 이러한 분자를 보는 방법과 결합하면 어떻게 될까요? 이 데이터를 테스트 데이터에 추가하면 어떻게 될까요? |
| 아...그러면 어떤 종류의 모델을 만들 수 있을까요? |
| 이것은 구조와 성능을 추정할 수 있게 되므로 정확히 우리가 한 것입니다. |
| 이 경우, |
| 우리가 보는 것 |
| 그게, |
| 다시 말하지만, 다변량 플랫폼을 사용하면 상관관계가 있는지 빠르게 확인할 수 있습니다. |
| 이러한 요인 중 일부에 대해 |
| 이것 |
| 어떤 경우에는 위와 아래 사이의 명확한 구분과 약간의 상관 관계에 대한 힌트가 있지만 이것이 필요한 유일한 것이라는 명확한 것은 없습니다. 다시 말하지만 이것은 우리가 예상한 것입니다. |
| 그래서 우리가 한 일 |
| JMP에서 회귀 플랫폼을 사용했습니까? |
| 시도하고 이해하기 위해 |
| 우리가 모델을 만들 수 있는지, 그리고 그것이 무엇인지 |
| 관계가 보인다. 이를 위해 행 선택을 위해 여러 행을 무작위로 선택했습니다. |
| JMP의 도구. 일반적으로 모델에 참여하지 않을 5개의 샘플을 무작위로 추출하면 상대적으로 이러한 모델이 구축됩니다. |
| 그래서 우리는 항상 우리가 하고 있는 일이 성공할 가능성이 있는지 확인하기 위해 초기 데이터에서 검증 세트를 가지고 있었습니다. |
| 그럼 80도 모델만 보자면 우리가 처음 접한 모델은 |
| 이것이었다. |
| 우리가 볼 수 있듯이 통계적 관점에서 볼 때 의미가 없는 이 모델에 포함된 많은 요인이 있습니다. |
| 그러나 이것들은 거기에 있는 분자를 설명하는 측면에서 상당히 중요하므로 화학자로서 우리는 이 모델을 만들었습니다. 그래서 이것은 분자를 허용하는 모델입니다. 원하신다면 이 응용 프로그램을 위해 설계할 수 있습니다. |
| 우리가 그것이 지나치게 적합하다는 것을 알고 있음에도 불구하고. 그리고 우리는 그것을 압니다 |
| 그것은...이러한 용어가 R의 제곱을 위아래로 계속해서 구동하기 때문에 실제로는 유효한 모델이 아닙니다. |
| 또한 우리 |
| 해당 용어 없이 모델을 구축했습니다. |
| 이것은 이러한 것들의 성능을 추정하는 측면에서 훨씬 더 나은 모델입니다. R 제곱은 터치 더 낮습니다. |
| 그러나 거기에 있는 모든 용어는 상당한 영향을 미칩니다. |
| 성능에. |
| 이 모델의 단점은 설계에 실제로 도움이 되지 않는다는 것입니다. |
| 새로운 화학. |
| 하지만 두 경우 모두 살펴보면 |
| 실제 측정된 값에 대한 예측된 값 사이에 합리적인 상관 관계가 있음을 알 수 있습니다. 확실히 우리가 상황이 높을 것으로 예상할 때 그들은 그렇습니다. |
| 그래서 이 모델이 실제로 우리를 위해 수행할 수 있다는 확신을 갖게 되었습니다. |
| 그리고... 이것이 얼마나 좋을지 살펴보았을 때 우리는 단순히 |
| 측정값과 실제값. 그리고 우리가 보는 것은 거의 보편적으로 10% 이내이며, 두 모델 모두 대부분 5% 이내입니다. |
| 다양한 유형의 자료에 걸쳐 다시 한 번 이것은 우리가 본 것이... 우리가 보고 있는 것이 실제 효과가 될 수 있다는 확신을 주었습니다. |
| 모두 아주 좋은, |
| 이것은 우리가 측정한 데이터의 효과일까요? |
| 그래서 우리가 한 일은 JMP의 프로파일러 플랫폼을 사용하고, 프로젝트 팀에 보낼 수 있는 공유 가능한 모델을 생성하고, 본질적으로 경쟁을 설정하고 누가 가장 높은 것을 찾을 수 있는지 살펴보라고 말했습니다. |
| 실제로 만들 수 있는 분자에서 이 모델의 가장 높은 열전도율, |
| 이깁니다. |
| 알다시피, 우리는 유망해 보이는 약 14개의 자료 목록을 가지고 있었습니다. 원재료 수급이 불가능해 몇 개를 잘라내야 했고, 결국 합성 및 테스트를 거친 약 9개의 신소재가 나왔다. 이제 이러한 자료는 거의 독점적이었습니다. |
| 모델이 이전에 실제로 본 적이 없는 재료로 만들어졌습니다. 경우에 따라 분자의 일부는 동일하지만 원래 재료와 상당히 다릅니다. |
| 일단 우리가 그것들을 만들고, 그것들이 테스트되면, 우리는 그것들을 다시 모델에 넣었습니다. |
| 이 모델의 예측력이 어떤지 보기 위해서였습니다. |
| 따라서 해당 데이터를 살펴보면 이러한 재료의 차이점을 고려할 때 충분히 기대하고 있었습니다. |
| 이것... |
| 이것은 모델을 깨는 것입니다. |
| 그러나 우리가 언제 ... |
| 예고편을 다시 보자면 |
| 우리가 보는 것은 강조 표시된 파란색이 만들어진 새로운 재료입니다. 알다시피, 우리는 단지 확인하기 위해 일부러 호기심 때문에 더 낮은 커플을 골랐습니다. 그리고 우리가 높을 것이라고 생각한 모든 항목이 높았습니다. |
| 따라서 구조 설계 관점에서 가치가 있는 과적합 모델에서 우리가 보는 것은 하나의 이상값입니다. 통계적으로 타당한 모델에서는 실제로 전반적으로 훨씬 더 잘 맞는 것을 볼 수 있습니다. |
| 그리고 그것은 |
| 우리가 하나의 분자를 설계하지 않고 이렇게 말할 수 있다는 점에서 교화할 수 있습니다. 여기 당신이 만들어야 할 한 가지가 있습니다. 그러나 확실히 합성 화학자들에게 프로젝트를 실제로 추진할 올바른 종류의 재료 유형을 지시할 수 있습니다. |
| 따라서 이러한 잔차를 다시 살펴보면 우리가 보는 것은 |
| 오버피팅이 없는 통계적으로 좋은 모델의 경우 모든 것이 새로운 재료의 10% 이내라는 것을 알았습니다. |
| 우리가 달성하려고 했던 것에는 충분했습니다. 과적합 모델에는 10% 미만인 몇 가지가 있지만 다시 말하지만 이것은 내가 기대하는 것입니다. |
| 아시다시피, 그것들이 모두 올바른 범위에 있다는 것이 좋았습니다. 왜냐하면 이 접근 방식이 가치가 있다는 것을 보여주기 때문입니다. tlhink, 우리가 9개의 재료를 생산하고 그것들이 모두 1% 이내였더라면, |
| 사람들도 그렇게 믿었을지 모르겠습니다. |
| 그래서 |
| 사실, 우리는 비슷한 것을 얻었습니다 ... |
| 우리가 시작한 재료와 우리가 만든 새로운 재료의 예측과 비슷한 수준의 차이입니다. 그래서 우리는 이 모델에서 이것에 대한 진정한 확신을 갖기 시작했습니다. |
| 그리고 나서 그냥 돌아가면 |
| 슬라이드 1초. |
| 그럼 우리가 말할 수 있는 것은 |
| 이러한 재료의 구조 성능 관계 |
| 회귀 플랫폼을 사용하여 JMP에서 생성되었습니다. |
| 우리는 JMP의 시각화 도구를 사용하여 이를 수행하는 데 실질적인 이점이 있고 모델 자체가 이 프로젝트에서 이러한 새로운 자료의 강조를 지시하는 데 사용되고 있음을 확인할 수 있었습니다. 우리가 이미 만든 것에서 테스트할 가능성이 있는 재료를 선별하는 데 사용되고 있습니다. |
| 그리고 그것은 모델과 우리가 만들고 있는 새로운 분자 사이의 결과에 받아들일 수 있는 상관관계가 있다는 것입니다. |
| 이 모든 것이 이 접근법에 진정한 확신을 주었고, 우리가 이 프로젝트를 더 추진하고 특정 대상 재료로 분할할 수 있게 해주었습니다. |
| 따라서 새로운 분자의 관점에서 볼 때, |
| 우리는 열전도율이 더 높은 분자를 강조했습니다. 이 도표에서 볼 수 있듯이 모든 새로운 분자는 열전도도 범위에서 중간에서 높은 정도입니다. |
| 우리는 데이터를 사용하여 개선을 목표로 삼을 수 있음을 입증한 다음 실험실에서 이를 확인하고 실현했습니다. |
| 이 프로젝트가 여전히 어려워지는 부분은 이제 다른 모든 요소에 대해 유사한 모델을 구축하려고 합니다. |
| 이러한 유전체 유체의 성능에 영향을 미치고 최상의 결과를 찾기 위해 이러한 모델을 서로 균형을 맞추려고 노력할 것입니다. |
| 따라서 이 모든 추가 개발이 진행 중이지만 그 모멘텀은 순전히 JMP와 그 안의 플랫폼을 사용하여 데이터 집합을 가져오기 쉽기 때문에 가능했습니다. |
| 그리고 약간의 도메인 지식을 가지고 앞으로 나아가고 말할 수 있습니다. 예, Croda를 위한 이 영역의 이 프로젝트와 후속 프로젝트에 대한 이러한 강조를 지시하는 데 도움이 될 모델이 있습니다. |
| 따라서 결론적으로 테스트에서 얻은 데이터는 이러한 재료의 성능을 성공적으로 모델링하는 데 사용되었습니다. 절대적으로 완벽하지는 않지만 우리가 원하는 것에 충분합니다. |
| 모델... |
| 모델이 보여줍니다 |
| 구조 성능과 에스테르의 관계가 있다는 것입니다(죄송합니다. 작업 표시줄이 왜 이리저리 움직이는지 잘 모르겠습니다). 이 모델은 열전도율이 높은 재료를 예측하는 데 사용되었습니다. |
| 그런 다음 이러한 예측은 처음에는 단지 배제에 의해 검증된 다음 새로운 재료를 만들어 이 모델이 해당 유형의 화학에 대해 유지됨을 실제로 보여줌으로써 검증됩니다. |
| 또한, |
| 이 경우 유전체가 아닌 다른 재료, 유사한 모델을 구축하는 경우 특정 응용 분야에 대한 특정 재료를 생성할 수 있습니다. |
| 그리고 내가 가장 중요하게 생각하는 것은, |
| 이 작업의 진정한 성공은 JMP가 가지고 있는 것이 좋은 것이 아니라...JMP가 연구를 개발하고 데이터 세트를 매우 빠르게 살펴보고 거기에 무언가가 있는지를 말할 수 있는 진정한 플랫폼이라는 것을 입증할 수 있는 내부 추진력을 구축했습니다. ? |
| 그리고 그것으로, |
| 시청해주셔서 감사하다는 말씀을 드리고 싶습니다. 분명히 녹음에 대한 질문에 답할 수는 없지만 연락을 원하시면 커뮤니티에 댓글을 달아주세요. 네, 정말 감사합니다. |
