Lautsprecher | Abschrift |
| Stuart Little | Hallo zusammen, und willkommen zu diesem Vortrag darüber, wie JMP bei Croda eingesetzt wird, um die Entwicklung neuer Produkte voranzutreiben. |
| Also, was wir heute behandeln werden, und zuerst werden wir etwas Kontext zu Croda behandeln, wie wir JMP verwenden und wo wir uns auf dieser Reise befinden, und eine Zusammenfassung des Problems, das wir zu lösen versuchen. |
| Sobald Sie das Problem gelöst haben, werden wir zu JMP wechseln und uns ansehen, wie die Tools und Plattformen in JMP eine einfache Datenexploration und eine einfache Entwicklung ermöglicht haben |
| eines Strukturleistungsmodells. |
| Und zum Schluss werden wir dies abschließen, indem wir die Ergebnisse dieser Arbeit und das Wie besprechen |
| Durch diese Art von Forschung konnten wir die Akzeptanz für die Verwendung von Daten und DOE-Techniken in und ... in der Forschungsseite des Geschäfts erhöhen. |
| Also erstens, wer wir als Croda sind. Es ist eine Frage, die ziemlich oft auftaucht, |
| weil wir ein Business-to-Business-Unternehmen sind. Aber als Unternehmen ist Croda der Name dahinter |
| eine Menge leistungsstarker Inhaltsstoffe und Technologien und hinter vielen der größten und erfolgreichsten Marken auf der ganzen Welt und in einer Reihe von Märkten. Wir entwickeln, produzieren und verkaufen Spezialchemikalien. Seit den Anfängen von Croda waren dies |
| überwiegend nachhaltige Materialien. Also begannen wir mit der Herstellung von Lanolin, das aus Schafwolle gewonnen wird, und wir bauen kontinuierlich auf dieser Nachhaltigkeit auf. Letztes Jahr wir |
| haben sich öffentlich verpflichtet, bis 2030 klima-, land- und menschenfreundlich zu sein, und haben sich als Teil unseres Bestrebens, dies zu erreichen, den UN-Zielen für nachhaltige Entwicklung angeschlossen und der nachhaltigste Lieferant innovativer Inhaltsstoffe auf der ganzen Welt werden wollen. |
| In Bezug auf die Märkte, die wir bedienen, haben wir also eine Art sehr großes Körperpflegegeschäft, in dem wir uns mit Hautpflege und Sonnenpflege befassen |
| Art der Haarpflege, Farbkosmetik und diese Art von traditionellen Körperpflegeprodukten. Life-Sciences-Geschäft, unsere Produkte...unsere |
| Produkte und Know-how helfen den Kunden, ihre Formulierungen und ihren Wirkstoffeinsatz zu optimieren. Ich meine, zuletzt haben wir eine Vereinbarung mit Pfizer getroffen |
| um Materialien bereitzustellen, die in ihren COVID-19-Impfstoff einfließen. Unser Geschäft mit Industriechemikalien, |
| das ist ... dieser Teil des Geschäfts ist dafür verantwortlich, technisch differenzierte, überwiegend nachhaltige Materialien für eine Vielzahl von Märkten zu liefern. Viele Märkte sind nicht ganz ... passen nicht ganz in irgendetwas anderes auf dieser Folie. |
| Und dann haben wir endlich unser Geschäft mit Leistungstechnologien. Dies deckt eine Menge ab, wiederum viele ähnliche Bereiche, |
| Bereitstellung hochleistungsfähiger Antworten in all diesen Bereichen. Und dann sprechen wir heute insbesondere über unser Geschäft mit Energietechnologien, und zwar sozusagen über Batterietechnologie in der Hochleistungselektronik. |
| Also, wo wir bei Croda und JMP stehen, verwenden wir JMP seit ungefähr zwei Jahren und wir hatten intern großes Interesse. Es war schwieriger, Vertrauen aufzubauen, dass diese Techniken einen echten Wert haben |
| forschen. Um dies zu beweisen, sind wir weggegangen und haben eine Reihe von Fallstudien erstellt |
| insgesamt recht erfolgreich. Wir haben das Potenzial und einige der Fallstricke darin aufgezeigt. Und dann hat all das zu einer etwas größeren Reihe von Projekten geführt, von denen eines dasjenige ist, über das wir sprechen werden ... wir sprechen heute mit Ihnen. |
| Wie verbessern wir die Effizienz elektrischer Kühlsysteme? Der primäre Treiber für dieses Projekt ist |
| eine Art Transportelektrifizierung, also Batteriefahrzeuge. Wie pflegt man die Batterie richtig? Wie stellen Sie sicher, dass die Motoren optimal arbeiten? |
| Und wie hast du das gemacht, ohne jemanden durch Stromschlag zu töten? |
| Derzeit gibt es also eine Reihe von Kühlmethoden für diese Dinge, die unsere Kunden sicherlich prüfen, wie sie verbessert werden können, denn je besser beispielsweise die Batteriekühlung gesteuert wird, desto besser und beständiger ist die Batteriekapazität Reichweite wird sein. |
| Und weil dies, wissen Sie, von entscheidender Bedeutung ist und es viele verschiedene Anwendungen gibt, die sich im Großen und Ganzen ähneln, wäre das wirklich Nützliche für uns, etwas zu bauen |
| ein Verständnis dieser Flüssigkeiten, indem man eine Art datengesteuertes Modell hat, und hier kam JMP ins Spiel. Wie können wir das tun? |
| Nun, das erste, was wir uns angesehen haben, war, was sind die aktuellen Kühlmethoden? Batterien sind also in der vorherigen Generation überwiegend luftgekühlt oder kaltplattengekühlt. |
| Und die Elektronik im Auto hat das gegenteilige Problem der Batterie, aber das Ding neigt dazu, zu heiß zu werden, dann haben wir Kühlkörper, um zu versuchen, diese Energie wegzunehmen. |
| Und bei Elektromotoren versuchen wir, den Widerstand dort zu minimieren, sie neigen dazu, mit Flüssigkeit ummantelt zu sein. |
| In allen drei Fällen ist die ankommende alternative Kühlmethode |
| ist auf Flüssigkeit angewiesen, das ist also direktes Eintauchen für Batterien und Elektronik, und dann, was die Elektromotoren betrifft, ist das eher ein Fluss. |
| Wie sieht diese Flüssigkeit aus? Offensichtlich haben wir es mit hohen Spannungen zu tun, also müssen wir etwas haben, das nicht elektrisch leitfähig ist. |
| Es muss auch eine sehr hohe Wärmeleitfähigkeit haben, damit es Wärme aus der Elektronik ziehen kann. |
| Und weil diese Flüssigkeiten im System bewegt werden müssen, muss die Viskosität niedrig sein. Wir haben also eine Art praktische physische Einschränkungen, die durch die Anwendung selbst eingeführt wurden. |
| Wenn man sich das etwas genauer anschaut, |
| die Fähigkeit der Fluide, Wärme zu übertragen, basiert überwiegend auf dieser Gleichung. Und das sagt uns, dass es einen Teil gibt, den wir kontrollieren können |
| durch das Fluid, das ist der Wärmeübertragungskoeffizient, und dann gibt es einen Teil, der von der technischen Lösung in der Anwendung dazu gesteuert wird. Was ist der Bereich zum Kühlen und wie hoch sind die Temperaturen der Oberflächen, die Sie kühlen möchten? |
| Aber um eine effiziente Wärmeübertragung zu erreichen, müssen wir in allen Fällen einen hohen Wärmeübertragungskoeffizienten haben, und da wir dies erreichen können, haben wir danach gesucht. |
| Dieser Wärmeübergangskoeffizient ist definiert |
| Durch diese Gleichung auf vereinfachte Weise gibt es andere Begriffe, aber überwiegend, |
| es ist eine Funktion der Dichte, der Wärmeleitfähigkeit, der Wärmekapazität und wirkt sich dann auf die Viskosität des Systems aus. |
| Wenn wir also speziell nach den Anwendungen suchen, an denen wir interessiert sind, |
| Wenn wir unser Dielektrikum optimieren wollen, müssen wir die Dichte erhöhen, die Wärmeleitfähigkeit erhöhen und die Wärmekapazität erhöhen, aber gleichzeitig müssen wir die Viskosität verringern |
| der ... der Flüssigkeit. |
| Und diese passen ziemlich gut zu den technischen Herausforderungen, die wir haben, was hilfreich ist. |
| So |
| Was wir wirklich wollten, war, dass wir wussten, was das Ziel war. |
| Und wir wollten wirklich verstehen, wie die Beziehung zwischen Struktur und Produktleistung als Dielektrikum ist. |
| Also gingen wir zunächst ziemlich traditionell vor und begannen mit der Durchführung einer groß angelegten Studie, bei der die physikalischen Eigenschaften vieler Ester und vieler anderer Materialien gemessen wurden. |
| Und dann, als wir das sahen und uns das ansahen, dachten wir, eigentlich existieren diese Daten, warum verwenden wir diese Datensätze nicht, um zu versuchen, einige Modelle zu erstellen, und sagen, können wir diese physikalische Eigenschaft wirklich verstehen? Beziehung zwischen Struktur und Leistung. |
| Das ist also, wo wir gerade in JMP vorbeischauen, also haben Sie eine Sekunde Geduld mit mir. |
| Okay. |
| Also das erste, was wir taten |
| Wir haben diese Mischung aus historischen Daten zusammengestellt, Daten, die durch gezielte Tests durch die Anwendungsteams gewonnen wurden. |
| Und sobald wir das an einem Ort haben, haben wir das in JMP untersucht, um zu sagen, gibt es ... zu verstehen, gibt es eine Beziehung, aber auf einer wirklich einfachen Ebene zwischen den physikalischen Eigenschaften, die wir messen. |
| Wenn wir uns also diesen Datensatz ansehen, ist die erste Anlaufstelle für mich wie immer die Vertriebsplattform in JMP. |
| Und es ist eine wirklich einfache Möglichkeit, einfach zu sehen, ob etwas, das Sie wollen, irgendwo anders irgendein vages Muster hat. Wenn ich also in diesem Fall sage, oh, wir wollen alles, was eine hohe Wärmeleitfähigkeit hat, dann sehen wir die Eigenschaften, die ziemlich ausgedehnt sind |
| das andere ... die anderen Eigenschaften, die wir gemessen haben. Es heißt also nicht wirklich, oh, es gibt eine brillante Beziehung, was Sie brauchen, ist das, was wir erwartet haben. Aber es ist schön, einen Scheck zu haben. |
| Ebenso, wenn wir dann alles als plotten |
| Streudiagramme, was wir sehen, ist viel Rauschen. Ich meine, diese Passungslinien sind nur als Referenz da, um zu zeigen, dass es nicht wirklich passt. |
| In keiner Weise beanspruche ich Ihre Korrelation zu diesen. |
| Und all das war enttäuschend, dass es keine offensichtliche Antwort gibt |
| war erwartet. |
| Wo es für uns interessant wurde, sagten wir, nun, wir hatten erwartet, dass es keine klare... |
| eine klare Beziehung zwischen einem dieser Faktoren, denn wenn es eine gäbe, wäre es für die erfahrenen Wissenschaftler, die die Arbeit machen, offensichtlich gewesen, und wir hätten das gewusst. |
| Also sagten wir, nun, was wir wissen, ist, dass diese Eigenschaften alle haben |
| ein Verständnis ... eine Beziehung zu ihrer Struktur. |
| Was passiert, wenn wir einige physikalische Parameter für diese Dinge berechnen und diese mit einer Reihe von strukturellen Identifikatoren und Betrachtungsweisen dieser Moleküle kombinieren? Was passiert, wenn wir das nehmen und diese Daten zu den Testdaten hinzufügen? |
| Wissen Sie, können wir dann eine Art Modell bauen? |
| Dies beginnt damit, Struktur und Leistung abzuschätzen, also haben wir genau das getan. |
| Sie wissen, in diesem Fall |
| was wir sehen |
| ist das, |
| Nochmals, wenn wir die multivariate Plattform verwenden, nur als kurzer Blick, um zu sehen, ob es eine Korrelation gibt |
| auf einige dieser Faktoren, |
| Das |
| in einigen Fällen eine klare Unterscheidung zwischen oben und unten und vielleicht ein paar Hinweise auf Korrelationen, aber nichts Klares, das besagt, dass dies das Einzige ist, was Sie brauchen. Auch das haben wir erwartet. |
| Also dann, was wir taten |
| Wir haben die Regressionsplattformen in JMP verwendet |
| zu versuchen und zu verstehen |
| ob wir ein Modell bauen könnten, und was das |
| Beziehung aussieht. Dazu haben wir also zufällig eine Reihe von Zeilen für die Zeilenauswahl ausgewählt |
| Werkzeug in JMP. Wenn Sie im Allgemeinen fünf Stichproben zufällig herausziehen, die nicht am Modell teilnehmen würden, sind diese Modelle relativ aufgebaut |
| und verfeinerten sie auf diese Weise, so dass wir immer einen Validierungssatz von den Anfangsdaten hatten, nur um ... nur um zu überprüfen, ob das, was wir taten, eine Chance auf Erfolg hatte. |
| Also, wenn wir uns nur die 80-Grad-Modelle ansehen, das erste Modell, zu dem wir gekommen sind |
| war dieser. |
| Wie wir sehen können, gibt es eindeutig eine Reihe von Faktoren, die in dieses Modell aufgenommen wurden, die aus statistischer Sicht keinen Sinn ergeben, weil sie einfach überangepasst und einfach nicht signifikant sind. |
| Diese sind jedoch ziemlich wichtig, um die darin enthaltenen Moleküle zu beschreiben, also haben wir als Chemiker dieses Modell erstellt. Das ist also ein Modell, das es erlaubt, Moleküle, wenn Sie so wollen, für diese Anwendung zu entwerfen, |
| obwohl wir wissen, dass es überdimensioniert ist. Und das wissen wir |
| es ist nicht ... es ist nicht wirklich ein gültiges Modell, weil diese Begriffe das R nur quadratisch nach oben und oben und oben treiben. |
| wir auch |
| baute das Modell ohne diese Begriffe. |
| Dies ist ein weitaus besseres Modell in Bezug auf die Schätzung der Leistung dieser Dinge, das R-Quadrat ist eine Spur niedriger, |
| aber alle Begriffe, die darin enthalten sind, haben einen erheblichen Einfluss |
| auf die Leistung. |
| Der Nachteil dieses Modells ist, dass es uns beim Entwerfen nicht wirklich hilft |
| jede neue Chemie. |
| Aber in beiden Fällen, wenn wir uns das ansehen |
| die vorhergesagten Werte mit den tatsächlich gemessenen Werten vergleichen, sehen wir eine vernünftige Korrelation zwischen ihnen. Sicherlich, wenn wir erwarten, dass die Dinge hoch sind, sind sie es. |
| Das gab uns ein gewisses Vertrauen, dass dieses Modell tatsächlich für uns funktionieren könnte. |
| In Bezug auf und … dann in Bezug darauf, wann wir uns angesehen haben, wie gut das sein könnte, haben wir uns einfach angesehen, wie hoch der prozentuale Unterschied zwischen ist |
| den gemessenen Wert und den tatsächlichen Wert. Und was wir sehen, ist, dass sie fast überall innerhalb von 10 % liegen, überwiegend innerhalb von 5 % für beide Modelle. |
| Wiederum über eine Reihe verschiedener Arten von Material hinweg gab uns dies die Zuversicht, dass das, was wir waren ... was wir sahen, eine echte Wirkung haben könnte. |
| Alles sehr schön, |
| Ist das nur ein Effekt der von uns gemessenen Daten? |
| Wir haben also die Profiler-Plattform in JMP verwendet, ein teilbares Modell erstellt, das wir an das Projektteam senden konnten, und im Wesentlichen einen Wettbewerb veranstaltet und gesagt, schau, wer den höchsten findet ... |
| die höchste Wärmeleitfähigkeit in diesem Modell von einem Molekül, das tatsächlich hergestellt werden könnte, |
| Gewinnt. |
| Wissen Sie, davon hatten wir eine Liste mit etwa 14 Materialien zurück, die vielversprechend aussahen. Wir mussten ein paar herausschneiden, weil es unmöglich war, Rohstoffe für sie zu beschaffen, also hatten wir am Ende etwa neun neue Materialien, die synthetisiert und getestet wurden. Jetzt waren diese Materialien fast ausschließlich |
| aus Materialien zusammengesetzt, die das Model vorher nicht wirklich gesehen hatte, wissen Sie. In einigen Fällen war ein Teil des Moleküls gleich, aber sie unterschieden sich deutlich von den ursprünglichen Materialien. |
| Nachdem wir sie hergestellt und getestet hatten, fügten wir sie wieder in das Modell ein |
| und um zu sehen, nur um zu sehen, wie die Vorhersagekraft dieses Modells war. |
| Wenn wir uns also diese Daten ansehen, wissen Sie, ich denke, angesichts der Unterschiede dieser Materialien hatte ich voll und ganz damit gerechnet |
| Das... |
| dies, um das Modell zu brechen. |
| Als wir jedoch... |
| Wenn wir uns die Vorhersagen noch einmal ansehen, |
| Was wir sehen, sind die blau hervorgehobenen, die neuen Materialien, die hergestellt wurden. Weißt du, wir haben absichtlich ein paar ausgewählt, die niedriger waren, nur aus Neugier, nur um es zu überprüfen. Und alle, die wir ausgewählt haben und von denen wir dachten, dass sie hoch sein würden, waren hoch. |
| In dem überangepassten Modell, das aus Sicht des Strukturentwurfs wertvoll war, sehen wir also einen Ausreißer. In dem … in dem Modell, das statistisch vernünftig war, sehen wir insgesamt eine viel bessere Anpassung. |
| Und das war |
| erbaulich, dass wir anfangen können, ein einzelnes Molekül sozusagen nicht zu entwerfen und zu sagen, oh, los geht's, los … los, los; Hier ist die eine Sache, die Sie machen müssen. Aber sicherlich in der Lage sein, Synthesechemiker zu den richtigen Materialarten zu führen, um Projekte wirklich voranzutreiben. |
| Wenn wir uns also diese Residuen noch einmal ansehen, sehen wir für die |
| Wissen Sie, für das statistisch gute Modell ohne Überanpassung haben wir gesehen, dass alles innerhalb von 10 % aller neuen Materialien lag, |
| was für das, was wir erreichen wollten, gut genug war. Es gibt ein paar im Overfitting-Modell, die etwas unter 10 % lagen, aber das ist wiederum so, wie ich es erwarten würde. |
| Und es war schön, dass sie alle im richtigen Bereich lagen, weil es zeigt, dass dieser Ansatz wertvoll war, aber es war auch ziemlich festzustellen, dass sie nicht alle genau richtig waren, weil ich Denken Sie, wenn wir neun Materialien produziert hätten und sie alle innerhalb von 1 % lagen, |
| Ich bin mir auch nicht sicher, ob die Leute das geglaubt hätten. |
| So |
| Tatsache ist, wir bekamen ein ähnliches... |
| ein ähnlicher Unterschied zu den Vorhersagen aus den Materialien, mit denen wir begonnen haben, und den neuen Materialien, die wir gemacht haben. Also fingen wir an, bei diesem Modell wirklich darauf zu vertrauen. |
| Und dann, wenn wir einfach zurückgehen |
| die Folien eine Sekunde. |
| Also was können wir dann sagen |
| ist, dass das Strukturleistungsverhältnis dieser Materialien |
| wurde in JMP unter Verwendung der Regressionsplattformen erstellt. |
| Wir haben die Visualisierungstools in JMP verwendet, um zu sehen, dass dies echte Vorteile bietet und dass das Modell selbst verwendet wird, um diesen Schwerpunkt auf neue Materialien in diesem Projekt zu lenken. Es wird verwendet, um wahrscheinliche Materialien zum Testen von Dingen, die wir bereits herstellen, zu screenen. |
| Und es gibt eine akzeptable Korrelation in den Ergebnissen zwischen dem Modell und den neuen Molekülen, die wir herstellen, |
| All dies hat diesem Ansatz echtes Vertrauen verliehen, und es hat uns wirklich ermöglicht, dieses Projekt irgendwie weiter voranzutreiben und es in bestimmte Zielmaterialien aufzuteilen. |
| Also, in Bezug auf neue Moleküle, |
| Wir haben diesen Schwerpunkt auf Moleküle mit höherer Wärmeleitfähigkeit gerichtet. Wie Sie in diesem Diagramm sehen können, sind alle neuen Moleküle in diesem Bereich der Wärmeleitfähigkeit irgendwie mittel bis hoch, was wir mit ihnen erreichen wollten. |
| Wir haben gezeigt, dass wir eine Verbesserung anstreben können, indem wir Daten verwenden und dies dann im Labor verifizieren und umsetzen. |
| Wo dieses Projekt dann noch schwieriger wird, versuchen wir jetzt, ähnliche Modelle für alle anderen Faktoren zu bauen |
| die die Leistung dieser dielektrischen Flüssigkeiten beeinflussen, und dann werden wir versuchen, diese Modelle gegeneinander abzuwägen, um die besten Ergebnisse zu finden. |
| Die gesamte Weiterentwicklung ist also im Gange, aber diese Dynamik ist allein durch die Benutzerfreundlichkeit von JMP und den darin enthaltenen Plattformen zur Aufnahme eines Datensatzes entstanden |
| und mit ein bisschen Domänenwissen, treiben Sie das wirklich voran und sagen Sie, ja, hier ist ein Modell, das helfen wird, diesen Schwerpunkt für dieses Projekt und nachfolgende Projekte in diesem Bereich für Croda zu lenken. |
| Also, nur zum Schluss, Daten, die wir aus Tests erhalten haben, wurden verwendet, um die Leistung dieser Materialien erfolgreich zu modellieren. Es ist nicht absolut perfekt, aber es ist gut genug für das, was wir wollen. |
| Das Model... |
| das Modell demonstriert |
| dass es eine Strukturleistung gibt, eine Beziehung von Estern (sorry, nicht sicher, warum meine Taskleiste herumspringt). Das Modell wurde verwendet, um Materialien mit hoher Wärmeleitfähigkeit vorherzusagen. |
| Diese Vorhersagen werden dann anfänglich nur durch Ausschluss und dann seitlich durch die Herstellung neuer Materialien verifiziert, um wirklich zu zeigen, dass dieses Modell für diese Art von Chemie gilt. |
| Es wurde auch die Möglichkeit demonstriert, die Eigenschaften von |
| in diesem Fall Dielektrika, aber andere Materialien, wenn Sie ähnliche Modelle bauen, damit Sie anfangen können, spezifische Materialien für spezifische Anwendungen zu erstellen. |
| Und ich denke am wichtigsten für mich, |
| Der wirkliche Erfolg dieser Arbeit hat eine interne Dynamik aufgebaut, um zu zeigen, dass JMP kein Nice-to-have ist, es ist eine ... es ist eine echte Plattform, um Forschung zu entwickeln, um sehr schnell Datensätze zu betrachten und zu sagen, ob da etwas ist ? |
| Und damit, |
| Ich möchte mich nur fürs Zusehen bedanken. Natürlich kann ich keine Fragen zu einer Aufnahme beantworten, aber wenn Sie mit uns in Kontakt treten möchten, können Sie dies gerne in der Community tun. Ja, vielen Dank. |
