Lautsprecher | Transkript |
| Marcello FIDALEO | Hallo, mein Name ist Marcello Fidaleo, und in meinem Vortrag geht es um die Analyse funktionaler Daten und die Gestaltung von Experimenten, die auf Lebensmittelmahlprozesse angewendet werden. |
| Das Ziel dieser Forschung war es, den Mahlschritt von Haselnuss- und Kakaobohnenbasis zu untersuchen, der bei der Herstellung von Eiscreme verwendet wird. |
| Dieser Prozess wird als Raffinieren bezeichnet und wird typischerweise in Rührkugelmühlen im Batch-Modus durchgeführt, wie dieser Bericht hier rechts. |
| Ziel dieses Verfahrens ist es, die Partikelgröße der festen Inhaltsstoffe wie Kakao und Zucker zu reduzieren, damit das Endprodukt nicht kiesig wird. |
| Zu diesem Zweck haben wir unser zentrales Verbunddesign wie einen Bericht hier rechts entworfen. Wir haben drei Faktoren gemacht, N, D und S, wo |
| N der Welle die Drehzahl, D der Kugeldurchmesser und S die Gesamtmasse der Kugeln. |
| Als Antwort betrachten wir die Größe der größten festen Partikel, also die Feinheit und die Mahlenergie. Beide Antworten wurden als Funktion der Zeit gemessen, also war dies tatsächlich eine |
| funktionell gestaltetes Experiment, weil die Antworten nicht ??? waren, sondern Funktionen, in diesem speziellen Fall Funktionen der Zeit. Wir haben JMP Pro verwendet, um das Experiment zu entwerfen und die Ergebnisse zu analysieren. |
| Für die Analyse der Ergebnisse verfolgten wir zwei Ansätze. Der erste Ansatz ist die klassische Analyse entworfener Experimente. |
| Daher verwenden wir die Antwortoberflächenmodelle, um die Antworten als Funktion der Prozessparameter zu zwei verschiedenen Zeitpunkten zu regressieren. Im zweiten Ansatz, bei dem es sich um eine funktionale Datenanalyse bei der Versuchsplanung handelt, haben wir |
| konnten auch den Effekt der Zeit in das endgültige Modell einbeziehen, das heißt, wir haben das berücksichtigt |
| Art der funktionalen Antworten also ... das ist die funktionale Natur der Antworten. In dieser Präsentation werde ich über den zweiten Ansatz sprechen. |
| Funktionsdatenanalyse bei der Versuchsplanung |
| erfordert einige Zwischenschritte, um das endgültige Modell zu erstellen und auch den Entwurfsraum des Systems zu erhalten. |
| Grundsätzlich beginnen wir mit der Funktionsdatenanalyse, um die Funktionsdaten zu glätten. |
| Anschließend wenden wir die Analyse der funktionalen Hauptkomponenten auf die Glättungsfunktionen an. Zu diesem Zeitpunkt haben wir unter Beibehaltung einiger weniger Komponenten dieses Systems ein Modell für die funktionalen Reaktionen entwickelt. So |
| Lassen Sie uns die Ergebnisse sehen ... |
| die Ergebnisse davon |
| Fallstudien. |
| Dies sind die Ergebnisse des Glättungsverfahrens. Wir haben die Beta-Splines angewendet und die ??? Feinheit und Energie. Wir können das sehen, indem wir die Datentransformation und auch die Datenfilterung einfach verwenden |
| Anpassungsfunktionen, wir sind in der Lage, die experimentellen Daten gut anzupassen. Tatsächlich haben wir einen Knoten und einen kubischen Spline und einen Knoten und einen linearen Spline für die Feinheit und für die Energie verwendet. |
| Also haben wir die Funktionshauptkomponentenanalyse auf die Glättungsfunktion angewendet. Hier links können wir das für die Feinheit sehen, |
| Die ersten beiden Komponenten erklärten 96% der Varianz, während für die Energie nur die erste Komponente 98% der Varianz erklärte. Also in den endgültigen Modellen, |
| Wir haben die beiden Komponenten für die Feinheit und eine Komponente für die Energie verwendet. Hier rechts habe ich die Ergebnisse angegeben, die für die 16 Versuche des Experiments berechnet wurden. |
| Und wir haben aus unserer Erfahrung herausgefunden, dass die Scores nützlich sind, um das Verhalten des Systems zu verstehen. In diesem Fall fungierte beispielsweise die erste Komponente als |
| Die Schleifintensitätsachse mit der hohen Schleifintensität verläuft links und die niedrige Schleifintensität verläuft rechts. Und so, an diesem Punkt, wir |
| Regression der Scores als Funktion der Prozessparameter unter Verwendung eines Reaktionsmodells (?) |
| durch Einbeziehung der linearen quadratischen und der Wechselwirkungseffekte. Auch diese Modelle waren sehr nützlich, um die Auswirkung der Prozessparameter auf die Funktion zu verstehen |
| Antworten. |
| So endlich, |
| hier können wir sehen, dass wir endlich die endgültigen Modelle bauen konnten, wie ich sagte. Und hier habe ich für einige Läufe die Feinheit und die Energie als Funktion der Zeit angegeben. Und wir können sehen, dass die Übereinstimmung zwischen den experimentellen Daten und den Vorhersagen ... Vorhersagen |
| sind wirklich gut. Wie ich bereits sagte, verwenden wir die beiden Komponenten für die Feinheit und eine Komponente für die Energie. |
| Schließlich konnten wir den Entwurfsraum aufbauen und untersuchen ... um die Auswirkung der Prozessparameter zu verstehen, dh N, D und S, |
| zu den funktionalen Antworten hier. Auf dem Profiler können wir sehen, dass unter diesen Bedingungen von N, D und S, |
| Wir könnten das Feinheitsprofil als Funktion der Zeit und das Energieprofil als Funktion der Zeit vorhersagen. Unten ... unten hier habe ich zwei Konturdiagramme gemeldet |
| vom System. Die linke wurde mit einer Drehzahl von 55 U / min und einem Kugeldurchmesser von 6,5 Millimeter erhalten. |
| Auf der rechten Seite wurde das Konturdiagramm mit einer Kugelmasse von 29 Kilogramm und einer Betriebszeit von 80 Minuten verwendet. |
| So können wir zum Beispiel hier links sehen, dass wir an der Grenze die Masse der Kugeln haben, wenn wir die Betriebszeit verlängern. |
| Die Energie nimmt natürlich zu, während die Feinheit abnimmt. |
| Die weißen Bereiche in beiden Parzellen sind der Entwurfsraum, und es ist der Bereich, in dem die Feinheit zwischen 20 und 30 Mikrometer liegt. Es ist also der Bereich, in dem das Endprodukt nicht kiesig und nicht überfräst ist. |
| Aus diesen Ergebnissen können wir schließen, dass die Analyse funktionaler Daten, die auf funktional gestaltete Experimente angewendet wird, ein unkomplizierter, robuster und benutzerfreundlicher Ansatz zum Aufbau des dynamischen Entwurfsraums eines Batch-Prozesses zu sein scheint. |
