スピーカー | トランスクリプト |
| マルチェロフィダレオ | こんにちは、私の名前はマルチェロ・フィダレオです。私のプレゼンテーションは、食品粉砕プロセスに適用される実験の機能データ分析と計画についてです。 |
| この研究の目的は、アイスクリームの製造に使用されるヘーゼルナッツとカカオ豆のベースの製粉ステップを研究することでした。 |
| これらのプロセスは精製と呼ばれ、通常、バッチモードの攪拌ボールミルで実行されます。この例は、右側のここに報告されています。 |
| このプロセスの目的は、最終製品がざらざらしないように、ココアや砂糖などの固形成分の粒子サイズを小さくすることです。 |
| この目的のために、右側の1つのレポートのように中心複合計画を設計しました。 N、D、Sの3つの要素を実行しました。 |
| シャフトの回転速度、Dはボールの直径、Sはボールの総質量です。 |
| 応答として、最大の固体粒子のサイズ、つまり細かさ、および粉砕エネルギーを考慮します。 両方の応答は時間の関数として測定されたので、これは実際には |
| 応答は???ではなく、関数、この特定のケースでは時間の関数であったため、関数計画実験。 JMP Proを使用して実験を設計し、結果を分析しました。 |
| 結果の分析では、2つのアプローチに従いました。 最初のアプローチは、計画された実験の古典的な分析です。 |
| したがって、応答曲面モデルを使用して、2つの異なる時間インスタンスでのプロセスパラメーターの関数として応答を回帰します。 実験計画法における機能データ分析である2番目のアプローチでは、 |
| 最終モデルに時間の影響も含めることができました。つまり、 |
| 機能的応答の性質なので...それが応答の機能的性質です。 したがって、このプレゼンテーションでは、2番目のアプローチについて説明します。 |
| 実験計画法における機能データ分析 |
| 最終モデルを構築し、システムの設計スペースを取得するには、いくつかの中間ステップが必要です。 |
| 基本的には、機能データを平滑化するための機能データ分析から始めます。 |
| 次に、汎関数主成分分析を平滑化関数に適用します。 したがって、この時点で、このシステムのほんの数個のコンポーネントを保持することにより、機能応答のモデルを開発しました。 そう |
| 結果を見てみましょう... |
| この結果 |
| ケーススタディ。 |
| これらは、平滑化手順の結果です。 ベータスプラインを適用し、???を検討しました。細かさとエネルギー。 データ変換と単純なデータフィルタリングを使用することで、 |
| 関数をフィッティングすることで、実験データをうまくフィッティングすることができます。 実際、細かさとエネルギーのために、1つのノットと3次スプライン、および1つのノットと線形スプラインを使用しました。 |
| そこで、関数主成分分析を平滑化関数に適用しました。 ここの左側では、細かさのためにそれを見ることができます、 |
| 最初の2つの要素は分散の96％を説明しましたが、エネルギーの場合、最初の要素だけが分散の98％を説明しました。 したがって、最終モデルでは、 |
| 細かさのために2つのコンポーネントを使用し、エネルギーのために1つのコンポーネントを使用しました。 ここ右側では、16回の実験で計算されたスコアを報告しました。 |
| そして、私たちの経験から、スコアはシステムの動作を理解するのに役立つことがわかりました。 たとえば、この場合、最初のコンポーネントは |
| 研削強度の高い研削強度軸が左側に、研削強度の低い軸が右側に走っています。 そして、この時点で、私たちは |
| 応答性（？）モデルを使用して、プロセスパラメータの関数としてスコアを回帰しました |
| 線形二次効果と交互作用効果を含めることによって。 また、これらのモデルは、機能に対するプロセスパラメータの影響を理解するのに非常に役立ちました。 |
| 反応。 |
| だから最後に、 |
| ここで、私が言ったように、最終的に最終モデルを構築することができたことがわかります。 そして、ここで私は数回の実行の時間の関数としての細かさとエネルギーを報告しました。 そして、実験データと予測...予測データの間の一致がわかります |
| 本当に良いです。 前にも言ったように、私たちは細かさのために2つの要素を使用し、エネルギーのために1つの要素を使用します。 |
| それで、最終的に、私たちはデザインスペースを構築し、研究することができました...プロセスパラメータ、つまりN、D、Sの効果を理解するために、 |
| ここで機能的応答について。 プロファイラーでは、これらのN、D、Sの条件下で、 |
| 時間の関数としての細かさのプロファイルと時間の関数としてのエネルギーのプロファイルを予測することができます。 下部に...ここの下部に、2つの等高線図を報告しました |
| システムの。 左の写真は、55rpmの回転速度と6.5ミリメートルのボール直径で得られたものです。 |
| 右側では、等高線図が使用され、球の質量は29キログラム、動作時間は80分でした。 |
| したがって、たとえばここの左側では、操作時間を増やすと、境界に球の質量があることがわかります。 |
| もちろん、エネルギーは増加しますが、細かさは減少します。 |
| 両方のプロットの白い領域はデザインスペースであり、それは20〜30ミクロンの細かさの領域であるため、最終製品がざらざらしておらず、過度に粉砕されていない領域です。 |
| したがって、これらの結果から、機能設計実験に適用された機能データ分析は、バッチプロセスの動的設計空間を構築するための、単純で堅牢で使いやすいアプローチであるように思われると結論付けることができます。 |
