Conférencier | Transcription |
| Marcello FIDALEO | Bonjour, je m'appelle Marcello Fidaleo et ma présentation porte sur l'analyse des données fonctionnelles et la conception d'expériences appliquées aux processus de broyage des aliments. |
| Le but de cette recherche était d'étudier l'étape de mouture de la base de noisette et de fève de cacao utilisée dans la fabrication des glaces. |
| Ce processus est appelé raffinage et est généralement effectué dans des broyeurs à boulets agités en mode batch, comme celui-ci est indiqué ici à droite. |
| Le but de ce procédé est de réduire la granulométrie des ingrédients solides, tels que le cacao et le sucre, afin que le produit final ne soit pas granuleux. |
| Dans ce but, nous avons conçu notre conception composite centrale comme un rapport ici à droite. Nous avons fait trois facteurs, N, D et S, où |
| N l'arbre la vitesse de rotation, D est le diamètre de la bille et S est la masse totale des billes. |
| Comme réponses, nous considérons que la taille des plus grosses particules solides, c'est donc la finesse, et l'énergie de broyage. Les deux réponses ont été mesurées en fonction du temps, il s'agissait donc en fait d'un |
| expérience conçue fonctionnelle, car les réponses n'étaient pas ???, mais étaient des fonctions, dans ce cas particulier, des fonctions du temps. Nous avons utilisé JMP Pro pour concevoir l'expérience et analyser les résultats. |
| Pour l'analyse des résultats, nous avons suivi deux approches. La première approche est l'analyse classique des expériences conçues. |
| Nous utilisons donc les modèles de surface de réponse pour régresser les réponses en fonction des paramètres de processus à deux instances de temps différentes. Dans la seconde approche, qui est une analyse fonctionnelle des données dans la conception des expériences, nous |
| ont pu inclure également l'effet du temps dans le modèle final, c'est-à-dire que nous avons considéré |
| la nature des réponses fonctionnelles donc ... c'est la nature fonctionnelle des réponses. Donc, dans cette présentation, je parlerai de la deuxième approche. |
| Analyse des données fonctionnelles dans la conception des expériences |
| nécessite quelques étapes intermédiaires pour construire le modèle final et également pour obtenir l'espace de conception du système. |
| Fondamentalement, nous commençons par l'analyse des données fonctionnelles pour lisser les données fonctionnelles. |
| Ensuite, nous appliquons l'analyse des composantes principales fonctionnelles aux fonctions de lissage. Et donc, à ce stade, en ne conservant que quelques composants de ce système, nous avons développé un modèle pour les réponses fonctionnelles. Alors |
| voyons les résultats ... |
| les résultats de cela |
| études de cas. |
| Ce sont les résultats de la procédure de lissage. Nous avons appliqué les splines bêta et nous avons considéré les ??? la finesse et l'énergie. Nous pouvons voir qu'en utilisant la transformation des données et aussi le filtrage des données simple |
| fonctions d'ajustement, nous sommes en mesure de bien ajuster les données expérimentales. En fait, nous avons utilisé un nœud et une spline cubique et un nœud et une spline linéaire pour la finesse et l'énergie. |
| Nous avons donc appliqué l'analyse en composantes principales de la fonction à la fonction de lissage. Ici à gauche, on peut voir que pour la finesse, |
| les deux premières composantes expliquaient 96% de la variance, tandis que pour l'énergie, seule la première composante expliquait 98% de la variance. Donc dans les modèles finaux, |
| nous avons utilisé les deux composants pour la finesse et un composant pour l'énergie. Ici à droite, j'ai rapporté les scores calculés pour les 16 essais de l'expérience. |
| Et nous avons constaté de notre expérience que les scores sont utiles pour comprendre le comportement du système. Par exemple, dans ce cas, le premier composant a agi comme un |
| axe d'intensité de broyage avec une intensité de broyage élevée à gauche et une intensité de broyage faible à droite. Et donc, à ce stade, nous |
| régressé les scores en fonction des paramètres du processus en utilisant un modèle de réactivité (?) |
| en incluant les effets quadratiques linéaires et les effets d'interaction. Ces modèles ont également été très utiles pour comprendre l'effet des paramètres de processus sur le fonctionnement |
| réponses. |
| Alors enfin, |
| ici, on voit que finalement, on a pu construire les modèles finaux, comme je l'ai dit. Et ici j'ai rapporté la finesse et l'énergie en fonction du temps pour quelques courses. Et nous pouvons voir que l'accord entre les données expérimentales et celles de prédiction ... de prédiction |
| sont vraiment bons. Comme je l'ai déjà dit, nous utilisons les deux composants pour la finesse et un composant pour l'énergie. |
| Ainsi, finalement, nous avons pu construire l'espace de conception et étudier ... pour comprendre l'effet des paramètres de processus, c'est-à-dire N, D et S, |
| sur les réponses fonctionnelles ici. Sur le profileur, on peut voir que, dans ces conditions de N, D et S, |
| on pourrait prédire le profil de finesse en fonction du temps et le profil d'énergie en fonction du temps. En bas ... en bas ici, j'ai signalé deux tracés de contour |
| du système. Celui de gauche a été obtenu avec une vitesse de rotation de 55 tr / min et un diamètre de bille de 6,5 millimètres. |
| Tandis que sur la droite, le tracé de contour a été utilisé avec la masse de sphères de 29 kilogrammes et une durée de fonctionnement de 80 minutes. |
| Ainsi, par exemple ici à gauche, nous pouvons voir que dans la limite que nous avons la masse de sphères lorsque nous augmentons le temps de fonctionnement, |
| l'énergie, bien sûr, augmente, tandis que la finesse diminue. |
| Les zones blanches dans les deux parcelles sont l'espace de conception, et c'est la zone dans laquelle la finesse est comprise entre 20 et 30 microns, c'est donc la zone où le produit final n'est pas granuleux et n'est pas trop fraisé. |
| Ainsi, à partir de ces résultats, nous pouvons conclure que l'analyse des données fonctionnelles appliquée aux expériences de conception fonctionnelle semble être une approche simple, robuste et facile à utiliser pour créer l'espace de conception dynamique d'un processus par lots. |
