-こんにちは、私はジェリー魚私はあるテクニカルエンジニアとJMP。
私カバーいくつかの中西部州での私たち。
私は参加しました今日による1つの私の同僚スコットアレン、
だれのまたあるテクニカルエンジニアのためにJMP
そして彼サポートしますいくつかの他の中西部州。
こんにちは、スコット。
-おい、ジェリー、良い朝。
-良い朝。
今日私たちは欲しいに話すについてあるバラエティ、
ある比較的新しい方法に分析するデータ、具体的にはからフライス加工オペレーション、
どこ私たちは欲しいに学ぶについてフライス加工にヘルプとある規模-上フライス加工プロセス。
-W e両方持っているある強い興味でプロセス最適化を使用してエネルギー省
そしてでモデリング応答曲線
を使用しての機能的データ冒険者でジャンププロ、
そして私たちは欲しかったに持ってくるそれらの一緒にのために今日のプレゼンテーション。
そして 1 つのの初め例私見たやってるこれ選別の分析
だったのフライス加工エネルギー省それはでのサンプルデータ図書館、
どこのゴールはに最適化するの平均粒子サイズ。
それでとして私たちはだった話しているについて可能トピックのために今日、
私たちは考えそれするだろうなれ面白いに見るもし私たちはできた伸ばすそれ
その代わりの最適化するそれただの粒子サイズ、
できた私たちは実は最適化するの粒子サイズ分布応答曲線？
-それで、フライス加工もっている多くの違うアプリケーション。
あなたはそうするだろう探すそれで何でもから採掘、食べ物処理、
作るトナーでの印刷業界、作る製薬粉末。
でのほとんど基本的なレベル、あるフライス加工プロセスは使用済み
いつ私たちは欲しいに減らすの粒子サイズのあるある物質
そして生産するユニフォーム粒子形そしてサイズ分布
のある起動材料。
頻繁いくつかのタイプの研削中くらいは追加したに加速するのプロセス
またはにコントロールのサイズそして形分布
のの結果として生じる粒子。
でそれぞれ応用の欲望はに得るの右粒子サイズ、
言うの中央値またはの平均粒子サイズ、
とある制御された予測可能な粒子サイズ分布。
でのシナリオ私たちは議論した今日、
私たちは持っているの既存 製造業フライス加工手術
それ生成するある製薬粉。
それもっている良いパフォーマンス今日、
作成の右中くらい粒子サイズそしてある狭い粒子サイズ分布。
あ満杯開示これシナリオそしての結果として生じるデータは発明した。
スコットそして私しませんでした持っているアクセスに非機密データ
に現在でこれ紙。
しかし、平けれどのデータは捏造された、
のテクニックそれだったについてに見せるは該当するのために本物世界問題。
の写真の上の左ショーある典型的な興奮したボール工場。
の材料になれ製粉した、入るでの上
そして継続的に流れの中への容器どこの撹拌者回転します
の材料そしての研削中くらいに影響する粒子サイズ。
の結果として生じる粒子はそれから掃除機をかけた外のの容器
として彼らは製粉した。
管理もっている言った彼らは必要に増加の生産出力、
何かだった全て、私はもちろん、おなじみと。
彼らはは検討中建物ある新しいフライス加工ライン、
しかし前に投資全てそれ資本、彼らはそうするだろうのようにに調査する、
できる私たちは単に増加のスループットの私たちの既存 装置？
それで製造業作ったいくつかの試みでやってるそれ、
彼らは調整された彼らのプロセス、
そしてその間彼らはできる影響するの中央値粒子サイズ、
の新しい出力もっている奇数粒子サイズ配布物。
それで製造業来た戻るに研究& Dどこスコットそして私は、
そして尋ねた私たちに行くにのパイロット研究室
そして見るもしあるよどれでも組み合わせの設定それかもしれない改善するスループット。
スコット何パラメーターした私たちは見てで？
-でこれ場合、
だった行くに使用六違う要因のためにあるDEO。
あるよ行くになれ四継続的な要因
それで攪拌スピード、の流れレートのキャリアガス、
のメディア読み込み中としてある割合のの合計、
そしてそれからの温度ののシステム。
そしてそれからあるよ二カテゴリー的な要因、
のメディアタイプそして多分のメッシュサイズのある前画面プロセス。
そしてそれで決定するそれらの要因
はかなり率直なこれらは知られているに影響する粒子サイズ分布
そしてもののようにそれ、しかしの応答はまだあるチャレンジ。
そしてでこれ場合、私はないもちろんどうやってあなたするだろう実は行く試合やってるこれ
もしあなたできませんでしたモデルの応答曲線のようにだった行くにする。
それでジェリー、であなたの経験、どうやってするだろうあなた持っている終わりこれ前に？
-Sああこれ次滑り台ショー典型的な粒子サイズ分布
または粒子サイズ密度プロット。
そして私たちは持っています得たあるプロットされたとしてパーセントあたりミクロン対サイズ。
しかしあなたできる考えるのこれとしてただある粒子カウント
の上のやー軸またはある質量分布、
そのただあるヒストグラム代表するの分布の粒子。
何あなたは見るの上あなたの画面、
これかもしれないなれある良い粒子サイズ分布、
もっているあるニース狭い形とあるピーク
での望ましい中央値粒子サイズ。
しかしどうやってする私たちは特徴づけるこれ分布
もし私たちは欲しいにするあるテストに調整するそれ？
良い、私たちはかもしれない特徴づけるの位置との平均、中央値、モード
のの分布。
そして私たちはかもしれない特徴づけるの幅経由ある標準偏差
または多分ある幅で半分ピーク身長、
それらのは典型的な方法私たちはかもしれない測定それ。
しかしいつ製造業試してみたに振り向く様々な生産ノブ
で彼らのプロセスにスピード上のスループット、
彼らは見た変化する度の非対称での分布。
多分これだった期限に不完全なフライス加工のの製薬材料、
または多分そこにはだった温度効果それ引き起こされた粒子に凝集、
私たちはしないでください本当に知る。
しかし今の半分幅
そうではありません本当に代表するの形のそれ新しい曲線。
それで私たちはかもしれない振り向くに計算する多分パーセンタイル
平行の幅のの曲線、
多分の10位パーセンタイルの粒子それ秋下にあるあるポイント、
20%下にこれポイント、 90%下にこれポイント、そしてそれで前方へ。
しかしそれ取得平より厳しいいつだった試していますに説明する何かのようにこれ形
どこそこにはは二とても発音されたピーク、またはこれ形、
どれの私傾向があるに電話ある干し草の山どこそのとても広い、しません持っている尾。
何する私たちはするとそれ？
それでこれパラメータ化技術しません思われるになれの最高方法
にアプローチの問題。
スコット私知る私たちは持っているにするいくつかの実験、
しかしどうやっては私たちは行くにアプローチこれで今日の分析？
-それでそれは何だった行くにする。
それで私たちは行くに使用の全体形、
私たちの応答でこれ場合は行くになれそれ曲線。
それでだったない行くに試すに共同最適化する全てそれらの違うパラメーター
それあなた話しましたについて。
私たちはできた共最適化する二、三つ、四違うパラメーター、
しかしその代わりだった行くに使用それ全体曲線として私たちの応答。
だった行くに使用全てのデータそしてそれから私たちの目標
は行くになれいくつかの仮説的な曲線それ私たちは欲しいに成し遂げる。
それで一度また、だったない行くに試すに目標
全ての違うパラメーターでそれ曲線、
だった行くに試すにマッチの形。
それで私たちは欲しいに持っている私たちの実験的な形マッチの形の私たちの目標。
そしてそれでそれはどうやってだった行くに得る始めましたとの分析今日
そして良い取るあなたを通してのワークフローのどうやって私たちはするだろうするそれ。
それでさせて自分行くそして得るの中へJMP。
おっと、そこには私たちは行く。
それで私たちは初め見るここはのエネルギー省それ私たちは走った。
それで私たちは走ったある決定的ふるい分けデザインとそれらの六要因、
それでもあなたできた使用どれでもデザインそれあなた欲しかった。
そして私たちは持っています得た18実験でこれ場合、
それで、ここにあります全ての要因そしての要素設定それ私たちは使用済み。
-それ見た目かわいい標準に自分、スコットのためにのエネルギー省それ私は走るでの過去。
しかしあなたしないでください持っているある応答カラム。
-Wまあ、それは1つのの個性的ものについての応答曲線分析は
でいくつかのケースあなたセットそれ上ある少し少し違うそしてどうやってあなたするの分析。
それで私たちはしないでください持っているある応答カラム
そしてだったない行くに最適化するただあるシングル価値。
その代わり、私たちの反応はでこれ他のテーブル。
それででこれ場合、私たちは持っています得たあるとても高いデータセット
とのバツ-軸は私たちのサイズそしてのY価値は私たちのパーセントあたりミクロン
そしてこれは何だった行くにプロットそして最適化する。
しかし私たちはする必要に得る私たちのエネルギー省要因でそこには。
それでにするそれ、私たちはただ取ったある少し少しのあるショートカット
そして私たちはしたあるバーチャル参加する間これら二テーブル。
それでで私たちのデザインここ、私たちの走る番号はのリンクID。
そしてそれから私たちは持っています得たの走る番号ここそしてこれはのリンク参照、
そしてこれしましょう私たち持ってくるで全てのそれらのエネルギー省要因。
それでこれらは全てここでのテーブル、しかし彼らはただ事実上参加しました
そしてそれ助けます私たち保つ私たちの応答テーブルニースそしてクリーン。
それでもしあるよどれでも修正、私たちはしないでください持っているに心配についてコピーする
そして貼り付けまたは調整する全てそれらのエネルギー省要因。
だから〜だどうやって私たちはセット上私たちのテーブル、
私たちは持っています得た私たちのエネルギー省要因でこれテーブルそして私たちのエネルギー省反応発生するでこれ。
そしてとしてあなたできる見る、私たちは持っています得た全ての私たちの18走るここ。
そして前に私たちは始めるの分析、しましょう取るある見てでそれらの曲線。
それで私ただプロットされた全てそれらの曲線でグラフビルダー、
そしてそれで私たちは持っています得た私たちの目標曲線ここ。
それでこれはある仮説的な目標曲線それ私たちは欲しいに成し遂げる、
その行くになれ実験番号ゼロ。
そしてそれから私たちは持っています得た実験1つを通して18
そしての応答曲線のためにそれぞれのそれらの。
-それであなたは走る18実験そしてないあるシングル1つのそれらの
見た目その通りのようにそれ目標。
何する私たちはするとそれ？
-それはある良い観察。
そしてでこれ場合、何私たちはできる見るはいくつかの違う特徴間これら、
それで絶対にいくつかのはもっと広い。
私のようにどうやってあなた呼ばれたそれ、それ干し草の山ここ。
いくつかのはもっと狭い、多分と小さい肩ここ。
私たちはする見るそれのピークシフトある少し少しでいくつかののこれら、
ここにありますのピーク、そのシフトする左そして右。
そしてそれでうまくいけば私たちはできる探すいくつかの設定そしてそれらの要因
それ意思使用の最高の全てのこれら与える私たち何かそれは狭い
それなしあるショルダーまたは二峰性ピーク。
しかしにするそれ、私たちは必要に行く
の中への機能的データ冒険者。
これはある伝統的エネルギー省、私たちはするだろう行く上に分析する
そして私たちはするだろう行くにフィットモデル、潜在的に。
でこれ場合、だった行くに行く下ここ
に専門化されたモデリングそして行くに機能的データ冒険者。
そしてそれでいつ私たちは打ち上げこれ、私たちは必要に追加私たちのY価値観、
どれのだったのパーセントあたりミクロン。
のバツ価値観だった私たちのミクロンサイズ。
私たちは必要に識別するそれぞれのそれらの機能
との走る番号。
そしてそれからだった行くに追加全てそれらのエネルギー省要因
として補足情報。
それで私はただ行くに取る全ての私のエネルギー省要因
そして追加彼らとして補足情報。
今良いクリックわかった。
それでいつあなた打ち上げの機能的データ冒険者、
これは何あなた得る初め。
そしてこれはただあるデータ処理窓。
そして何だったやってるはただ取るある素早い見てで
全ての私たちのデータ。
そしてそれででこれイニシャルデータプロット、私たちはただ持っている全ての私たちの曲線重ねて、
そしてあなたできる見る私たちの緑目標曲線隠蔽でそこには。
それでこれただショー私たちどうやって全ての私たちのデータは裏地上。
以上ここの上の右、私たちは持っているある違うセットの機能
にヘルプクリーン上のデータ、プロセスそれ。
そして1つのの本当にニースものについてこれプラットホーム
はあなたしないでください持っているにするそれデータ処理でのデータテーブル。
それでもしあなた必要なに取り除くゼロまたはするいくつかの選別の調整ここ、
標準化されたの範囲、もののようにそれ、
あなたできるする全てのそれ以上ここでのクリーン上。
で私たちの場合、私たちのデータはかわいいクリーン、
それで私たちはしないでください必要にするどれでもデータ処理。
しかし何私たちはする必要にするは取るこれ緑曲線、
私たちの目標曲線、外のの分析。
それでこれはの目標、これは何だった行くに試すにマッチ。
そしてそれで私たちはしないでください欲しいそれになれ一部ののモデリング分析。
それでに取るそれ曲線外、私たちは行く以上ここにの目標関数
そして私たちはクリック負荷。
そして私は行くに選択するそれゼロ曲線、クリックわかった。
そして今その消えた。
それで今だったない行くに含むそれで私たちのモデル。
そしてそれで私たちはできるスクロール下ここそしてただ見るどうやってそれぞれ
の私たちの個人実験はプロットした。
それで今それ私たちのデータはニースそして掃除された上、
私たちはできる行くの上にの分析。
それでにするのモデリング、私たちは行く上にの赤三角形
そしてそこにははいくつかの違うモデルそれ私たちはできる選ぶ。
そしてである典型的なワークフロー、
での始まり、あなたかもしれないない知るどれのはの最高モデルに使用、
かどうかあなたは行くに使用B スプラインまたはあるP スプラインまたは何かそれ以外。
でこれ場合、での興味の時間、私たちは持っています終わり全てのそれすでに。
そして私たちは知るそれのP スプライン与える私たちあるかわいい良いモデル。
それでだった行くに行く先にそしてフィットそれモデル。
それで私選択するP スプラインそして今JMPは作成のモデル。
そして何良い見るは、
の初めもの良いは何か似ているにそれイニシャルデータ窓以上ここ。
それで全ての私たちの曲線はまだプロットされたそして重ねられた。
しかし今私たちは持っています得たこれ赤ラインそしてこれ赤ラインは代表するの平均
したがって、平均曲線はの全てのそれらの違う曲線。
そしてそれで私たちはできるまたスクロール下下に
そして私たちは見るそれぞれの私たちの個人実験
またとあるラインのフィット。
そしてこれはの初め表示それあなたできる得るについて
どうやって良いこれモデルはフィッティング。
それでもしあなたは取得全てこれら赤行オーバーレイあなたの実験的なデータ、
それからあなたはおそらくの上の右追跡。
もしそこにはだったある多くの偏差
それからあなたかもしれない考慮するやってるある違うモデル。
他のものあなたはそうします知らせ以上ここはあるよ違うフィッティング機能
それのスプラインモデルはを使用しています。
でこれ場合、そこにはだった二それJMPそれはかわいい良い。
それでこれ線形モデルそしてのステップ関数モデル
そしてによるデフォルト全ての分析下下に
は行くに使用のモデルそれ持っていたの最低ビック価値。
それででこれ場合、全ての分析はを使用してこれ線形モデル。
しかしもしあなた欲しかったに使用ある違う1つあなたただ選択するそれ
そして私しないでください知るもしあなたできる見るそれ簡単に、しかしこれ一人の強調表示された今
またはあなた行くにの線形またはあなたできるただクリックの上の背景
そしてそれは行くにのデフォルト。
そしてそれでそれはのモデリング側のそれ。
しかし私たちは必要にチェックどうやって良いこれモデルはフィッティング。
そしてそれでにするそれ、私たちはただ行く下ここにの窓それもっているある機能的なPCA。
それでこれはの機能的な原理成分分析。
これ見た目ある少し複雑、しかし何私たちは欲しいにする
は本当に始めるに取るある見てでどうやって良いこれモデルもっているされた作成した。
そしてそれで何私たちは欲しいにするは見てでこれ平均曲線ここ。
それでこれはの同じ平均曲線それだった計算されたでのセクションその上。
そして何JMPもっている終わりは言った、だった行くに始めるとこれ平均曲線
そしてそれからだった行くに追加ある形。
それでだった行くに追加これ関数またはいくつかの部分、
どちらかポジティブまたはネガティブ部分のこれ曲線
にこれ平均曲線。
そしてあなたできる見る以上ここどうやって多くののの分散
あなたできる説明するとそれ1つ曲線。
それででそれ場合、もし私たちはただ持っていた私たちの平均曲線
で私たちの初め形、
私たちはするだろう説明するについて50%のの分散。
による追加するある2番関数、今だった説明するほぼ79%、
3位関数取得私たち上に88%。
そしてそれであなたできる見るどうやって多くののそれ変化私たちはできる説明する
による追加するもっとそしてもっと形。
そして依存しての上のタイプの曲線あなた持っている、
あなたかもしれない持っているのみ1つ関数またはあなたかもしれない持っている数十のの機能
依存しての上何それ曲線見た目のように。
それでこれはそれ見た目のように私たちはできる説明するある多くのの分散ここ。
それかかります私たちについて九機能に得る上そこには。
しかし今私たちは欲しいに見るどうやって良いそれらの組み合わせ
の全てそれらの形との平均関数またはとの平均曲線、
どうやってそれらのは代表される。
どうやって代表彼らははの私たちの実験的なデータ。
それでにするそれ、だった行くに行く下にのスコアプロット、
そして私は行くに作るこれただある少し少しより小さい。
そしてだった行くに見てでのスコアプロットそしてこれFPCプロファイラー。
それでのFPCプロファイラー
はある方法に見せるの組み合わせの全てそれらの違う形。
それで私たちは本当にただ欲しいに支払う注意にこれ上左一部ののグリッド。
それでこれは私たちの実験ベースのの上の組み合わせのの平均曲線
と全てそれらの違う形。
そして右今、全てののFPC、以来彼らはセットにゼロ、
私たちはただ得るそれ平均曲線。
しかしもし私始める追加するそれ初めフレキシブル基板、もし私作るそれもっとポジティブ、
私は追加するそれ形、
今私できる見るどうやって私のモデル化された形は変化、
そしてもし私行くより低い、私できる見るどうやってその変化。
それでによる追加するそして引き算それぞれのこれら違う形、
私できる再作成する全てのの違う曲線
または得る近いに全てそれらの違う曲線。
それでこれかもしれない取るある少しその間にする手動で、
しかしあるよあるニース少しショートカット。
それで何私のようににするは行くの中へこれスコアプロット、
そしてしましょう言う私欲しいに見る実験番号六
それで私できるホバリング以上六、
そしてそれから私は行くにピンそれここ、引くそれ以上。
そしてそれでそこにはは九違う機能、しかしだったのみ行くに見る二である時間。
そして私できる見るそれ成分1つは0.08
そして成分二はマイナス0.03 。
それで私できる取るこれに0.08 、そして私できる取るこれにマイナス0.03 。
そして私は起動に再現するこれ曲線、しかし私するだろう必要に調整する全ての彼ら。
そしてそれであるよあるショートカットにするそれによるただクリックするの上これ。
それでによるクリックするの上六、全てのの違うFPCコンポーネント
はセットにの最高代表モデル。
そして私たちはできる見てでこれら二形そして見るどうやって近い彼らはは。
でこれ場合、彼らは見てかわいい良い。
多分あるよないとして多くの意味、そしてこれはないとても真っ直ぐ、
しかしそれ見た目かわいい良い。
そしてそれで私たちはできる行く以上に別の曲線のように番号セブン、
良いクリックの上それ1つそして見るどうやってそれ変化します。
今そのない探しているとてもとして良い、そして私たちはできる行くに八。
そしてこれは何私本当にのようにについてこれプラットホーム、
はそれしましょうあなた探検するのデータ。
それでその機能性Dあた冒険者、
だったただ見るどうやって良いこれモデルフィットします、
そしてだったやってるそれかなり視覚的に。
そしてそうですここ、もしだった本当に興味があるでそれ理解の二峰性自然
だったない取得それ解決とここ。
それでこれは伝える私たち多分これそうではありませんの最高モデル。
多分あるよあるより良い1つ外そこにはそれ私たちはできる見てで。
それでもし私たちは行く上戻るにの上、
の線形モデルだった選択された最初はなぜならそれ持っていたの最小ビック、
しかし多分私たちは欲しいに使用あるステップ関数それで私できるクリックの上のステップ関数。
そして今全てそれらのFPC曲線持っているされた再計算されました。
そしての初めもの私たちは知らせは、
だった取得ある多くもっと説明のの分散ここ。
それで私たちはしないでください必然的に必要全てのこれら曲線、
私できるただ取るこれスライダー。
多分私たちはただ欲しいに見てで六曲線そして説明する99.7%の分散。
そしてそれでその単純化するのモデルある少し。
それで今私たちはできる行く下ここそして取る別の見て
そしてスポットチェックそれらの曲線。
それで私できるホバリング以上六また、ピンそれここ。
これはの曲線それ良いなれ探しているで。
そして何私欲しいにする、病気ただ作るこれある少し少しより大きい。
そしてそれでいつ私クリックの上六、わかったそれで何するあなた考える、ジェリー？
あなたは何を考えるこれ1つは探しているある少し少しより良い？
-それは多くのより良い再生のあなたの実験的な日？
うん、私のようにそれ。
-良い。 うん、私考えるこれは探しているより良い。
それで私たちはできる行くにセブン、
そしてそれ一人の探しているある多くより良いとして良い。
そしてあなたしないでください必要に選択する彼ら全て、
しかしその良いにチェックある少しの彼らそれで私たちはできる行く見てで八。
うん、それで今だった取得ある多くより良い解決ここ
の上の二峰性自然のそれ。
全て右、私考えるこれは伝える私たちそれこれモデルはかわいい良い。
-うん、それで何する私たちはする今？
それは素晴らしいそれあなたできる再現するの実験的な結果、
しかしどうやってするあなた得るにの最適な？
-うん、私推測でこれステージ、そのまだある少し少し抽象的な。
それで私たちは持っています得た全てこれら違う形それだった組み合わせるで違う方法
に再現する全ての私たちの曲線、しかし私たちはしていない終わり何私たちはセット外にする
どれのだった関係するそれらの形に私たちのエネルギー省要因。
それでそれは何だった行くにする次。
だった行くに行く戻る上にのモデル
そしてだった行くに選択する機能的なエネルギー省分析。
そしていつ私たちはするそれ、今だった取得あるプロファイラー
それかもしれない見てある少し少しもっとおなじみもしあなたは使用済みにやってる伝統的DEO。
それで一度また、の応答曲線それ私たちは持っているはここ。
そしてそれで私たちは見る私たちのパーセント当たりミクロンの上のY
そしてのミクロンサイズまたはの粒子サイズの上のバツ。
しかし今その代わりの持っているそれらのFPC
でそれらの形、今私たちは持っている私たちのエネルギー省要因、
それで私たちは持っています得た私たちの攪拌スピード、私たちの流れレート、メディア読み込み中、などセテラ。
今私できる動くそれ攪拌スピードそして私できる見るどうやってその関連するに
またはどうやってその影響を与えるの曲線。
そして私できる見るによるのスロープのこれら行
かどうかまたはない何かは重要またはない。
それで変化それ1つしません本当に変化の形。
それで流れレートしません案件ある全体多く、しかし温度確かに
作るそれもっと広いまたは作るそれもっと狭い。
そしてそれで何私たちはできるするなぜなら私たちはロード済みそれ目標曲線、
ただのようにである標準取引、私たちはできる行くに私たちの赤三角形
そして私たちはできる行くに最大化する望ましさ。
それで通常、これするだろう見てであるパラメータ
もしあなただったやってるある伝統的DOE。
しかしでこれ場合、その行くに試すに探すの設定
それマッチそれ目標曲線それ私たちはロード済み以前。
それでいつ私クリックそれ、そしてそこには私たちは行く。
それ見た目のようにそこにははいくつかの設定ここそれ得る私たちある曲線それはかなり狭い、
ヒッティングのピークそれ私たちは欲しかったそしてしません持っているどれでものそれらの特徴
それだった試していますに避ける。
-とてもいいね。
それでは私たちは終わり？
私たちは得たの設定それ私たちは必要、私たちはただ投げるそれらの
以上のフェンス製造業そしてだった終わり。
-良い、それは1つ方法に雌鹿それ、ジェリー。
私しないでください知るもし皆さんで製造業それ私働いたと前に
かもしれないないのようにそれ。
私たちはおそらく欲しいなぜならこれら設定だったセットで、
の設定はない一部の私たちのデザイン。
それでこれ1つはでの中心、
これ一人のないでの角またはの中心。
それで私たちはおそらく欲しいに走るいくつかの確認走るここ、
多分見るいくつかの過敏症そして作るもちろんそれ、、
私たちは持っています得たいくつかの堅牢性その周りこれら設定。
-とてもいいね。
わかった、全て右。
- しましょう得る戻るそして私考える私たちはできる和上。
-うん。 それで、スコットそれだった素晴らしい、
感謝あなたのためにそれプレゼンテーション。
それででまとめ、何私たちは持っています試してみたにする、は実演するどうやってに実行するあるエネルギー省
を使用してこれら粒子サイズ密度曲線。
の曲線彼ら自身としての応答それよりもよりもパラメータ化のPSD
とまとめ統計のように中央値、標準偏差、などセテラ。
私たちはだったそれからできるに最適化する私たちの要素入力設定にのプロセス
で少しでもでのパイロット規模に探すの最適な曲線形それだったとても近い
に私たちの望ましい粒子サイズ分布。
平行との方法私たちは発見したどうやっていくつかののそれらのパラメーター、
攪拌スピードそしてそれで前方へ影響するの粒子サイズ分布、
先頭に立ってに複数ピークまたは先頭に立ってに広いピーク
または何でもそれかもしれないなれ。
それで私たちは持っているの理解についてそれ、そして私たちは持っているあるモデル。
それで持ってくるこれ全て戻るに私たちのオリジナルシナリオ、
研究& D取ったの結果戻るに製造、
どこ確認走るだった試みた。
規模-上多分そうではなかった完全に成功。
それは典型的なの規模- UPS、時々のパイロット走る
しないでください地図直接に製造業。
しかし私たちはする持っているこれモデル今それ与える私たちの表示
のどれののこれらノブに振り向くに調整するもし私たちはする持っているあるショルダーの上それピーク
または何かのようにそれ。
それで私たちはだったできるに行く戻るに製造、
与える彼らの援助それ彼らは必要なに得るそれで
それでそれ彼らはできた増加彼らのスループットそしてみんなだったハッピー。
[クロストーク 00:26:18]それ結論私たちの紙。
スコットありがとうのために全ての難しい仕事。
-うん、良い、それだった素晴らしい働くとあなたの上これ、ジェリー。
-ええ、同様に。
スコットもっているされた親切十分に保存のモデリング脚本でのデータテーブル、
どれのだった行くに付けるにこれプレゼンテーション。
もしあなたは得たどれでも質問についてのビデオ
またはどれでもののテクニックそれ私たちはした、お願いします役職あなたのコメント下にのビデオ、
あるでしょうなれある空間のためにあなたにするそれ、結婚したなれハッピーに得る戻るとあなた。
感謝あなたのために接合私たち。
-ヤップ、ありがとう。
