Conférencier
|
Transcription
|
| |
Bonjour à tous, je m'appelle Wenzhao Yang et je suis statisticien chez Dow. Aujourd'hui, je vais parler de DOE statistique et de développement de modèles pour des mesures répétées dans la recherche sur le caoutchouc. |
| |
Avant de parler des méthodes, je veux juste ajouter un peu de contexte pour cet exposé. |
| |
L'EPDM est un caoutchouc synthétique largement utilisé dans des applications telles que les transports, les infrastructures, les sports, les loisirs et les appareils électroménagers. |
| |
Dow est l'un des principaux fabricants d'EPDM. Nous innovons et développons continuellement nos produits EPDM pour obtenir des propriétés supérieures et utilisateur dans divers |
| |
applications qui viennent d'être mentionnées. Cette conférence se concentre sur l'application de coupe-froid automobile à base d'EPDM. L'une des principales mesures de performance est appelée propriété de stabilité des couleurs. |
| |
La propriété de stabilité de la couleur est mesurée à plusieurs reprises dans le temps sur la même unité expérimentale. il est défini comme des mesures répétées dans les statistiques. |
| |
Et une dépendance temporelle peut exister entre des mesures de couleur répétées, ce que l'on appelle l'autocorrélation. |
| |
Un nouveau développement technique dans notre travail est que nous avons développé une stratégie DOE basée sur la simulation de Monte Carlo pour des mesures répétées afin d'évaluer la puissance statistique de la détection des effets actifs avant la collecte des données. |
| |
Passons à l'objectif et aux méthodes. |
| |
L'objectif de cette application est de développer une compréhension fondamentale du mécanisme de décoloration des coupe-froid EPDM et de valider les hypothèses sur les facteurs de macrostructure du polymère EPDM pour la propriété de stabilité de la couleur. |
| |
Les expériences de test de stabilité des couleurs suivent les normes des fabricants de caoutchouc industriels, comme indiqué sur la figure un. |
| |
Nous commençons par une liste de polymères EPDM synthétisés avec différentes microstructures. Ensuite, nous les mélangeons avec d'autres ingrédients de formulation cohérents dans les mêmes conditions de processus. |
| |
Après le mélange, le durcissement et la préparation des échantillons, les échantillons vieillissent dans une chambre climatique. Delta E calculé à partir de |
| |
Les mesures de couleur LAB sont une mesure de performance critique pour la propriété de stabilité des couleurs. Il quantifie la différence entre la couleur initiale et la couleur à différents temps de vieillissement d'un échantillon durci. |
| |
Nous avons développé un DOE optimal D pour sélectionner un sous-ensemble représentatif de nos polymères disponibles. Nous utilisons la simulation de Monte Carlo pour évaluer le nombre de mesures répétées nécessaires pour obtenir |
| |
80% de puissance statistique détectant détectant les effets principaux et d'interaction. Les données collectées ont des intervalles de temps inégaux parmi les mesures de couleur répétées. |
| |
Par conséquent, nous avons développé un modèle à coefficient aléatoire, RCM, pour incorporer les effets spécifiques à l'échantillon et fournir plus d'influence sur la variabilité entre les échantillons au fil du temps. Nous avons également comparé le RCM au modèle de régression linéaire. |
| |
Ce qui prouve complètement les données en supposant une variance commune pour tous les échantillons dans le temps. |
| |
Avec les méthodes décrites ici sont les principaux résultats de ce travail. |
| |
La figure 2 montre les résultats d'une analyse de puissance basée sur une simulation de Monte Carlo pour les effets principaux et d'interaction trois sous différents scénarios. |
| |
Si nous nous attendons à un niveau de corrélation automatique moyen, qui est d'environ 0,5, il s'ajustera et les points temporels. Le nombre de mesures répétées doit être d'au moins neuf |
| |
par échantillon durci. Si l'autocorrélation entre des points temporels adjacents est vraiment élevée d'environ 0,9 le |
| |
la puissance statistique chute significativement pour la plupart des effets. Étant donné que nous avons sélectionné des intervalles de temps relativement grands entre les mesures de couleur répétées pour tous les échantillons du DOE, nous supposons que les mesures répétées qui auront un niveau moyen |
| |
l'autocorrélation pour neuf mesures de couleur répétées par échantillon durci est collectée pour ce DOE. |
| |
Un modèle RCM général est montré dans la figure 3 ici, où nous avons un exemple d'interception aléatoire spécifique et des effets de pente. |
| |
En plus des effets principaux et d'interaction des facteurs structurels EPDM dans un modèle de régression linéaire. |
| |
Le tableau d'estimation des paramètres de covariance des effets aléatoires ici montre qu'il existe une différence significative dans le Delta E de départ |
| |
et la variation du taux de Delta E parmi les échantillons durcis. Cela indique qu'il est vraiment important de tenir compte de la variabilité entre les échantillons au fil du temps. |
| |
Le profil du modèle RCM montre que l'intervalle de confiance autour de la ligne de prédiction pour nos facteurs d'entrée est relativement étroit par rapport à l'échelle du Delta E dans notre collecte de données. |
| |
Ainsi, la figure quatre montre que si vous traitez les données comme indépendantes dans un modèle des moindres carrés, vous pouvez vraiment voir où elles gonflent le degré de liberté en montrant le graphique du haut et |
| |
voir où ils gonflent le degré de liberté, nous serions donc trop confiants quant à nos résultats de signification pour les effets du modèle dans le modèle par rapport aux modèles RCM où nous supposons que les données devraient dépendre du temps. |
| |
Et le graphique de prédiction du modèle et le graphique résiduel de la figure cinq montrent que RCM a un bon ajustement du modèle et répond à nos hypothèses de modèle. |
| |
Notre conclusion pour ce travail est que nous avons identifié des facteurs de microstructure dominants et une interaction significative entre deux facteurs de microstructure suggérant une conception de polymère alternative que nous avons développée. |
| |
compréhension fondamentale du mécanisme de décoloration des joints d'étanchéité en EPDM et démontrer la puissance du DOE statistique et de la modélisation à l'aide de JMP pour soutenir le développement de nouveaux caoutchoucs EPDM avec une stabilité de couleur supérieure. |
