QUESTA STORIA È IN ATTESA DI APPROVAZIONE DEL CLIENTE. CONSIDERALO RISERVATO PER L'AZIENDA. NON DIVULGARE.
Guidare verso una gomma migliore
In Michelin, la sperimentazione multifattoriale sta creando efficienze chiave nella ricerca e sviluppo. Quell'innovazione potrebbe sbloccare i futuri processi chimici necessari per uno pneumatico sostenibile al 100%.
_____________________________________________________________________________________
Sfida: Mentre Michelin si sforza di raggiungere ambiziosi obiettivi di sostenibilità ambientale per il suo portafoglio di pneumatici, è diventato chiaro che il classico design degli esperimenti (DOE) non è più sufficiente per il ritmo imperativo dell'innovazione. Per accelerare lo sviluppo del processo chimico e ridurre i costi associati alla sperimentazione, l'azienda ha cercato di superare le inefficienze create dalla dipendenza da un toolkit inadeguato.
Soluzione: Riconoscendo la necessità di creare economie di scala, la leadership tecnica di Michelin ha dato il via libera a una proposta avanzata da Florent Mathieu, ingegnere di processo presso la sede dell'azienda in Auvergne-Rhône-Alpes, in Francia, per concedere in licenza il software di rilevamento statistico JMP®. "Le funzionalità DOE offerte da JMP sono molto più efficienti di altri strumenti", spiega, aggiungendo che oltre a semplificare la gestione e l'esplorazione dei dati, il software ora consente a ingegneri e scienziati di ottimizzare una moltitudine di variabili sperimentali con interazioni complesse.
Risultati: Dalla sua implementazione, JMP ha aiutato i team di ingegneri a raggiungere l'ottimizzazione multi-obiettivo; ad esempio, raggiungere la massima durata possibile del pneumatico massimizzando al tempo stesso l'aderenza. Afferma Mathieu: "Da quando abbiamo iniziato a utilizzare JMP, il numero di esperimenti di cui abbiamo bisogno è stato drasticamente ridotto, così come il relativo costo di tali esperimenti".
_____________________________________________________________________________________
Oltre ai suoi ambiziosi obiettivi di riduzione delle emissioni derivanti dalle operazioni logistiche e dalla produzione, il Gruppo Michelin ha annunciato che nel 2021 ridurrà del 70% le emissioni di CO2 legate alle materie prime, aumenterà l'efficienza energetica del suo portafoglio prodotti (10% entro il 2030) e produrrà un pneumatico completamente sostenibile entro il 2050. Tali obiettivi, sebbene raggiungibili, richiederanno un'innovazione senza precedenti, una realtà da cui l'azienda non si è tirata indietro.
Poiché Michelin cerca di sostituire tutti i materiali fossili con i sostituti dei biomateriali ora disponibili attraverso le catene di approvvigionamento emergenti, l'azienda ha anche adottato soluzioni creative per aumentare l'efficienza e accelerare lo sviluppo. Nella ricerca e sviluppo, coloro che hanno il compito di creare i futuri processi chimici necessari per produrre uno pneumatico sostenibile al 100% vedono l'impegno dell'azienda per la sostenibilità ambientale come andare di pari passo con un cambiamento radicale nella cultura dell'analisi.
Processi chimici innovativi per uno pneumatico sostenibile al 100%.
Quando Florent Mathieu, PhD, è entrato a far parte di Michelin per la prima volta nel 2021, ha compreso bene il brief - stabilire processi chimici per produrre materie prime interamente di origine biologica - e cosa sarebbe stato necessario per raggiungerlo. Esperto nella costruzione di strategie di intensificazione dei processi basate su progetti sperimentali non lineari, Mathieu è arrivato all'industria dei pneumatici dalle scienze della vita, dove aveva progettato un processo per la sintesi di globuli rossi artificiali per la startup biotecnologica EryPharm.
Portato in un team di ingegneri di processo chimico presso il sito di Michelin a Clermont-Ferrand, Auvergne-Rhône-Alpes, Francia, Mathieu ha iniziato facendo il punto sui flussi di lavoro dei dati esistenti per identificare opportunità di miglioramento strategico che potrebbero introdurre un nuovo livello di efficienza nell'organizzazione di ricerca e sviluppo . "L'analisi statistica ci consente di essere più obiettivi su tutto ciò che facciamo", afferma.
“Credo fermamente che tutti i dati che acquisiamo, siano essi dati di processi storici o altro, siano molto importanti per comprendere [la scienza] ei fenomeni che stiamo osservando. Ora è possibile accedere a un numero sempre maggiore di dati, quindi abbiamo assolutamente bisogno di strumenti più efficienti con cui gestire tali dati, nonché analizzarli, esplorarli e modellarli".
Un agente di cambiamento sostiene capacità statistiche avanzate
Mentre il team di ingegneri di processo di Michelin disponeva già di una serie di best practice statistiche, Mathieu ha intravisto l'opportunità di creare efficienze trasformative passando dal classico design degli esperimenti (DOE) al DOE moderno e implementando l'automazione per creare economie di scala. Aumentare la capacità statistica dell'intera organizzazione sembrava un obiettivo ambizioso, dice, ma gran parte di quella sfida potrebbe essere raggiunta semplicemente introducendo un nuovo strumento.
Riflettendo sulla sua prima incursione in un ruolo industriale presso EryPharm, Mathieu afferma che il suo impulso iniziale è stato quello di utilizzare gli strumenti di programmazione su cui aveva fatto affidamento nel mondo accademico. Mathieu imparò presto, tuttavia, che il ritmo di sviluppo richiesto nell'industria non avrebbe concesso tempo sufficiente per la codifica.
"Non solo devi essere molto più veloce, devi anche condividere i tuoi dati e strumenti con i colleghi", afferma. "Dovevo trovare un altro modo per lavorare in modo più visivo ed essere più efficiente, quindi ho iniziato a cercare uno strumento statistico e mi sono imbattuto in JMP®".
Avendo utilizzato in precedenza il software di scoperta statistica, Mathieu ha rapidamente osservato che il limitatore di velocità chiave di Michelin non era una conoscenza inadeguata, ma strumenti inadeguati. Senza l'accesso al software giusto, scienziati e ingegneri erano limitati ad approcci di sperimentazione molto più lenti.
"La progettazione classica degli esperimenti non è così efficiente come ciò che può essere fatto in JMP", spiega Mathieu. "Quindi una delle prime cose che ho fatto alla Michelin è stata proporre di acquistare JMP". Una volta che la leadership tecnica dell'azienda ha visto cosa poteva fare lo strumento, dice, "non è stato molto difficile dimostrare loro che JMP era davvero potente ed efficiente". Quel potere si è presto tradotto in un minor numero di esperimenti, minori costi di sperimentazione e cicli di sviluppo più brevi.
"In Michelin, gli esperimenti sono molto costosi, quindi se riesci a ridurre il numero di esperimenti necessari per arrivare a una risposta, puoi risparmiare un sacco di tempo e denaro", afferma. "Da quando abbiamo iniziato a utilizzare JMP, il numero di esperimenti di cui abbiamo bisogno è stato drasticamente ridotto... Infatti, ho fatto una stima del numero di esperimenti che possiamo risparmiare, e dei relativi costi, e ho scoperto che in meno di un mese, con la sola economia degli esperimenti che non dovevamo fare grazie a JMP, il risparmio più che pagare per una licenza.
La progettazione personalizzata degli esperimenti fornisce una comprensione più completa del processo
Nonostante la sua ubiquità nella vita di tutti i giorni, il pneumatico è, in realtà, un oggetto altamente tecnologico. Il prodotto di complesse formulazioni chimiche, lo pneumatico medio comprende più di 200 materie prime uniche tra cui gomme naturali e sintetiche, nerofumo e silice, resine, oli, zolfo, cavi, cerchietto e rinforzi tessili come rayon e poliestere.
Uno degli ingredienti più importanti in qualsiasi formulazione di pneumatici è l'elastomero, un polimero caratterizzato sia da viscosità che da elasticità. Le proprietà di un elastomero costituente determinano spesso la composizione dei risultati della formulazione e gli elastomeri stessi variano in larga misura. In altre parole, spiega Mathieu, la manipolazione degli elastomeri all'interno di una formulazione – da piccole modifiche a cambiamenti importanti come la sostituzione di materiali non rinnovabili con componenti di origine biologica – influenza gli altri fattori attraverso complesse interazioni.
"Questo è il motivo per cui è così importante esplorare l'intero spazio di progettazione", spiega Mathieu, aggiungendo che quando applicato alle reazioni chimiche, il DOE fornisce informazioni su variabili come temperatura, pressione, reattività e il rapporto tra catalizzatore e materia prima. Con più di 200 componenti in qualsiasi formulazione, le condizioni devono essere vagliate attraverso la sperimentazione di un fattore alla volta o attraverso il DOE.
"Ci sono molte persone che credono che per capire qualcosa, debbano adottare un approccio un fattore alla volta", spiega Mathieu. “Pensiamo in modo lineare e spesso dimentichiamo che non comprendiamo le interazioni in modo intuitivo. Ecco perché dobbiamo progettare esperimenti per ottenere maggiori informazioni”.
Con JMP, gli ingegneri e gli scienziati di Michelin hanno ora accesso a una suite di strumenti per progetti di screening definitivi e DOE personalizzati che possono essere utilizzati in quasi tutte le situazioni sperimentali per fornire soluzioni altamente personalizzate. Interi progetti possono essere eseguiti entro limiti di risorse. Hai solo le risorse per eseguire 12 esperimenti? Nessun problema. Hai un set di dati parziale e non vuoi ricominciare da capo? È facile aumentare i nuovi esperimenti con i dati che hai già raccolto. "Ciò significa che non stai eseguendo un esperimento da capo", dice Mathieu. "L'utilizzo dei dati che hai già raccolto è un'efficienza molto importante."
Oltre all'efficienza in termini di costi e tempi, afferma, una delle maggiori capacità di JMP è la capacità di raggiungere il compromesso ottimale tra obiettivi contrastanti. Una gomma progettata per durare a lungo, ad esempio, dovrebbe essere molto dura, mentre una gomma progettata per avere molto grip dovrebbe essere molto morbida. Raggiungere il giusto equilibrio tra i due è essenziale per produrre un prodotto di alta qualità e, afferma, l'ottimizzazione multi-obiettivo è dove JMP brilla davvero.
"Il modo migliore per dimostrare agli [scettici] che il DOE è importante è mostrarglielo con i propri dati", spiega Mathieu. "Quando mostro loro una mappa di tutti i dati che hanno raccolto e di tutti gli esperimenti che hanno eseguito, capiscono che [senza DOE] non stavano esplorando l'intero spazio di progettazione."
Dalla visualizzazione dei dati di base al DOE avanzato e al Functional Data Explorer, tutto in un unico strumento
Con i suoi colleghi che ora sfruttano appieno la maggiore capacità del DOE all'avanguardia, Mathieu è stato libero di studiare altri modi di sfruttare le statistiche per introdurre efficienze nella progettazione dei processi. Un utente di JMP Pro, ha esplorato i modi di utilizzare la piattaforma FDE (Functional Data Explorer) dello strumento per prevedere determinate proprietà degli elastomeri utilizzando i dati della spettroscopia di massa. Misurando parametri chiave come pressione, temperatura e conversione con reazioni batch, Mathieu può capire come un profilo batch influenza le proprietà di un prodotto e regolare i parametri nel tempo per ottimizzare le proprietà desiderabili.
"L'idea di FDE è trasformare i dati funzionali in un vettore, creare un modello e fare analisi statistiche su quel vettore", spiega. “È così potente perché con uno spettro è possibile prevedere alcune proprietà molto importanti per un elastomero e immaginare come modificare al meglio la reazione ei componenti chimici. È uno strumento molto predittivo.”
Sebbene non tutti all'interno dell'organizzazione abbiano la necessità di esaminare i dati funzionali, il fatto che gli utenti di tutti i livelli di abilità possano lavorare all'interno dello stesso strumento è una risorsa importante. JMP, afferma Mathieu, ha introdotto efficienze nella gestione e nell'accesso ai dati, nonché nella visualizzazione e nell'esplorazione dei dati, funzionalità che interessano tutti. La visualizzazione è ciò che vede come una delle caratteristiche principali dello strumento e incoraggia tutti gli utenti a visualizzare prima i propri dati come passaggio obbligatorio in qualsiasi flusso di lavoro statistico. Inoltre, con JMP, tutti questi passaggi possono essere standardizzati attorno a un unico set di best practice, automatizzati e implementati in tutta l'organizzazione.
"La direzione ha visto molto rapidamente i vantaggi dell'utilizzo di uno strumento del genere perché aiuta a formulare il problema in modo chiaro, identificare i propri obiettivi e avere una buona metodologia", afferma. “La community [degli utenti di Michelin] cresce ogni giorno di più. E quando presentiamo i motivi per cui utilizziamo JMP, tutti diventano interessati e curiosi di saperne di più e ottenere il software".
