Altoparlante
|
Trascrizione
|
| |
Ciao a tutti, mi chiamo Wenzhao Yang e sono uno statistico alla Dow. Oggi parlerò del DOE statistico e dello sviluppo di modelli per misure ripetute nella ricerca sulla gomma. |
| |
Prima di parlare dei metodi, voglio solo aggiungere un piccolo background per questo discorso. |
| |
L'EPDM è una gomma sintetica, ampiamente utilizzata in applicazioni quali trasporti, infrastrutture, sport, tempo libero e elettrodomestici. |
| |
Dow è un produttore leader di EPDM. Innoviamo e sviluppiamo continuamente i nostri prodotti EPDM per ottenere proprietà superiori e per l'utente in vari |
| |
applicazioni appena citate. Questo discorso ci concentrerà sull'applicazione di strisce meteorologiche automobilistiche basate su EPDM. Una delle metriche chiave delle prestazioni è chiamata proprietà di stabilità del colore. |
| |
La proprietà di stabilità del colore viene misurata ripetutamente nel tempo sulla stessa unità sperimentale. è definito come misure ripetute nelle statistiche. |
| |
E può esistere una dipendenza temporale tra misure di colore ripetute, nota come correlazione automatica. |
| |
Un nuovo sviluppo tecnico nel nostro lavoro è che abbiamo sviluppato una strategia DOE basata sulla simulazione Monte Carlo per misure ripetute per valutare il potere statistico di rilevare effetti attivi prima della raccolta dei dati. |
| |
Passiamo all'obiettivo e alle modalità. |
| |
L'obiettivo in questa applicazione è sviluppare una comprensione fondamentale del meccanismo di scolorimento delle strisce meteorologiche EPDM e convalidare ipotesi sui fattori di macrostruttura del polimero EPDM per la proprietà di stabilità del colore. |
| |
Gli esperimenti del test di stabilità del colore seguono gli standard dei produttori di gomma industriale come mostrato nella figura uno. |
| |
Iniziamo con un elenco di polimeri EPDM sintetizzati con diverse microstrutture. Quindi li mescoliamo con altri ingredienti di formulazione coerenti nelle stesse condizioni di processo. |
| |
Dopo l'indurimento della composizione e la preparazione del campione, i campioni vengono invecchiati in una camera di invecchiamento. Delta E calcolato da |
| |
Le misurazioni del colore LAB sono una metrica delle prestazioni critica per la proprietà di stabilità del colore. Quantifica la differenza tra il colore iniziale e il colore a diversi tempi di invecchiamento di un campione indurito. |
| |
Abbiamo sviluppato un DOE D-ottimale per selezionare un sottoinsieme rappresentativo dai nostri polimeri disponibili. Usiamo la simulazione Monte Carlo per valutare il numero di misure ripetute necessarie per ottenere |
| |
80% della potenza statistica rilevando rilevando gli effetti principali e di interazione. I dati raccolti hanno intervalli di tempo disuguali tra misurazioni ripetute del colore. |
| |
Pertanto, abbiamo sviluppato un modello a coefficienti casuali, RCM, per incorporare gli effetti specifici del campione e fornire una maggiore influenza sulla variabilità tra i campioni nel tempo. Abbiamo anche confrontato RCM con il modello di regressione lineare. |
| |
Il che dimostra completamente i dati assumendo una varianza comune per tutti i campioni nel tempo. |
| |
Con i metodi descritti qui sono i risultati chiave per questo lavoro. |
| |
La figura due mostra i risultati di un'analisi di potenza basata sulla simulazione Monte Carlo per gli effetti principali e di interazione tre in scenari diversi. |
| |
Se prevediamo un livello di correlazione automatica medio, che è di circa 0,5, si adeguerà e i punti temporali. Il numero di misure ripetute dovrebbe essere almeno nove |
| |
per campione indurito. Se l'autocorrelazione tra punti temporali adiacenti è davvero alta circa 0,9 the |
| |
il potere statistico diminuisce significativamente per la maggior parte degli effetti. Poiché abbiamo selezionato intervalli di tempo relativamente ampi tra le misure ripetute del colore per tutti i campioni DOE, assumiamo che le misure ripetute che avranno un livello medio |
| |
per questo DOE viene raccolta l'autocorrelazione per nove misure di colore ripetute per campione indurito. |
| |
Un modello RCM generale è mostrato nella Figura 3 qui, dove abbiamo un'intercetta casuale specifica del campione e effetti di pendenza. |
| |
Oltre agli effetti principali e di interazione dei fattori strutturali EPDM in un modello di regressione lineare. |
| |
La tabella di stima del parametro di covarianza degli effetti casuali qui mostra che ci sono differenze significative nell'avvio di Delta E |
| |
e tasso di variazione del Delta E tra i campioni induriti. Ciò indica che è davvero importante tenere conto della variabilità tra i campioni nel tempo. |
| |
Il profilo per il modello RCM mostra che l'intervallo di confidenza attorno alla linea di previsione per i nostri fattori di input è relativamente stretto rispetto alla scala del Delta E nella nostra raccolta di dati. |
| |
Quindi la figura quattro mostra che se tratti i dati come indipendenti in un modello dei minimi quadrati potresti davvero vedere dove gonfiano il grado di libertà mostrando il grafico superiore e |
| |
vedere dove gonfiano il grado di libertà, quindi saremmo troppo sicuri dei nostri risultati di significatività per gli effetti del modello nel modello rispetto ai modelli RCM in cui presumiamo che i dati dovrebbero essere dipendenti dal tempo. |
| |
E il grafico di previsione del modello e il grafico residuo nella figura cinque mostrano che RCM ha un buon adattamento del modello e soddisfa le nostre ipotesi di modello. |
| |
La nostra conclusione per questo lavoro è che abbiamo identificato fattori di microstruttura dominanti e un'interazione significativa tra due fattori di microstruttura che suggeriscono un design di polimero alternativo che abbiamo sviluppato |
| |
comprensione fondamentale del meccanismo di scolorimento delle guarnizioni EPDM e dimostrazione della potenza del DOE statistico e della modellazione utilizzando JMP per supportare lo sviluppo di nuove gomme EPDM con una stabilità del colore superiore. |
