La progettazione degli esperimenti (DOE) ha sempre contribuito in modo intrinseco alla sostenibilità. Semplicemente minimizzando il numero di esperimenti necessari per raggiungere l'obiettivo desiderato, è possibile ottenere un notevole risparmio di risorse.
Tuttavia, non si tratta solo di utilizzare il DOE, ma anche di combinarlo con i Prediction Profiler e i Contour Profiler. Questi strumenti consentono a scienziati e ingegneri di raggiungere prodotti e processi ottimali, generando un contributo "secondario" alla sostenibilità. Ad esempio, rendendo un processo più efficiente, è possibile generare meno rifiuti e/o consumare meno energia. Ottenere un prodotto migliore o più efficiente potrebbe far risparmiare risorse nell'applicazione di tale prodotto o prolungarne la durata, generando a sua volta meno rifiuti.
In questo articolo, mostriamo come Johnson Matthey, leader globale nelle tecnologie sostenibili, consideriamo la sostenibilità non solo in relazione all'applicazione dei nostri prodotti, ma fin dalle prime fasi della loro formulazione. Spieghiamo come utilizziamo la progettazione di esperimenti (DOE) e i profilatori per formulare prodotti tenendo conto non solo delle prestazioni, ma anche cercando di minimizzare l'impatto ambientale della formulazione stessa, integrando quindi la sostenibilità in molteplici aspetti del prodotto.
Bene. Salve a tutti. Oggi vi illustrerò il nostro contributo al Discovery Summit. Il titolo è "Utilizzo della progettazione degli esperimenti e del Prediction Profiler per la creazione di formulazioni sostenibili". Ma prima di tutto, chi siamo? Mi chiamo Pilar. Sono una ricercatrice scientifica presso la Speciality Chemical Company, Johnson Matthey, e sono a capo di un gruppo chiamato Statistical Thinking Team, il cui obiettivo è quello di estendere l'uso degli strumenti statistici in tutta Johnson Matthey. Qui ci sono le mie colleghe, Patricia e Jenny, che si presenteranno a breve.
Salve, sono Patricia Blanco. Lavoro anch'io alla Johnson Matthey, presso il centro di ricerca. Sono una chimica di formazione e lavoro nel campo della programmazione e delle formulazioni da circa 20 anni.
Ciao, sono Jenny. Lavoro al Centro Tecnologico e mi occupo di analisi del ciclo di vita (LCA) all'interno del team per la sostenibilità, aiutando gli scienziati a prendere decisioni sostenibili durante i loro progetti di ricerca.
Per chi non la conoscesse, Johnson Matthey, ve la presento brevemente. Come sapete, il mondo sta affrontando alcune delle sfide più grandi di sempre e dobbiamo cambiare, passare a zero emissioni nette e garantire un futuro più sostenibile. È qui che entra in gioco Johnson Matthey. Grazie alla nostra scienza all'avanguardia e alla continua innovazione, stiamo catalizzando la transizione verso le zero emissioni nette per milioni di persone ogni giorno. Abbiamo una storia di 206 anni e oltre 12.000 dipendenti in tutto il mondo. La nostra tecnologia si basa su metalli avanzati, chimica, catalisi e ingegneria di processo. Queste competenze sono state consolidate nel corso di molti anni e sono alla base di tutte le nostre attività. In JM, ci impegniamo per la sostenibilità e Jenny ce ne parlerà.
Uno dei valori fondamentali di Johnson Matthey è la tutela del pianeta e delle persone. Ci impegniamo a raggiungere questo obiettivo esaminando lo sviluppo del nostro portafoglio tecnologico, le operazioni necessarie per produrlo e la collaborazione con clienti e fornitori per creare prodotti sostenibili all'interno della nostra gamma. Puntiamo a proteggere il clima, la natura e a promuovere l'economia circolare, nonché a favorire una società sicura, diversificata ed equa. Utilizziamo i rating ESG per dimostrare il nostro impegno nel diventare un'azienda più sostenibile.
Grazie. Oggi parleremo di come utilizziamo la Progettazione degli Esperimenti (DoE) e la sostenibilità. Per noi, la Progettazione degli Esperimenti contribuisce intrinsecamente alla sostenibilità, poiché la semplice riduzione del numero di esperimenti consente di risparmiare risorse, materiali ed energia. Inoltre, se si applica la Progettazione degli Esperimenti, ad esempio, per rendere più efficiente uno dei processi, si ottiene un peso inferiore e un minore consumo energetico. Se si applica la Progettazione degli Esperimenti per rendere un prodotto più efficiente, si potrebbero risparmiare risorse durante l'utilizzo di tale prodotto, oppure aumentarne la durata e quindi ridurre la quantità di rifiuti. Tutte queste applicazioni della DoE alla sostenibilità sono più orientate all'applicazione dei prodotti. In questa presentazione, abbiamo voluto approfondire ulteriormente il tema della DoE e della sostenibilità a partire dalla formulazione del prodotto, andando a ritroso fino a prima ancora che il prodotto esista. Le formulazioni in JM.
La formulazione dei prodotti è una delle competenze chiave di JM e richiede un approccio multidisciplinare in cui chimica, modellazione, produzione, processo e ingegneria collaborano per poter offrire la scienza di JM in una forma adatta alle esigenze del cliente. Come ho accennato nell'introduzione, faccio parte del team Formulazioni presso il Centro Tecnologico di JM nel Regno Unito. Come team, forniamo supporto a tutte le divisioni di JM in una vasta gamma di progetti, che spaziano dalla comprensione fondamentale a lungo termine al supporto rapido e critico per la produzione dei prodotti. Inoltre, sviluppiamo e ampliamo la nostra base scientifica, acquisendo nuove tecniche e competenze nei nostri laboratori e collaborando con esperti esterni.
Utilizziamo strumenti statistici per progettare i nostri esperimenti e per ottenere il massimo valore dai nostri dati. La maggior parte dei prodotti di JM sono formulati e qui mostro solo alcune immagini a titolo di esempio. Partendo da sinistra, abbiamo convertitori catalitici rivestiti con alizarina contenente un catalizzatore attivo. L'immagine nera al centro mostra un inchiostro per celle a combustibile; sia i catalizzatori per celle a combustibile che quelli per elettrolizzatori vengono depositati per produrre strati di rivestimento a partire dagli inchiostri. Anche le polveri sono molto importanti perché vengono utilizzate per produrre catalizzatori granulari o in pellet, impiegati nella produzione di sostanze chimiche.
In tutti questi esempi, è fondamentale comprendere i materiali e come interagiscono tra loro. Le formulazioni sono sistemi complessi e l'utilizzo di strumenti JMP come Mixture Design of Experiments è importante, in quanto ci aiuta a ottenere il massimo valore e la migliore comprensione nello studio delle formulazioni di prodotti.
In questa dimostrazione che stiamo per fare, abbiamo eseguito un DOE (Design of Experiments) su una formulazione e ne abbiamo analizzato le prestazioni, che verranno poi introdotte nel Profiler di JMP. Inoltre, introdurremo un modello relativo alla sostenibilità basato sul concetto di analisi del ciclo di vita. Entrambi gli approcci sono stati analizzati insieme nel Profiler per ottenere una formulazione ottimizzata che tenga conto non solo delle prestazioni, ma anche della sostenibilità della formulazione stessa. Se non avete familiarità con l'analisi del ciclo di vita, Jenny ve la spiegherà.
L'analisi del ciclo di vita (LCA) è un metodo che possiamo utilizzare per quantificare qualsiasi impatto ambientale, diretto o indiretto, che possa essere associato all'intera catena di produzione. Questo significa quindi considerare l'intero ciclo di vita, dalla culla al cancello, o dalla culla alla tomba. L'LCA contribuisce a promuovere la progettazione di prodotti o processi sostenibili e a identificare tempestivamente eventuali criticità, in modo da poter intervenire rapidamente. Ciò si tradurrà in un minore impatto ambientale e in una minore emissione di sostanze tossiche nell'ambiente. L'LCA si concentrerà in particolare su tre obiettivi principali: la salute umana, la salute degli ecosistemi e la disponibilità delle risorse. Al momento, in collaborazione con Pilar del Dipartimento dell'Energia degli Stati Uniti (DOE), ci stiamo concentrando sull'equivalente di anidride carbonica per analizzare l'impronta di carbonio dei prodotti lungo l'intero ciclo di vita, dalla culla al cancello.
Ora me ne vado. Farò una dimostrazione direttamente in JMP. Abbiamo quindi una miscela di tre componenti: un componente principale, un modificatore e un solvente. Apriamo il diagramma ternario. Guardate com'è. È la parte blu. Questo è il nostro diagramma ternario, con il componente principale, il modificatore e il solvente. Ovviamente, le formulazioni di sistema sono molto più complesse, ma abbiamo fatto questo piccolo esempio con solo tre componenti, in modo che possano essere facilmente visualizzate nel diagramma ternario. Normalmente, nelle formulazioni, lo spazio sperimentale è molto piccolo rispetto a tutte le possibili combinazioni.
Normalmente dobbiamo supporre in uno spazio molto piccolo. Ma in realtà, anche se sembra uno spazio molto piccolo, come un tipo molto drastico... Le formulazioni possono avere cambiamenti molto piccoli in questa formulazione all'interno di questo spazio possono causare un comportamento molto drastico in termini di prestazioni. Abbiamo progettato un disegno di miscela, in questo schizzo basato su un [inaudibile 00:09:50] disegni di riempimento con vincoli, come puoi vedere, in cui ci dà una buona distribuzione dei punti dati attorno allo spazio sperimentale. I dati erano modello. I dati che stiamo raccogliendo sono una sorta di proprietà correlata alle prestazioni che puoi vedere, e i dati erano modello.
Ora disponiamo di un modello che illustra come diverse formulazioni ci forniscano diverse proprietà prestazionali. Allo stesso tempo, abbiamo anche un modello per l'impronta di carbonio, ovvero i chilogrammi di CO₂ equivalente prodotti per chilogrammo di formulazione, tenendo conto dell'impronta di carbonio di ciascun singolo ingrediente. Visualizzeremo ciascuno di questi modelli in un diagramma ternario. Se partiamo dall'impronta di carbonio, ad esempio, possiamo vedere qui un ingrandimento dello spazio sperimentale. Lo spazio sperimentale è in bianco. Come si può notare dalle linee di contorno rosse, l'impronta di carbonio aumenta spostandosi verso sinistra.
Se vogliamo ridurre al minimo l'impronta di carbonio di questa formulazione di questo prodotto, dobbiamo andare… Muovendoci verso destra in questa direzione. Abbiamo anche… Se guardiamo il modello del predittore di prestazioni, allora puoi vedere come il modello è più complesso e puoi vedere come i valori si muovono tra 20 e 60. Puoi vedere come ci sono 20, 30. Abbiamo anche le aree per 40 sulle linee tratteggiate. Se vogliamo avere una proprietà prestazionale di 40 allora dobbiamo lavorare lì.
Abbiamo anche il valore 50. Se vogliamo lavorare intorno a 50, abbiamo bisogno di formulazioni che si trovino in quest'area, e abbiamo anche un punto ottimale di 60. Supponiamo di voler massimizzare questa proprietà, quindi dobbiamo scegliere formulazioni che si trovino all'interno di questi intervalli, in particolare saremo interessati a quest'area per le formulazioni. Se consideriamo tutto insieme, abbiamo le linee di contorno per la proprietà prestazionale in rosso e l'impronta di carbonio in blu. Visualizzando tutto insieme, possiamo quindi scegliere le formulazioni che potrebbero essere il più vicino possibile all'area di interesse per massimizzare la proprietà prestazionale, cercando al contempo di minimizzare l'impronta di carbonio.
Probabilmente sceglieremo una formulazione che si trovi nella parte destra di quest'area per avvicinarci il più possibile a valori più bassi di impronta di carbonio. Ovviamente questo è solo un aspetto visivo, e la visualizzazione diventa più complessa quando si hanno più componenti. In ogni caso, è possibile fare tutto tramite il Mixture Profiler, ma si possono anche utilizzare altri strumenti in JMP come il Prediction Profiler o il Design Space Profiler per ottimizzare il sistema, tenendo conto di diversi output, come in questo caso le prestazioni, ma anche l'impronta di carbonio, e trovare una soluzione che possa trovare un compromesso tra i due aspetti che stiamo esaminando.
Stiamo esaminando la formulazione di un prodotto. In sintesi, l'importanza... È di fondamentale importanza fornire agli scienziati strumenti che consentano loro di considerare la sostenibilità e la ricerca nelle fasi iniziali. In caso contrario, queste decisioni diventano molto difficili. JMP, con i suoi esperimenti e i suoi profilatori, si è dimostrato per noi uno strumento molto utile per consentire agli scienziati di ottimizzare le prestazioni, la sostenibilità e molti altri aspetti che possiamo considerare in un prodotto o in una formulazione, come ad esempio il costo, in modo simultaneo per ottenere la soluzione migliore sotto ogni punto di vista. Questo è tutto per noi. Grazie mille per l'attenzione.
