El diseño de experimentos (DOE) siempre ha contribuido intrínsecamente a la sostenibilidad. Al minimizar el número de experimentos necesarios para alcanzar el objetivo deseado, se pueden obtener importantes ahorros de recursos.
Sin embargo, no se trata solo de usar el Diseño de Experimentos (DOE), sino también de combinarlo con los Perfiladores de Predicción y Contorno. Estos perfiladores permiten a científicos e ingenieros alcanzar productos y procesos óptimos, generando una contribución indirecta a la sostenibilidad. Por ejemplo, al hacer un proceso más eficiente, es posible generar menos residuos y/o consumir menos energía. Lograr un producto mejor o más eficiente podría ahorrar recursos en su aplicación o prolongar su vida útil al generar, nuevamente, menos residuos.
En este artículo, mostramos cómo en Johnson Matthey, líder mundial en tecnologías sostenibles, consideramos la sostenibilidad no solo en relación con la aplicación de nuestros productos, sino desde su formulación inicial. Explicamos cómo utilizamos el diseño de experimentos (DOE) y los perfiles de composición para formular teniendo en cuenta no solo el rendimiento, sino también minimizando el impacto ambiental de la formulación, e integrando así la sostenibilidad en múltiples aspectos del producto.
Bien. Hola a todos. Hoy les voy a presentar nuestra contribución a la Cumbre Discovery. El título es «Utilización del diseño de experimentos y el perfilador de predicción para la creación de formulaciones sostenibles». Pero antes que nada, ¿quiénes somos? Mi nombre es Pilar. Soy investigadora científica en la empresa de productos químicos especializados Johnson Matthey y dirijo un grupo llamado Equipo de Pensamiento Estadístico, cuyo objetivo es ampliar el uso de herramientas estadísticas en Johnson Matthey. Aquí están mis compañeras, Patricia y Jenny, que se presentarán.
Hola, soy Patricia Blanco. También trabajo en Johnson Matthey, en el centro de investigación. Soy química de formación y llevo unos 20 años trabajando en el campo de la codificación y las formulaciones.
Hola, soy Jenny. Trabajo en el Centro Tecnológico y me dedico al análisis del ciclo de vida (ACV) dentro del equipo de sostenibilidad, ayudando a los científicos a tomar decisiones sostenibles durante sus proyectos de investigación.
Para quienes no conozcan Johnson Matthey, les haré una breve presentación. Como saben, el mundo se enfrenta a algunos de sus mayores desafíos hasta la fecha, y necesitamos cambiar, transitar hacia la neutralidad de carbono y asegurar un futuro más sostenible. Ahí es donde entra Johnson Matthey. A través de nuestra ciencia inspiradora y la innovación constante, impulsamos la transición hacia la neutralidad de carbono para millones de personas cada día. Contamos con 206 años de historia y más de 12 000 empleados en todo el mundo. Nuestra tecnología se basa en metales avanzados, química, catálisis e ingeniería de procesos. Esta experiencia se ha consolidado a lo largo de muchos años y sustenta todas nuestras actividades. En JM, estamos comprometidos con la sostenibilidad, y Jenny nos lo explicará.
En Johnson Matthey, uno de nuestros valores fundamentales es proteger el planeta y a las personas. Buscamos lograrlo analizando el desarrollo de nuestra cartera de tecnologías, las operaciones que llevamos a cabo para producirlas y cómo podemos colaborar con clientes y proveedores para crear un producto sostenible dentro de nuestra cartera. Nos comprometemos con la protección del clima, la naturaleza y el avance de la economía circular, y promovemos una sociedad segura, diversa y equitativa. Utilizamos calificaciones ESG para demostrar nuestro progreso hacia una empresa más sostenible.
Gracias. Hoy vamos a hablar sobre cómo usamos el Diseño de Experimentos y la sostenibilidad. Para nosotros, el Diseño de Experimentos tiene una contribución intrínseca a la sostenibilidad, ya que al reducir el número de experimentos, se ahorran recursos, materiales y energía. Además, si se aplica el Diseño de Experimentos, por ejemplo, para hacer uno de los procesos más eficiente, se reduce el peso y el consumo de energía. Si se aplica el diseño de experimentos para hacer un producto más eficiente, se pueden ahorrar recursos en la aplicación de ese producto, o se puede aumentar su vida útil y, por lo tanto, disminuir la cantidad de residuos. Todas estas aplicaciones del DoE a la sostenibilidad están más dirigidas a través de la aplicación de los productos. En esta presentación, quisimos ir más allá y hablar sobre el DoE y la sostenibilidad a través de la formulación de ese producto. Retrocediendo hasta antes de que ese producto exista. Formulaciones en JM.
La formulación de productos es una de las capacidades principales de JM y requiere un enfoque multidisciplinario donde la química, el modelado, la fabricación, el procesamiento y la ingeniería deben trabajar en conjunto para ofrecer la ciencia de JM de una forma que se adapte a las necesidades del cliente. Como mencioné en la introducción, formo parte del equipo de Formulaciones del Centro Tecnológico de JM en el Reino Unido. Como equipo, brindamos apoyo a todas las unidades de negocio de JM en una variedad de proyectos que abarcan desde la comprensión fundamental a largo plazo hasta el apoyo crítico y rápido para la fabricación de productos. También desarrollamos y ampliamos nuestra base científica mediante el desarrollo de nuevas técnicas y habilidades en nuestros laboratorios, así como colaborando con expertos externos.
Utilizamos herramientas estadísticas para diseñar nuestros experimentos y obtener el máximo provecho de nuestros datos. La mayoría de los productos de JM están formulados, y aquí muestro algunas imágenes a modo de ejemplo. Empezando por la izquierda, tenemos convertidores catalíticos recubiertos con alizarina, que contiene un catalizador activo. La imagen negra del centro muestra una tinta para pilas de combustible; tanto los catalizadores para pilas de combustible como para electrolizadores se depositan para producir capas recubiertas a partir de tintas. Los polvos también son muy importantes, ya que se utilizan para producir catalizadores granulados o en pellets, que se emplean en la producción de productos químicos.
En todos estos ejemplos, es fundamental comprender los materiales y cómo interactúan entre sí. Las formulaciones son sistemas complejos, y el uso de herramientas de JMP como el Diseño de Experimentos con Mezclas es importante, ya que nos ayuda a obtener el máximo valor y comprensión al estudiar la formulación de productos.
En esta demostración, realizaremos un diseño de experimentos (DOE) de mezclas para una formulación y analizaremos su rendimiento, el cual se introducirá en el Profiler de JMP. Además, presentaremos un modelo de sostenibilidad basado en el análisis del ciclo de vida. Ambos se analizaron conjuntamente en el Profiler para obtener una formulación optimizada que no solo considera el rendimiento, sino también la sostenibilidad. Si no están familiarizados con el análisis del ciclo de vida, Jenny lo explicará.
El análisis del ciclo de vida (ACV) es un método que podemos utilizar para cuantificar cualquier impacto ambiental directo o indirecto que pueda estar asociado a lo largo de toda la cadena de producción, desde la cuna hasta la puerta de la fábrica o desde la cuna hasta la tumba. El ACV ayuda a promover el diseño de productos o procesos sostenibles e identifica posibles problemas para que podamos abordarlos cuanto antes. Esto nos permitirá reducir el impacto ambiental y la cantidad de materiales tóxicos liberados al medio ambiente. El ACV se centra específicamente en tres objetivos principales: la salud humana, la salud de los ecosistemas y la disponibilidad de recursos. Actualmente, nos estamos centrando en el equivalente de dióxido de carbono para analizar la huella de carbono de los productos desde la cuna hasta la puerta de la fábrica con Pilar en el Departamento de Energía de EE. UU.
Voy a dejar esto aquí. Voy a hacer una demostración directamente en JMP. Tenemos entonces una mezcla de tres componentes. Un componente principal, un modificador y un disolvente. Permítanme abrir el diagrama ternario. Vean cómo se ve. Es el azul. Este es nuestro diagrama ternario, dentro del componente principal, el modificador y el disolvente. Obviamente, las formulaciones de sistemas son mucho más complejas como esta, pero hemos hecho este pequeño ejemplo con solo tres, para que se puedan visualizar fácilmente en el diagrama ternario. Normalmente, en las formulaciones, el espacio experimental es muy pequeño en comparación con todas las combinaciones posibles.
Normalmente necesitamos asumir en un espacio muy pequeño. Pero en realidad, aunque parezca un espacio muy pequeño, como un tipo muy drástico... Las formulaciones pueden tener cambios muy pequeños en esta formulación dentro de este espacio pueden causar un comportamiento muy drástico en términos de rendimiento. Diseñamos un diseño de mezcla, en este boceto basado en un [inaudible 00:09:50] diseños de llenado con restricciones, como puede ver, en el que nos da una buena distribución de los puntos de datos alrededor del espacio experimental. Los datos eran del modelo. Los datos que estamos recopilando son algún tipo de propiedad relacionada con el rendimiento que puede ver, y los datos eran del modelo.
Ahora tenemos un modelo de cómo las diferentes formulaciones nos brindan diferentes propiedades de rendimiento. Al mismo tiempo, también tenemos un modelo para la huella de carbono, los kilogramos de CO₂ equivalente producidos por kilogramo de formulación, teniendo en cuenta la huella de carbono de cada ingrediente individual. Vamos a visualizar cada uno de estos modelos en un diagrama ternario. Si comenzamos con la huella de carbono, por ejemplo, podemos ver aquí que he hecho un zoom sobre el espacio experimental. El espacio experimental está en blanco. Aquí se puede ver a través de las líneas de contorno en rojo cómo la huella de carbono aumenta hacia la izquierda.
Si queremos minimizar la huella de carbono de esta formulación de este producto, necesitamos ir… Moviéndonos hacia la derecha en esta dirección. También tenemos… Si observamos el modelo del predictor de rendimiento, entonces podemos ver cómo el modelo es más complejo, y podemos ver cómo los valores se mueven entre 20 y 60. Podemos ver cómo está el 20, el 30. También tenemos las áreas para el 40 en las líneas punteadas. Si queremos tener una propiedad de rendimiento de 40, entonces necesitamos trabajar allí.
También tenemos el valor de 50. Si queremos trabajar en torno a 50, necesitamos formulaciones que se encuentren en esta zona, y también tenemos un punto óptimo de 60. Si buscamos maximizar esta propiedad, entonces debemos elegir formulaciones que se encuentren dentro de estos rangos, especialmente en esta área. Si lo analizamos todo en conjunto, tenemos las líneas de contorno para la propiedad de rendimiento en rojo y la huella de carbono en azul. Al verlo todo junto, podemos elegir formulaciones que nos permitan estar lo más cerca posible del área de interés para maximizar la propiedad de rendimiento, a la vez que intentamos minimizar la huella de carbono.
Probablemente elegiremos una formulación que se sitúe en el lado correcto de esta área para acercarnos lo más posible a valores bajos de huella de carbono. Obviamente, esto es solo una representación visual, y la visualización se complica con más componentes. De todos modos, todo se puede hacer a través del Mixture Profiler, pero también se pueden usar otras herramientas de JMP, como el Prediction Profiler o el Design Space Profiler, para optimizar el sistema, teniendo en cuenta diferentes resultados, como en este caso el rendimiento, pero también la huella de carbono, y encontrar una solución que pueda ser un compromiso entre los dos aspectos que estamos analizando.
Estamos analizando la formulación de un producto. En resumen, la importancia… Es fundamental proporcionar herramientas a los científicos para que puedan considerar la sostenibilidad y la investigación en etapas tempranas. De lo contrario, tomar estas decisiones resulta muy difícil. JMP, junto con los experimentos y los perfiles, nos ha demostrado ser una herramienta muy útil para que los científicos puedan optimizar el rendimiento, la sostenibilidad y muchos otros aspectos que podemos considerar en un producto o formulación, como el costo, por ejemplo, para obtener simultáneamente la mejor solución. Esto es todo por nuestra parte. Muchas gracias por su atención.
