756790_ja-JP

liliconcom

ゴム研究における統計DOEと反復測定モデリング（2021-US-EPO-909）

Wenzhao Yang、統計学者、ダウ・ケミカル・カンパニー

EPDMは、輸送、インフラ、スポーツ、レジャー、家電などの用途で広く使用されている合成ゴムです。EPDMのリーディングメーカーであるDowは、自動車用ウェザーストリップにおける色安定性など、優れた特性を実現するため、EPDM製品および用途の開発において継続的に革新を続けています。このDowのケーススタディでは、さまざまなEPDMゴムの色安定性を経時的に繰り返し測定しました（反復測定）。本研究の目的は、EPDMウェザーストリップの変色メカニズムに関する基本的な理解を深め、EPDMの微細構造要因に関する仮説を検証することです。因果関係を結論付けるために、効率的なDOE戦略と適切な統計モデルが開発されました。線形回帰とランダム係数回帰の2つの方法を使用してデータを分析しました。線形回帰は、すべてのサンプルに経時的に共通の分散があると仮定して、データを完全にプールします。ランダム係数回帰は、サンプル固有の効果を組み込み、経時的なサンプル間の変動についてより詳細な推論を提供します。さまざまな方法を比較することにより、色安定性に対する重要な構造効果を特定しました。このポスターでは、研究と基礎研究における DOE と統計モデリングの威力を紹介します。

自動生成されたトランスクリプト...

スピーカー	トランスクリプト
	皆さん、こんにちは。ダウの統計学者、ウェンジャオ・ヤンです。今日は、ゴム研究における統計的DOE（実験計画法）と反復測定モデルの開発についてお話します。
	方法について話す前に、この講演の背景を少し説明したいと思います。
	EPDM は合成ゴムで、輸送、インフラ、スポーツ、レジャー、家電などの用途に広く使用されています。
	ダウはEPDMのリーディングカンパニーです。私たちは、様々な用途において優れたユーザー特性を実現するために、EPDM製品の革新と開発に継続的に取り組んでいます。
	先ほど挙げた用途についてです。今回の講演では、EPDMベースの自動車用ウェザーストリップの用途に焦点を当てます。重要な性能指標の一つは色安定性です。
	色安定性特性は、同じ実験単位で時間の経過に伴って繰り返し測定されます。統計学では反復測定として定義されます。
	また、繰り返し行われる色の測定の間には時間依存性が存在する可能性があり、これは自己相関として知られています。
	私たちの研究における新たな技術開発は、データ収集前に活性効果を検出する統計的検出力を評価するため、反復測定用のモンテカルロシミュレーションに基づく DOE 戦略を開発したことです。
	目的と方法に移りましょう。
	この申請の目的は、EPDM ウェザーストリップの変色メカニズムに関する基本的な理解を深め、色安定性特性に関する EPDM ポリマーのマクロ構造因子に関する仮説を検証することです。
	色彩安定性試験実験は、図 1 に示すように工業用ゴム製造業者の基準に従っています。
	まず、異なるミクロ構造を持つEPDMポリマーの合成リストを作成し、それらを他の一貫した配合成分と同一のプロセス条件下で混合します。
	配合、硬化、サンプル調製後、サンプルは耐候性試験室で老化される。デルタEは以下から算出される。
	LAB色彩測定は、色彩安定性を評価する上で重要な性能指標です。硬化サンプルの初期色と、異なる経時変化における色彩の差を定量化します。
	利用可能なポリマーから代表的なサブセットを選択するために、D最適DOEを開発しました。モンテカルロシミュレーションを使用して、必要な反復測定回数を評価しました。
	主効果と交互作用効果を検出する統計的検出力は80%です。収集されたデータは、繰り返し測定された色彩値間の時間間隔が不均等です。
	そこで、サンプル固有の効果を組み込み、サンプル間の経時的な変動により大きな影響を与えるランダム係数モデル（RCM）を開発しました。また、RCMと線形回帰モデルを比較しました。
	これは、時間全体にわたってすべてのサンプルに共通の分散があると仮定することで、データを完全に証明します。
	ここで説明する方法は、この研究の主要な結果です。
	図 2 は、異なるシナリオにおける主効果と相互作用効果 3 つに対するモンテカルロ シミュレーションに基づく検出力分析結果を示しています。
	中程度の自己相関レベル（約0.5）を期待する場合、調整と時点の調整が必要になります。反復測定の回数は少なくとも9回である必要があります。
	硬化サンプルあたり。隣接する時点間の自己相関が約0.9と非常に高い場合、
	ほとんどの効果において、統計的検出力は著しく低下します。DOEサンプルすべてにおいて、繰り返し測定の間隔を比較的長く設定したため、中程度のレベルの繰り返し測定は、
	この DOE では、硬化サンプルごとに 9 つの繰り返し色測定の自己相関が収集されます。
	一般的な RCM モデルは図 3 に示されており、サンプル固有のランダム インターセプトと傾斜効果があります。
	線形回帰モデルにおける EPDM 構造因子の主な効果と相互作用効果に加えて。
	このランダム効果共分散パラメータ推定表は、開始デルタEに有意差があることを示しています。
	硬化サンプル間のDelta Eの変化率。これは、サンプル間の経時的な変動を考慮することが非常に重要であることを示しています。
	RCM モデルのプロファイルは、入力要因の予測ライン周辺の信頼区間が、データ収集における Delta E のスケールと比較して比較的狭いことを示しています。
	図4は、最小二乗モデルでデータを独立して扱うと、上のグラフに示すように自由度が膨らむ場所を実際に見ることができることを示しています。
	自由度を膨らませている箇所を確認すると、データが時間依存であると想定している RCM モデルと比較して、モデル内のモデル効果の有意性の結果について自信過剰になる可能性があることがわかります。
	図 5 のモデル予測プロットと残差プロットは、RCM が良好なモデル適合性を持ち、モデルの仮定を満たしていることを示しています。
	この研究の結論は、主要な微細構造因子と、2つの微細構造因子間の重要な相互作用を特定し、代替ポリマー設計を示唆している。
	EPDM ウェザーストリップの変色メカニズムを根本的に理解し、統計的 DOE と JMP を使用したモデリングの威力を実証して、色彩安定性に優れた新しい EPDM ゴムの開発をサポートします。

高度な統計モデリング基本的なデータ分析とモデリング消費者および市場調査データの探索と可視化実験計画法マスカスタマイゼーション予測モデリングと機械学習品質およびプロセスエンジニアリング信頼性分析結果の共有と伝達