自動車鋼板産業における薄板金属の連続亜鉛メッキの分野では、亜鉛層の正確な制御が非常に重要です。連続亜鉛メッキ工程の中心となるのは、亜鉛ポットまたは亜鉛浴であり、コストを管理しながら円滑な生産を確保するために不可欠な要素です。
このプレゼンテーションでは、薄い鋼板の幅と長さ全体にわたってコーティングの厚さと均一性を制御および調整するために不可欠な Clecim のエアギャップ システム (Dynawipe) の使用について説明します。このプロセスは、腐食防止を最適化し、亜鉛の消費を最小限に抑えるという継続的な課題に対応します。また、物理プロセスを記録、分析、モデル化して顧客のパフォーマンスを向上させる Industry4.0 の傾向にも適合します。
このプレゼンテーションでは、JMP を使用して、さまざまなパラメータの関数として圧力マップを作成し、有限要素モデリングと比較する手順を段階的に説明します。私たちが取り組んだ主な課題は、最大圧力ピークの正確な決定でした。私たちのアプローチは、データの記録、ガウス曲線 (Fit Curve プラットフォーム) を使用した圧力のモデリング、パラメータのエクスポート、Fit Model を使用してプロセス パラメータの関数としてパラメータをモデリング、そして Graph Builder を使用してアニメーション チャートを作成することから構成されます。
こんにちは。Stephane Gouttebroze です。Zinc Coating Excellence: Leveraging JMP for Accurate Pressure Control and Thermodynamic Modeling と題したこのドキュメントをご紹介します。これが私のプレゼンテーションの内容です。まず、Clecim について簡単に紹介します。その後、背景と実験のセットアップについて説明します。その後、短いジャンプ デモンストレーションを行い、最後に結論を述べます。Clecim とは? 私たちは、世界の鉄鋼業界向けの機器を統合するフランスの企業です。フランスのリヨン近郊のモンブリゾンに拠点を置いています。
当社は創業 100 年で、従業員数は約 200 名です。設計事務所、ワークショップ、現場での設置および試運転を行っています。Clecim の主な業務は、個々の機械の供給と、酸洗ライン、焼鈍、亜鉛メッキ、塗装などの完全な生産ラインの供給です。Clecim は、スペアパーツやメンテナンスなどのサービスも提供できます。
当社には、専門知識とプロセス監査をお客様に提供できるコンサルティング部門もあります。設置例は次のとおりです。たとえば、圧延機、熱間圧延機、冷間圧延機、レベリング ライン、ストリップ品質の表面検査システム、レーザー溶接機などです。
このスライドの下部には、自動車市場専用の亜鉛メッキラインの例が示されています。ここからここまでのラインの長さは約 500 メートル、高さは約 35 メートルです。次のスライドでは、この領域、つまり亜鉛ポット領域に焦点を当てます。
背景と実験のセットアップについてですが、私たちは亜鉛ポットエリアにいます。ここには液体亜鉛浴があります。ここでは、ストリップが炉から出てきて亜鉛浴に入り、この液体亜鉛で亜鉛でコーティングされた後に出てくることを想像してください。ストリップは継続的に動いています。これは連続生産です。ストリップが液体亜鉛から出てくると、その表面にコーティングされた亜鉛層があることが想像できます。
品質、生産性、耐腐食性を確保するには、ストリップの幅と長さに沿って亜鉛の厚さが一定で均一であることを確認する必要があります。これは、エアナイフと呼ばれる特別な装置によって保証されます。この設計です。実際、エアドライヤーのようなものです。余分な亜鉛を除去するために、ストリップの表面に空気を吹き付けます。
この研究の目的は、実験測定を行うことです。また、さまざまなパラメータに関して衝撃圧力をモデル化し、有限要素モデルと比較することも考えています。最後に、有限要素モデルを調整して、測定結果と一致させます。ここに有限要素によるモデル化の結果があります。次に、テスト装置に切り替えます。
試験装置は、ここでご覧のとおり、機能しているエアブローシステムです。ここにエアナイフ装置があります。この装置の幅は Y 軸で表され、高度は Z 軸で表されます。この試験装置には、金属板の小さな部品が追加されました。この金属板には圧力トランスデューサーが装備されており、この金属板にかかる空気の衝撃圧力を計測します。これは、架空のストリップ上のエアナイフの圧力を表すのに役立ちます。
これは実験測定を示しています。送風機の速度の測定値が 1 つあり、これが変化してエアナイフ内の圧力が変わります。また、測定のために変化できる X、Y、Z の 3 つの位置もあります。ここでは、圧力トランスデューサーと空気温度を使用して衝撃圧力を測定します。これらすべての測定値を使用してデータ テーブルを作成できます。このテーブルの後に表示されます。
研究のワークフローは次のとおりです。まずは測定から始めます。これらの測定では、固定されている X と Y の位置を選択し、衝撃圧力を測定するために Z の位置を変えています。曲線がこの形状になることがわかります。この形状で、JMP のガウス フィッティング曲線というツールを使用してガウス曲線としてモデル化することにしました。これで、これらの曲線を表す 3 つのパラメーター (A、B、C) ができました。これらはピーク値、臨界点、および成長率です。
これらの 3 つのパラメータはデータ テーブルに組み込まれ、測定補正が行われます。たとえば、実験装置は Y 軸で少しドリフトする可能性があるため、すべての曲線を中央に配置するために Z オフセットを追加します。その後、ピーク値と成長率をプロセス パラメータの関数としてモデル化することを選択しました。X、Y、Z のすべての 3D 空間の圧力、およびモーター速度と気温を予測できるように、予測式を含む新しいテーブルを作成します。
目的は、この等高線図を取得することです。この等高線図は、空気温度とブロワー モーター速度を固定した状態で、Z 値と X 値に関して予測される圧力を表しています。この曲線を維持する必要があり、この等高線図を取得する方法を次に示します。
ここで、JMP に切り替えます。データ テーブルを開きます。データ テーブルはここにあります。ここには、同じ日付と時間の 13 の測定値があります。これは、特定のモーター速度、X、Y の測定値のセットを表しています。Z 値は -3 から +3 まで変化し、衝撃圧力と空気温度を測定します。ここですべての測定ポイントを表示できます。X 値をこのように、Y 値と Z 値をこのように選択したことがわかります。最適化された表現はありません。将来的には、この 3D 空間をより適切に表現するために、実験計画法を実施したいと考えています。
ここで圧力を Z でプロットすると、このガウス曲線の形がわかります。すべての曲線が揃っていません。これは、前に説明したテスト リグのドリフトの現象によるものです。ここでの目標は、これらすべての曲線をこれらのパラメータの関数としてモデル化することです。そのために、JMP の曲線のフィット プラットフォームを使用します。関数として曲線のフィット圧力を選択します。申し訳ありませんが、このような曲線です。前に紹介した 3 つのパラメータがわかりますか? これにより、すべての測定セット ポイントに関して着座曲線を作成します。
これで、パラメータの値を新しいテーブルに組み込む、または抽出することができます。この測定では、同じ日付と時間で、3 つのパラメータと 3 つの値があることがわかります。このテーブルを分割して、元のテーブルに組み込めるように少し変更する必要があります。この分割関数を使用します。これで、各テスト ポイントの臨界点、成長率、ピーク値が 1 行で表されます。
これを入手したら、このテーブルを元のテーブルに統合できます。これを行うには、次のようにします。ここで、これらの列が追加された元のテーブルが表示されます。これらの 4 つの列は、フィット カーブ プラットフォームの計算です。これは私が作成した数式です。臨界点に対する Z 値を中央に配置するだけです。この値を使用して、この値に対する圧力をプロットすると、すべての曲線がゼロに揃っていることがわかります。
この曲線で、どのパラメータがピーク値をどのように変化させているかを知りたいと思います。ここでお見せできるのはこれです。たとえば、モーターの速度を変えると、ピーク値がどのように変化するか、X 値や気温の影響は何か。これら 2 つのプロファイラーを取得するには、成長率についても同じです。これら 2 つのプロファイラーを取得するには、新しいプラットフォーム、別のプラットフォームを使用する必要があります。これは適合モデル プラットフォームです。こちらで見つけることができます。私は 3 つのパラメータのみを保持することを選択しました。これは線形モデルです。私にとっては、R 2 乗が良好なので、これは良いモデルです。
このモデルは、形状や残差値のパターンが最適化されているように見えるため、少し改善できますが、シンプルな式になるため、このままにしておきます。式をお見せします。予測式です。線形で非常にシンプルです。このモデルはそのままにしておきます。このモデルでは、ピーク値の予測式を追加できます。ここにある式が追加されているのがわかります。成長率についても同じことを行います。同じ結論です。R 二乗は非常に良好で、パラメーターも同じで線形であり、残差についても同じ結論です。少し改善できるかもしれませんが、ここでは重要ではありません。このままにしておきます。
これで、ピーク値と成長率の予測式という 2 つの新しい列ができました。もちろん、最後の列を追加できます。これは、ここでの圧力の予測式になります。式をお見せすると、成長率の予測式とピーク値の予測式を含むガウス曲線式がわかります。
これで、圧力と、これらすべてのパラメータと気温の関数としての予測式ができました。ここでの考え方は、測定値の範囲内の値を持つこれらのパラメータを含む新しいテーブルを構築することですが、たとえば、最適化された再分割を使用します。その方法を説明します。まず、開きます。4 つのテーブルを用意しました。モーター速度、X 値、Z 値、気温がここにあります。次に行う必要があるのは、これら 4 つのテーブルを 1 つに結合し、4 つのパラメータ間で可能なすべての組み合わせを実現することです。
そのために、プラットフォーム テーブル、連結テーブルを使用し、連結を選択します。すみません、連結ではなく結合です。結合テーブルを選択します。モーター速度をたとえば D と結合することを選択します。一致する列を使用する代わりに、変更して直交結合を選択する必要があります。ここで、JMP によって計算されたこれら 2 つのパラメーター間のすべての組み合わせを確認できます。新しいテーブルが作成されます。これを Z と気温で再度使用すると、これら 4 つのパラメーターを含む完全なデータ テーブルが作成されます。
以前やったことがあるので、それを開きます。ここには、約 3,000 行に及ぶすべての組み合わせが可能な 4 つのパラメータがあります。このテーブルを使用して、数式を追加できます。ここには 4 つの列があります。ここには、以前に計算された予測式と、以前に示したものと同じ予測圧力がこれらの列に追加されています。これを行う利点は、Z、X、気温、モーター速度の再パーティションまたは精度を変更できることです。
この表を使って、先ほどお見せした等高線図を作成できます。ここでそれを認識でき、モーター速度に応じてアニメーション化できます。ここで示したように、希望どおりの結果が得られました。
結論として、少しだけお話ししたいと思います。結論としては、左側に JMP にインポートされた有限要素モデルの結果があります。中央の部分は、JMP で視覚化された実験結果です。比較のために、X 定数値を持つ等高線図のカットであるこれらの 2 つの曲線をプロットできます。ここでは、実験と 3D 有限要素が非常によく一致していることがわかります。一方、こちらには違いがあります。この場合、いくつかの仮定またはモデリング パラメータを変更して、有限要素モデルを改善する必要があります。
結論として、JMP は Clecim がデータを直感的に探索し、測定をシンプルかつ効果的に分析およびモデル化するのに役立っていると言えます。実験設定を検証しました。有限要素モデルと実験結果を簡単に比較できます。また、測定値を推定し、仮定を検証することもできます。結果を魅力的な方法で提示し、パフォーマンスと研究能力をお客様に伝えて納得してもらうことができます。これが私のスピーチの結論です。ご清聴ありがとうございました。ご質問がある場合は、メール、LinkedIn、または電話でお気軽にご連絡ください。ありがとうございました。
