756633_ja-JP

liliconcom

JMP®における過去データのモデリングによる製品開発の推進（2021-EU-30MP-780）

スチュアート・リトル、クロダ社主任研究員

本プレゼンテーションでは、JMPで利用可能なツールの一部が、エネルギー技術アプリケーションにおける過去のデータの可視化とモデリングにどのように活用されたかをご紹介します。得られたモデルの出力は、DOE主導の合成計画の策定に役立てられました。この計画の結果、モデルの予測通りの性能を発揮する一連の新素材が開発されました。このアプローチにより、製品性能の機能モデルが開発されました。このモデルは、JMPの可視化機能と相まって、企業がより体系的な実験アプローチを採用する上で大きな助けとなりました。

自動生成された文字起こし...

スピーカー	文字起こし
スチュアート・リトル	皆さんこんにちは。今回は、Croda社でJMPがどのように新製品開発の推進に役立てられているかについてお話しします。
	それでは、本日はまず、Crodaの背景、JMPの活用方法、そしてその取り組みの現状、さらに解決しようとしている問題の概要についてお話しします。
	問題点を網羅したら、次にJMPに移り、JMPのツールとプラットフォームがいかに容易なデータ探索と開発を可能にしてきたかを見ていきます。
	構造性能モデルの。
	そして最後に、この研究の成果と、
	このような研究を行うことで、事業の研究開発部門において、データや実験計画法（DOE）の活用に対する理解と賛同を高めることができました。
	まず最初に、私たちCrodaとは何者なのか。これはよく聞かれる質問です。
	私たちは企業間取引を行う企業だからです。しかし、企業としては、Crodaは
	多くの高性能な原料と技術、そして世界中の多くの最大かつ最も成功しているブランドの背後にある様々な市場。私たちは特殊化学品を創造、製造、販売しています。Crodaの創業当初から、これらは
	主に持続可能な素材を使用しています。そこで、羊毛から作られるラノリンの製造から始め、その持続可能性を継続的に発展させています。昨年、
	当社は、2030年までに気候、土地、そして人々にプラスの影響を与える企業となることを公約し、その目標達成に向けた取り組みの一環として、国連の持続可能な開発目標に署名しました。そして、世界中で最も持続可能な革新的な原料供給企業となることを目指しています。
	つまり、私たちがサービスを提供している市場に関して言えば、スキンケアやサンケアを扱う非常に大きなパーソナルケア事業があり、
	ヘアケア製品、カラー化粧品、その他従来型のパーソナルケア製品など。ライフサイエンス事業、当社の製品…
	当社の製品と専門知識は、お客様が処方や有効成分の使用を最適化するのに役立ちます。例えば、最近ではファイザー社と契約を結びました。
	彼らのCOVID-19ワクチンに使用される材料を提供するため、当社の工業用化学品事業は、
	つまり、その事業部門は、技術的に差別化された、主に持続可能な素材を幅広い市場に供給する責任を負っています。多くの市場は、このスライドの他のどのカテゴリーにも完全には当てはまりません。
	そして最後に、パフォーマンス技術事業があります。これもまた、多くの類似した分野をカバーしています。
	これらすべての分野において、高性能なソリューションを提供しています。そして本日は特に、当社のエネルギー技術事業、具体的には高性能エレクトロニクスにおけるバッテリー技術についてお話しします。
	CrodaとJMPの現状としては、JMPを約2年間使用しており、社内で大きな関心が寄せられています。しかし、これらの技術に真の価値があるという確信を築くのは容易ではありませんでした。
	調査するためです。そしてこれを証明するために、私たちは調査を行い、いくつかのケーススタディを作成しました。
	全体的にはかなり成功しています。私たちはその可能性と、その中に潜む落とし穴を明らかにしてきました。そして、それらすべてが、もう少し規模の大きなプロジェクトへとつながり、そのうちの1つが、今日お話しするプロジェクトなのです。
	電気冷却システムの効率をどのように向上させるか？このプロジェクトの主な目的は
	輸送手段の電化、つまりバッテリー駆動車のことですが、バッテリーを適切に維持するにはどうすれば良いのでしょうか？モーターが最適な状態で動作するようにするにはどうすれば良いのでしょうか？
	どうやって感電事故を起こさずにそれを成し遂げたのですか？
	現在、これらの機器には様々な冷却方法がありますが、お客様は間違いなくその改善方法を模索しています。例えば、バッテリーの冷却制御が優れていればいるほど、バッテリー容量が向上し、航続距離もより安定するからです。
	そして、これは非常に重要であり、大まかに類似したさまざまなアプリケーションがたくさんあるため、私たちにとって本当に役立つのは、構築することです
	これらの流体を理解するには、何らかのデータ主導型モデルが必要であり、そこでJMPが登場しました。では、どのようにすればそれが可能になるのでしょうか？
	まず最初に検討したのは、現在の冷却方法はどのようなものかということです。バッテリーに関しては、前世代では主に空冷式か冷間冷却式でした。
	そして、車載電子機器はバッテリーとは正反対の問題を抱えています。電子機器は過熱しやすいので、その熱を逃がすためにヒートシンクが使われています。
	電気モーターでは、内部抵抗を最小限に抑えるために、流体で覆われていることが多い。
	これら３つのケースすべてにおいて、代替冷却方法が導入された。
	液体に依存するため、バッテリーや電子機器の場合は直接浸漬となり、電気モーターの場合はより流動的な構造になります。
	では、その液体はどのようなものなのでしょうか？当然ながら、高電圧を扱うので、電気を通さないものでなければなりません。
	また、電子機器から熱を奪うことができるよう、非常に高い熱伝導率も必要です。
	そして、これらの流体はシステム内を移動させる必要があるため、粘度は低くなければなりません。つまり、アプリケーション自体によって生じる、ある種の実際的な物理的制約が存在するのです。
	もう少し深く見てみると、
	流体の熱伝達能力は主にこの方程式に基づいています。そして、これは私たちが制御できる部分があることを示しています。
	流体の熱伝達係数によって決まる部分と、その応用における工学的解決策によって制御される部分があります。冷却対象領域はどれくらいで、冷却しようとしている表面の温度はどれくらいですか？
	しかし、いずれの場合においても、効率的な熱伝達を実現するには、高い熱伝達係数が必要であり、それは我々が影響を与えられる要素であるため、我々はそこに着目した。
	その熱伝達係数は次のように定義されます
	この方程式を単純に表すと、他にも項はありますが、主に、
	それは密度、熱伝導率、比熱容量の関数であり、さらに系の粘度の影響も受ける。
	そこで、私たちが関心を持っているアプリケーションを具体的に見てみると、
	誘電性流体を最適化するには、密度、熱伝導率、熱容量を増加させる必要があるが、同時に粘度を低下させる必要もある。
	流体の...流体の。
	そしてこれらは、我々が抱えている技術的な課題とかなりよく合致しており、非常に助かります。
	それで
	そこから、私たちが本当にやりたかったことは、目標が何であるかということだった。
	そして私たちは、誘電体流体としての構造と製品性能との関係性を真に理解したいと考えていました。
	そこで当初は、かなり従来的な方法で進め、多数のエステル類やその他の多くの物質の物理的特性を測定する大規模な研究を開始しました。
	そして、それを見て検討したとき、私たちはこう考えました。「実際、このようなデータが存在するのだから、これらのデータセットを使ってモデルを構築し、物理的特性から構造、そして性能への関係を本当に理解できるかどうか試してみよう。」
	というわけで、JMP にちょっと立ち寄ってみますので、少々お待ちください。
	わかった。
	そこで、私たちが最初にしたことは
	私たちは、過去のデータと、アプリケーションチームによるターゲットを絞ったテストを通じて得られたデータを組み合わせました。
	そして、それを一箇所にまとめたら、JMPでそれを検証して、測定している物理的特性の間に、非常に単純なレベルで関係性があるかどうかを理解するようにしました。
	ですから、そのデータセットを見る場合、私にとっては、いつものように、まず最初にJMPの配信プラットフォームにアクセスすることになります。
	そして、これは、欲しいものが他のどこかで何らかの漠然としたパターンを持っているかどうかを確認する非常に簡単な方法です。たとえば、この場合、熱伝導率の高いものをすべて欲しいとすると、かなり広範囲にわたって特性が広がっていることがわかります。
	他の特性については測定済みです。つまり、素晴らしい相関関係がある、必要なのはこれだ、といった明確な結論は出ていません。これはある程度予想していたことですが、確認できるのは良いことです。
	同様に、すべてをプロットすると
	散布図を見ると、ノイズが多いことがわかります。つまり、これらの近似直線は、実際には適合していないことを示すための参考としてのみ存在しているのです。
	私はこれらの相関関係を主張しているわけではありません。
	そして、明確な答えがないというのは、すべて残念なことだった。
	予想通りだった。
	興味深いと思ったのは、明確な答えがないと予想していたのに、実際にはそうではなかったことです。
	これらの要因の間に明確な関係性はない。もし関係性があれば、研究を行っている経験豊富な科学者には明らかだったはずだし、我々もそれを知っていたはずだからだ。
	そこで私たちはこう言いました。「私たちが知っているのは、これらの物件はすべて
	理解…それらの構造との関係。
	これらの物質の物理的パラメータを計算し、それをいくつかの構造識別子や分子の見方と組み合わせたらどうなるでしょうか？そのデータをテストデータに加えたらどうなるでしょうか？
	あの…つまり、何らかのモデルを構築することは可能でしょうか？
	これにより、構造と性能を推定できるようになるので、まさにそれを実行しました。
	この場合、
	私たちが見るもの
	それは、
	繰り返しますが、多変量プラットフォームを使用する場合、相関関係があるかどうかを簡単に確認します。
	これらの要因のいくつかについては、
	これ
	場合によっては、上昇と下降の間に明確な区別が見られ、相関関係の兆候も少し見られるかもしれないが、これこそがまさに必要なものだと断言できるような明確な証拠はない。これもまた、我々が予想していた通りの結果だ。
	そこで、私たちがしたことは
	JMPの回帰分析プラットフォームを使用しました
	理解しようと試みる
	モデルを構築できるかどうか、そしてそれが
	関係性はこうなります。そのため、行選択のためにランダムにいくつかの行を選択しました。
	JMPのツール。一般的に、モデルに参加しない5つのサンプルをランダムに抽出すると、比較的これらのモデルが構築されます。
	そしてそのようにして改良を重ねたので、常に初期データから検証セットを用意し、自分たちのやっていることが成功する可能性があるかどうかを確認することができました。
	それでは、80度のモデルだけを見てみると、最初にたどり着いたモデルは
	これだった。
	ご覧のとおり、このモデルには統計的な観点から見て意味をなさない要素がいくつか含まれています。それらは単なる過剰適合であり、統計的に有意ではないからです。
	しかし、これらはそこに存在する分子を説明する上で非常に重要なので、化学者として、このモデルを作成しました。つまり、これは、この用途向けに分子を設計することを可能にするモデルです。
	過剰適合だと分かっていても。
	これは…これは実際には有効なモデルではありません。なぜなら、これらの用語はR二乗値をどんどん上げていくだけだからです。
	私たちも
	それらの用語を使わずにモデルを構築した。
	これはこれらのもののパフォーマンスを推定する上で、はるかに優れたモデルであり、R二乗値はわずかに低いものの、
	しかし、そこに含まれるすべての用語は重大な影響を及ぼします
	パフォーマンスについて。
	このモデルの欠点は、設計にはあまり役立たないことです。
	新たな化学反応。
	しかし、どちらの場合も、
	予測値と実際の測定値を比較すると、両者の間に妥当な相関関係が見られます。確かに、高いと予想される値は高い値を示します。
	そのため、このモデルが実際に我々の役に立つかもしれないという確信が持てた。
	そして、これがどれだけ良いかという点では、単純に、
	測定値と実際の値を比較したところ、どちらのモデルでもほぼ例外なく10%以内、大部分は5%以内の誤差に収まっていることが分かりました。
	また、さまざまな種類の素材で試した結果、私たちが目にしていたものが、本物の効果である可能性が高いという確信を得ることができました。
	どれもとても素晴らしいことですが、
	これは単に、我々が測定したデータの影響なのでしょうか？
	そこで私たちは、JMPのプロファイラプラットフォームを使用して、プロジェクトチーム内で共有できるモデルを作成し、基本的に競争を設定して、「最高値を見つけた人が勝ち」と言いました。
	このモデルで実際に製造可能な分子からの最高の熱伝導率、
	勝利。
	ご存知の通り、そこから有望そうな材料のリストが約14種類できました。原材料の入手が不可能だったため、いくつか除外する必要がありましたが、最終的に合成・試験された新しい材料は約9種類になりました。これらの材料はほぼすべて
	それらは、モデルがこれまで見たことのないような材料で構成されていたんです。場合によっては、分子の一部は同じでも、元の材料とは全く異なっていました。
	それらを製作し、テストした後、モデルに戻しました。
	そして、このモデルの予測能力がどの程度なのかを確認するためだった。
	ですから、そのデータを見てみると、これらの材料の違いを考えると、私は完全に予想していました。
	これ...
	これはモデルを破綻させるためだ。
	しかし、私たちが...
	予測をもう一度見てみると、
	ご覧のとおり、青色で強調表示されているものは、新しく製造された素材です。念のため、あえて価格の低いものをいくつか選んでみました。そして、価格が高いだろうと予想していたものはすべて、実際に価格が高かったのです。
	つまり、構造設計の観点からは価値があったものの、過剰適合したモデルでは、外れ値が1つ見られる。一方、統計的に妥当なモデルでは、全体的にずっと良い適合度が見られる。
	そしてそれは
	啓発的なのは、単一の分子を設計して「はい、どうぞ、これで完成です」と言うのではなく、合成化学者を適切な種類の材料へと導き、プロジェクトを真に前進させることができるようになるということです。
	そこで、これらの残差をもう一度見てみると、
	統計的に優れたモデルで過学習がない場合、すべての新しい材料の10%以内に収まることがわかりました。
	これは、私たちが達成しようとしていたことを考えると、十分な結果でした。過学習モデルの中には、10%をわずかに下回るものもいくつかありましたが、これもまた、私が予想していた範囲内です。
	そして、ご存知のように、それらすべてが適切な範囲内であったことは、このアプローチが価値を持っていたことを示しているので良かったのですが、すべてが完全に適切ではなかったことも判明しました。なぜなら、9つの材料を生産して、それらがすべて1%以内であったとしたら、
	人々がそれを信じたかどうかは分かりません。
	それで
	実際、私たちは似たような状況に直面していました...
	これは、当初用いた材料と新たに作成した材料から予測された値と、ほぼ同じレベルの差でした。そのため、このモデルに対して確かな自信を持つことができました。
	そして、もし私たちがただ戻って
	スライドを1秒ほどスライドします。
	では、私たちは何と言えるでしょうか？
	これらの材料の構造性能関係は
	JMPの回帰分析プラットフォームを使用して作成されました。
	JMPの可視化ツールを活用することで、この取り組みに真のメリットがあること、そしてモデル自体がこのプロジェクトにおける新素材開発の方向性を定めるために活用されていることを実感できました。また、既に製造している製品の中から、試験対象として有望な素材を選別するためにも利用されています。
	そして、モデルと我々が作っている新しい分子の結果には、許容できる相関関係がある。
	こうしたことが全て、このアプローチに対する確かな自信につながり、このプロジェクトをさらに推進し、特定の対象材料に細分化することを可能にしてくれました。
	つまり、新しい分子に関して言えば、
	私たちは、熱伝導率の高い分子に重点を置いて研究を進めてきました。このグラフからもわかるように、新しい分子はすべて、その範囲で中程度から高い熱伝導率を示しており、これはまさに私たちが目指していたものです。
	私たちは、データを用いて改善点を特定し、それを実験室で検証し、実現できることを実証しました。
	このプロジェクトがさらに難しくなるのは、他のすべての要因についても同様のモデルを構築しようとしている点です。
	これらの誘電性流体の性能に影響を与える要因を特定し、それらのモデルを相互に比較して最適な結果を見つけ出すことを目指します。
	そのため、これらのさらなる開発は継続中ですが、その勢いはJMPとそのプラットフォームの使いやすさによってもたらされており、データセットを扱いやすくしています。
	そして、ある程度の専門知識を活かして、それをさらに推し進め、「はい、これがこのプロジェクト、そしてCrodaのこの分野における今後のプロジェクトの重点を定めるのに役立つモデルです」と言うのです。
	つまり、結論として、試験から得られたデータは、これらの材料の性能をモデル化するためにうまく活用できました。完璧とは言えませんが、私たちの目的には十分です。
	モデル...
	このモデルは、
	エステルの構造と性能の関係がある（すみません、タスクバーがなぜか動いています）。このモデルは、熱伝導率の高い材料を予測するために使用されています。
	これらの予測は、まず排除実験によって検証され、次に新しい材料を作ることによって横方向に検証され、このモデルがそのタイプの化学反応に実際に当てはまることが示される。
	また、特性を調整できる可能性も示しています。
	この場合は誘電体ですが、他の材料についても同様のモデルを構築すれば、特定の用途向けに特定の材料を作成できるようになります。
	そして私にとって最も重要なことは、
	この取り組みの真の成功は、JMPが「あれば便利」なものではなく、研究開発のための真のプラットフォームであり、データセットを非常に迅速に調べて「何かあるだろうか？」と判断できるものであることを示すための内部的な勢いを生み出しました。
	そして、
	ご視聴いただき、ありがとうございました。録画中の動画ではご質問にお答えできませんが、何かご質問があれば、コミュニティにコメントしてください。本当にありがとうございました。

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結果の共有と伝達