756817_ko-KR

liliconcom

폴리머 음향 특성 특성화 및 예측을 위한 실험 설계(2021-US-EPO-866)

Valerie Rennoll, 존스홉킨스 대학교, 존스홉킨스 대학교
이안 맥레인, 존스홉킨스 대학교 대학원생
Drew Grant, 존스홉킨스 대학교 대학원생
모우냐 엘힐랄리, 존스홉킨스 대학교 교수

제임스 웨스트, 존스홉킨스 대학교 교수

음향 임피던스와 감쇠는 수중 및 의료 분야에서 음향 전파에 영향을 미치는 중요한 특성입니다. 특정 음향 특성을 목표로 하기 위해 다양한 밀도와 강성을 가진 여러 폴리머를 사용한 후, 도펀트를 추가하여 추가로 조정할 수 있습니다. JMP에서 I-최적 실험 계획을 사용하여 나노입자 도펀트를 포함한 폴리머의 음향 임피던스 및 감쇠에 대한 여러 제조 및 특성화 조건 간의 관계를 분석했습니다. 총 98개의 샘플을 제작하고 폴리머 유형(PDMS, ecoflex, 폴리우레탄), 샘플 두께, 도펀트 밀도, 도펀트 농도, 도펀트 크기, 특성화 주파수 및 온도 등의 인자를 고려하여 특성화했습니다. 얻어진 통계 모델은 감쇠를 최소화하거나 최대화하면서 폴리머를 1~2.2 MRayl 범위의 음향 임피던스에 맞추는 데 필요한 조건을 명시합니다. 최소 또는 최대 감쇠를 갖는 5개의 임피던스 값을 목표로 9개의 검증 샘플을 제작했으며, 측정된 임피던스 값과 비교하여 평균 1.4%의 예측 오차를 보였습니다. 이 모델은 인간의 피부, 나무, 물과 같은 재료에 음향적으로 일치하는 센서를 구성하는 데 사용됩니다.

자동 생성된 대본...

스피커	성적 증명서
발레리 레놀	이 연구실의 주요 초점은 신체에 사용할 수 있는 새롭고 유연한 음향 센서를 개발하는 것입니다.
	오늘은 여러 가지 다른 폴리머 재료에 입자를 첨가하여 음향적 특성을 연구하기 위해 최적 실험 설계를 사용하는 방법에 대한 저의 연구에 대해 논의해보겠습니다.
	이 실험의 결과는 음향 임피던스 매칭 센서를 개발하는 데 사용됩니다.
	따라서 음향 임피던스와 감쇠는 소리 전파 재료에 영향을 미치는 중요한 재료 특성입니다. 음향 임피던스는 재료를 통과하는 소리의 속도에 따른 밀도의 함수입니다.
	소리가 한 물질에서 다른 물질로 전달될 때 음향 임피던스의 차이로 인해 에너지가 경계면에서 반사됩니다.
	물과 공기 사이의 음향 임피던스 불일치 때문에 수영장에서 누군가 소리를 내고 당신이 수영장 옆에 서 있으면 그 소리를 들을 수 없습니다.
	이 애니메이션은 음향 임피던스가 신체 소리의 전달에 어떤 영향을 미치는지 보여줍니다.
	첫 번째 그림에서는 신체에서 나오는 소리가 피부와 공기 사이의 경계면에 부딪히고, 임피던스 불일치가 크기 때문에 대부분의 소리가 신체 쪽으로 반사되는 것을 볼 수 있습니다.
	두 번째 그림은 의사가 환자의 말을 들을 때 이 효과가 실제로 얼마나 증폭되는지 보여줍니다.
	청진기를 사용하여 신체 소리를 듣습니다. 임피던스 불일치로 인해 입사 에너지의 일부가 청진기로 전달되고, 공기 중 소음이 신호를 심각하게 손상시킬 수 있는 경로가 추가됩니다.
	세 번째 그림은 임피던스 매칭 센서를 사용한 저희의 접근 방식을 보여줍니다. 임피던스 매칭이 잘 되어 있어 신체 센서 인터페이스에서 신호 반사가 거의 발생하지 않고, 공기 중 잡음은 센서에서 수동적으로 반사됩니다.
	전반적으로 모니터링되는 매질의 음향 임피던스를 일치시킴으로써 더 많은 양의 소리를 포착할 수 있습니다. 이를 위해서는 특정 음향 임피던스를 목표로 하는 폴리머를 어떻게 제작할 수 있는지 이해해야 합니다.
	이전 연구에서는 나노입자를 폴리머 매트릭스에 분산시켜 음향 임피던스를 제어할 수 있다는 것이 입증되었습니다.
	그러나 기존 연구는 기본적으로 설계 공간을 탐구하는 데 그 범위가 제한되어 있으며, 한 번에 한 가지 요인에 대한 접근 방식을 사용하고 관련 요인의 작은 하위 집합에 초점을 맞췄습니다.
	그래서 저희는 JMP에서 최적 실험 계획을 설정하여 기존 연구를 확장하기로 했습니다. 연속형, 이산형, 범주형 요인을 혼합하여 고려하고자 했기 때문에 최적 실험 계획이 가장 적합했습니다.
	따라서 이 두 표는 DOE에 포함된 요소와 대응에 대한 개요를 제공합니다.
	연구해야 할 요소를 고려하기 위해 문헌 검토를 거친 후, 우리는 폴리머 유형의 총 7가지 요소(입자 농도, 크기, 밀도)를 포함하기로 결정했습니다.
	샘플 두께, 특성 분석 빈도 및 온도. 이 세 번째 열에서 볼 수 있듯이, 일반적으로 요소에는 낮음, 높음, 중앙 설정이 포함되었습니다.
	폴리머 유형에는 네 가지 수준이 포함되어 있습니다. 또한, 설계는 요인 제한을 고려하여 설정되었기 때문에 특정 폴리머 유형은 폴리머 경화를 방해하기 때문에 가장 작은 입자 크기와 결합될 수 없었습니다.
	우리는 밀도, 음속, 음향 임피던스, 감쇠를 포함한 총 4가지 반응을 연구했습니다.
	목표는 최소 감쇠로 특정 음향 임피던스 값을 목표로 하고 음속의 밀도에 영향을 미치는 요소를 이해하는 것이었습니다.
	우리는 모든 평균 효과, 2차 상호작용, 그리고 이차항을 추정하여 높은 예측 정확도를 가진 모형을 생성하는 것을 목표로 했습니다. 이를 위해, 이러한 효과를 감지할 수 있는 적절한 검정력을 확보하기 위해 총 98개의 표본을 제작하기로 했습니다.
	재료의 특성은 통과 투과 기술을 사용하여 평가되었는데, 이는 재료의 알려지지 않은 음향 특성을 기준 재료(이 경우 물)와 비교하여 얻는 것입니다.
	송신기에서 수신기로 신호가 전송되고, 포착된 신호는 물만 통과할 때와 물과 샘플이 섞인 경우를 비교합니다.
	그래서 우리가 탐구한 설계 공간 내에서 우리는 폴리머와 추가된 입자의 특성에 따라 다양한 음향 임피던스를 측정했습니다.
	우리는 물, 피부, 나무와 같은 재료의 음향 임피던스를 일치시킬 수 있다는 것을 발견했습니다.
	98개 샘플 각각에 대한 응답 데이터를 수집한 후, 우리는 가장 높은 예측 정확도를 얻기 위해 다양한 축소 후보 모델을 비교했습니다.
	모델 계수의 수가 가장 적습니다. 역방향 선택 및 K-폴드 교차 검증과 같은 기법을 사용했습니다.
	가능한 모델을 확보한 후 다양한 평가 도구를 사용하여 최종 모델을 선택했습니다. 데이터에 이상치나 영향력 있는 지점이 포함되어 있는지도 고려했습니다.
	오류가 독립적이고 정규 분포를 따르며 변수가 일정하고 평균이 0인지, 그리고 모델에 적합성이 크게 부족한지 여부입니다.
	전반적으로, 최종적으로 선택된 음향 임피던스 모델은 우리 목적에 충분히 부합하는 것으로 나타났습니다. 왼쪽 그림은
	실제 데이터와 예측 데이터를 비교한 그래프입니다. 대각선을 따라 데이터가 아주 잘 맞는 것을 볼 수 있습니다. 즉, 실제 데이터와 예측 데이터가 매우 유사하다는 것을 의미합니다.
	그리고 오른쪽 그림에서 볼 수 있듯이 잔차는 뚜렷한 패턴 없이 일반적으로 0에 대해 분포합니다.
	최종적으로 선택된 모델은 폴리머 유형, 도펀트 농도, 그리고 온도의 주요 인자를 포함했습니다. 이 모델의 조정된 R 제곱값은 .995이고, 평균 제곱근 오차는 .02였습니다.
	따라서 우리의 주요 목표는 특정 음향 임피던스와 최소 감쇠를 갖는 폴리머를 제작하는 것이었기 때문에 예측 프로파일러가 정말 도움이 되었습니다.
	이 목표를 달성하기 위해. 이 영상에서는 프로덕션 프로파일러가 최소 감쇠로 1.3MRayls의 임피던스 값을 목표로 하는 데 필요한 조건을 어떻게 찾아내는지 보여드립니다.
	우리는 총 9개의 폴리머를 제조하는 데 필요한 조건을 예측하기 위해 예측 프로파일러를 사용했는데, 각 폴리머의 임피던스는 각각 1, 1.3, 1.6, 1.9, 2.2 MRayl입니다.
	예측된 음향 임피던스 값과 측정된 음향 임피던스 값 사이의 평균 오차는 약 1.4%에 불과했으며, 이는 약 0.05 MRayls의 차이입니다.
	따라서 DOE의 결과에 확신을 갖고, 저는 Hearo라고 명명할 임피던스 매칭 음향 센서를 조립할 때 특정 폴리머 제조 조건을 사용했습니다.
	이 이미지에서는 대상 애플리케이션에 따라 다양한 대상 임피던스 값을 갖는 여러 Hearo 장치를 볼 수 있습니다. 신호 대 잡음비(SNR) 지표를 사용하여 이 임피던스 매칭 장치를 일반적인 마이크 및 가속도계와 비교합니다.
	이러한 SNR 수치에서 값이 높을수록 관심 신호와의 상관관계가 크고 공기 중 소음과의 상관관계가 낮음을 나타냅니다. 따라서 전체 신호 지표는 다음 두 가지의 차이를 고려하여 결정됩니다.
	시뮬레이터 신호와의 코히어런스에서 노이즈와의 코히어런스를 뺀 값입니다. 이렇게 주황색으로 표시된 Hearo는 노이즈와의 코히어런스가 낮은 것을 확인할 수 있습니다.
	시뮬레이터 신호와의 일관성이 더 높아져 다이어프램이 있는 가속도계와 마이크에 비해 전반적으로 SNR 지표가 더 높아졌습니다.
	이 시연을 통해 Hearo가 공기 중 소음을 흡수하지 않고 신체나 악기에서 매우 깨끗한 신호를 포착하는 것을 확인할 수 있습니다. 첫 번째 영상은 Hearo가 집에서 심음과 폐음을 녹음하는 모습을 보여줍니다.
	두 번째 영상은 헤아로가 종소리를 녹음하는 모습을 보여줍니다.
	따라서 저희는 이 센서가 신체나 악기에서 나오는 소리를 모니터링하는 향상된 방법을 제공할 수 있을 것으로 기대합니다. 일반적인 장치에는 값비싼 잡음 억제 회로가 필요합니다.
	요약하자면, 우리는 JMP에서 실험 설계를 사용하여 다양한 제조 및 특성화 조건이 입자가 첨가된 폴리머의 음향 특성에 어떤 영향을 미치는지 이해했습니다.
	실험을 통해 얻은 모델은 높은 예측 정확도를 보여주었으며 임피던스 매칭 음향 센서 설계에 사용되었습니다.
	이 센서는 공기 중 소음 감지에 최적화된 기존 센서에 비해 향상된 신호 충실도와 소음 감소 효과를 보여줍니다. 관심 가져주셔서 감사하며, 궁금한 점이 있으시면 언제든지 문의해 주세요.

고급 통계 모델링기본 데이터 분석 및 모델링데이터 블렌딩 및 정리실험 설계예측 모델링 및 머신 러닝품질 및 공정 엔지니어링결과 공유 및 전달