| 스피커 |
성적 증명서 |
| 마르첼로 피달레오 |
안녕하세요, 저는 마르첼로 피달레오입니다. 제 프레젠테이션은 식품 제분 공정에 적용되는 기능적 데이터 분석과 실험 설계에 관한 것입니다. |
| |
본 연구의 목적은 아이스크림 제조에 사용되는 헤이즐넛과 코코아콩 베이스의 제분 단계를 연구하는 것입니다. |
| |
이러한 과정을 정제라고 하며 일반적으로 배치 모드로 교반 볼 밀에서 수행됩니다. 이는 오른쪽에 보고된 내용과 같습니다. |
| |
이 과정의 목적은 코코아와 설탕과 같은 고형 성분의 입자 크기를 줄여 최종 제품이 거칠지 않게 만드는 것입니다. |
| |
이러한 목표를 위해 저희는 오른쪽 보고서처럼 중앙 합성 설계를 설계했습니다. N, D, S의 세 가지 요인을 사용했는데, |
| |
N은 샤프트의 회전 속도, D는 볼의 직경, S는 볼의 전체 질량입니다. |
| |
반응으로는 가장 큰 고체 입자의 크기, 즉 미세도와 분쇄 에너지를 고려합니다. 두 반응 모두 시간의 함수로 측정되었으므로, 이는 실제로 |
| |
기능적 설계 실험은 응답이 ???가 아니라 함수, 특히 이 경우에는 시간의 함수였기 때문에 수행되었습니다. JMP Pro를 사용하여 실험을 설계하고 결과를 분석했습니다. |
| |
결과 분석을 위해 두 가지 접근법을 사용했습니다. 첫 번째 접근법은 설계된 실험에 대한 고전적 분석입니다. |
| |
따라서 우리는 반응 표면 모델을 사용하여 두 개의 서로 다른 시점에서 공정 매개변수의 함수로 반응을 회귀 분석합니다. 두 번째 접근법은 실험 계획법의 함수형 데이터 분석입니다. |
| |
최종 모델에 시간의 효과도 포함할 수 있었습니다. 즉, 우리는 다음을 고려했습니다. |
| |
기능적 반응의 본질, 그러니까... 그게 바로 반응의 기능적 본질입니다. 이 프레젠테이션에서는 두 번째 접근법에 대해 말씀드리겠습니다. |
| |
실험 설계에서의 기능적 데이터 분석 |
| |
최종 모델을 구축하고 시스템의 설계 공간을 확보하려면 몇 가지 중간 단계가 필요합니다. |
| |
기본적으로 우리는 기능적 데이터를 평활화하기 위해 기능적 데이터 분석부터 시작합니다. |
| |
그런 다음 평활화 함수에 함수 주성분 분석을 적용합니다. 따라서 이 시점에서 이 시스템의 몇 가지 구성 요소만 유지하여 함수 반응에 대한 모델을 개발했습니다. |
| |
결과를 보시죠... |
| |
이것의 결과 |
| |
사례 연구. |
| |
다음은 평활화 과정의 결과입니다. 베타 스플라인을 적용하고 ??? 미세도와 에너지를 고려했습니다. 데이터 변환과 데이터 필터링을 사용하면 간단한 결과를 얻을 수 있습니다. |
| |
적합 함수를 사용하면 실험 데이터를 잘 적합할 수 있습니다. 실제로, 세밀도와 에너지에는 매듭 하나와 3차 스플라인, 그리고 매듭 하나와 선형 스플라인을 사용했습니다. |
| |
그래서 함수 주성분 분석을 평활화 함수에 적용했습니다. 여기 왼쪽에서, 세밀도에 대해 다음을 볼 수 있습니다. |
| |
처음 두 구성 요소는 분산의 96%를 설명했지만, 에너지의 경우 첫 번째 구성 요소만 분산의 98%를 설명했습니다. 따라서 최종 모델에서는 |
| |
우리는 미세도에 두 가지 성분을, 에너지에 한 가지 성분을 사용했습니다. 오른쪽에는 16번의 실험에 대해 계산된 점수를 표시했습니다. |
| |
그리고 저희는 경험상 점수가 시스템의 동작을 이해하는 데 유용하다는 것을 알게 되었습니다. 예를 들어, 이 경우 첫 번째 구성 요소는 |
| |
연삭 강도 축은 왼쪽에 높은 연삭 강도가, 오른쪽에 낮은 연삭 강도가 적용됩니다. 따라서 이 시점에서 |
| |
반응성(?) 모델을 사용하여 프로세스 매개변수의 함수로 점수를 회귀시켰습니다. |
| |
선형 이차 효과와 상호작용 효과를 포함함으로써, 이러한 모델들은 공정 매개변수가 기능적 |
| |
응답. |
| |
그래서 마지막으로, |
| |
여기서, 제가 말씀드린 것처럼 마침내 최종 모델을 구축할 수 있었음을 확인할 수 있습니다. 그리고 여기서는 몇 번의 실행에 대한 시간에 따른 미세도와 에너지를 보고했습니다. 실험 데이터와 예측 데이터가 일치하는 것을 확인할 수 있습니다. |
| |
정말 좋아요. 앞서 말씀드렸듯이, 저희는 미세함 때문에 두 가지 성분을 사용하고, 에너지 때문에 한 가지 성분을 사용합니다. |
| |
그래서 마침내 우리는 설계 공간을 구축하고 연구할 수 있었습니다. 즉, 프로세스 매개변수인 N, D 및 S의 효과를 이해하기 위해서요. |
| |
여기서 기능적 반응에 대해 살펴보겠습니다. 프로파일러에서 N, D, S의 이러한 조건에서 다음을 확인할 수 있습니다. |
| |
우리는 시간에 따른 미세도 프로파일과 시간에 따른 에너지 프로파일을 예측할 수 있었습니다. 맨 아래에... 여기 맨 아래에 두 개의 등고선 플롯을 보고했습니다. |
| |
시스템의. 왼쪽의 것은 55 rpm의 회전 속도와 6.5 mm의 볼 직경으로 얻어졌습니다. |
| |
오른쪽의 등고선 플롯은 29kg의 구체 질량과 80분의 작동 시간에 사용되었습니다. |
| |
따라서 예를 들어 여기 왼쪽에서 우리는 작동 시간을 늘릴 때 경계에서 구의 질량이 있음을 볼 수 있습니다. |
| |
물론 에너지는 증가하는 반면, 섬세함은 감소합니다. |
| |
두 그림의 흰색 영역은 설계 공간이며, 이는 분쇄도가 20~30마이크론 사이인 영역입니다. 즉, 이 영역에서는 최종 제품이 거칠지 않고 과도하게 분쇄되지 않습니다. |
| |
따라서 이러한 결과를 바탕으로, 기능적 설계 실험에 적용된 기능적 데이터 분석은 배치 프로세스의 동적 설계 공간을 구축하는 데 간단하고, 견고하며, 사용하기 쉬운 접근 방식인 것으로 결론 내릴 수 있습니다. |
