Brandprüfungen gehören zu den kritischsten und kostspieligsten Aspekten bei der Entwicklung von Brandschutzprodukten für Stahlkonstruktionen. Das Verständnis der Eigenschaften und des Verhaltens eines Ofens während der Prüfung ist unerlässlich für die zuverlässige Interpretation der Ergebnisse aus der Rezepturentwicklung.
In diesem Fall wurden die Temperaturdaten von Sensoren (Thermoelementen) in speziell angefertigten Öfen in JMP Pro genutzt, um positionelle Temperaturprofile zu erstellen und zu analysieren und gleichzeitig die Anzahl der Testläufe zu minimieren. Der Functional Data Explorer wurde als Dimensionsreduktionsverfahren eingesetzt, um Temperatur-Zeit-Kurven anhand ihrer Hauptkomponenten zu beschreiben. Dadurch konnten die positionellen Anteile direkt erfasst und verglichen werden. FPCA-Score-Plots zeigten eine Clusterbildung positionell äquivalenter Sensoren bei wiederholten Tests, was die Zuverlässigkeit der konsistenten Temperaturprofile bestätigte.
Darüber hinaus ermöglichte die FDOE-Simulation in Kombination mit einem 3D-Streudiagramm ein dynamisches Verständnis der Temperaturverteilung in unterschiedlichen Zeitintervallen und erleichterte so die Kommunikation zwischen Chemikern und Betriebsleitern. Dieser Ansatz führte nicht nur zu erheblichen Einsparungen bei den Testkosten, sondern ermöglichte auch einen tieferen Einblick in die Temperaturentwicklung im Ofen, der mit herkömmlichen Analysemethoden nicht möglich gewesen wäre. Die Analyse bestätigte die Erwartungen hinsichtlich eines Temperaturgradienten im hinteren Bereich des Ofens, der durch die Luftbewegung und den Rauchabzug entsteht.
Hallo. Ich freue mich sehr, Ihnen einige unserer Arbeiten bei Jotun Paints vorstellen zu dürfen, und bin begeistert, dass Sie sich für die Aufzeichnung meiner Präsentation entschieden haben, die ich auf dem Discovery Summit halten werde. Zunächst werde ich kurz vorstellen, wer Jotun ist, dann erklären, was Brandschutzbeschichtungen sind und warum es so wichtig ist, die Funktionsweise der Öfen für unsere Arbeit in der Brandschutzabteilung zu verstehen. Außerdem zeige ich Ihnen, wie wir dies mit JMP und den erweiterten Analysefunktionen von JMP Pro umsetzen können.
Mein Titel lautet: Positionsabhängige Temperaturtrends verstehen, um die Testzuverlässigkeit mit JMP Pro zu erhöhen. Mein Name ist Jay Richardson, und ich bin Chemiker in der Forschung und Entwicklung bei Jotun in Großbritannien. Ich interessiere mich sehr dafür, Forschungs- und Entwicklungsdaten optimal zu nutzen, um die Prozesse in der Forschung und Entwicklung so effizient wie möglich zu verbessern und so den größtmöglichen Nutzen und Mehrwert zu erzielen.
Wer ist Jotun? Jotun ist ein global tätiges Unternehmen für Beschichtungen und Farben, das in vier Segmenten aktiv ist: dekorative, maritime, Schutz- und Pulverbeschichtungen. Jedes Segment bietet eigene Lösungen und Innovationen in diesen Bereichen.
Jotun hat seinen Hauptsitz in Sandefjord, einer Stadt etwa eine Stunde von Oslo entfernt. Das Unternehmen wurde 1926 gegründet und konzentrierte sich zunächst auf Schiffs- und Bootslacke, da dies damals ein riesiger Markt war. Mittlerweile ist Jotun international in über 100 Ländern vertreten und besitzt 68 Unternehmen mit 41 Produktionsstätten.
Was ist eine intumeszierende Beschichtung? Eine intumeszierende Beschichtung ist eine Beschichtung, die sich bei Feuer ausdehnt und reaktiv ist. Sie bildet eine isolierende Barriere, wie Sie hier sehen können, um den Stahl zu beschichten und ihn vor der Hitzequelle im Brandfall zu schützen.
In unserer Abteilung für Brandschutzbeschichtungen entwickeln wir marktführende Brandschutzprodukte für Stahl. Wie ich im Video gezeigt habe und wie Sie hier auf dem Bildschirm sehen können, dehnen sich die Beschichtungen auf das bis zu 60-fache ihrer ursprünglichen Dicke aus. Dies verschafft den Rettungskräften wertvolle Zeit, um am Einsatzort einzutreffen und Sachwerte zu sichern sowie Personen aus dem Gebäude zu bergen.
Ich halte es für sehr wichtig, und jeder kennt die Folgen eines Brandes. Unsere Arbeit ist daher von entscheidender Bedeutung für den täglichen Schutz von Sachwerten und Menschenleben. Sie ist ein absolut unverzichtbarer Bestandteil von Gebäuden.
Eine unserer größten Herausforderungen besteht darin, die Art unserer Tests zu verstehen. Denn es mag nicht offensichtlich sein, aber um unsere Produkte zu testen, müssen wir sie verbrennen. Unsere Tests folgen standardisierten Temperaturprofilen für Zertifizierungen, die von Temperatursensoren, sogenannten Thermoelementen, überwacht werden. Hier sehen Sie ein solches Thermoelement im Ofen, das als Draht nach unten ragt.
Die Funktionsweise ist folgende: Wenn sich das Thermoelement erwärmt, ändert sich der Widerstand im Draht, und dadurch fließt ein bestimmter Strom, der proportional zur Temperatur im Ofen selbst ist.
Im Jahr 2023 wurde unsere Anlage erheblich erweitert. Wir nahmen zwei große neue Öfen in Betrieb und vervierfachten damit unsere Testkapazität. Wie Sie sehen, verfügten wir 2022 über zwei identische kleine Würfelöfen. Mit der Erweiterung kamen zwei weitere große Öfen hinzu. Unser Ziel war es, 2024 mit diesen Öfen die volle Testkapazität zu erreichen.
Um dies zu verstehen, mussten wir die Reproduzierbarkeit jedes Tests nachvollziehen und sicherstellen, dass das Temperaturprofil den Erwartungen entsprach. Dazu erstellten wir eine Temperaturkarte des Ofens, indem wir verschiedene Positionen im Ofen untersuchten und die Temperaturverläufe analysierten. Unsere Testmöglichkeiten waren stark eingeschränkt, da der Ofen über vordefinierte Bohrungen verfügte. Es war nicht möglich, einfach wahllos neue Löcher hinzuzufügen und ein herkömmliches Versuchsdesign (DOE) zu realisieren.
Ein weiterer wichtiger Punkt ist der hohe Kostenaufwand für jeden einzelnen Test. Allein die benötigte Gasmenge, die Menge des verwendeten Produkts und die Durchführung der Brandtests können bis zu 5.000 £ kosten. Man sieht also, dass die Tests selbst sehr teuer sind, gleichzeitig müssen wir aber auch unser Wissen darüber erweitern.
Im Rahmen der Tests verwendeten wir sechs Thermoelemente auf dem Dach, die die Ofentemperatur überwachten und gemäß unserer Standardkurve regelten. Zusätzlich setzten wir 15 weitere Thermoelemente ein, um das Temperaturprofil an bestimmten Positionen im Ofen zu erfassen.
Wie bereits erwähnt, müssen wir die Zuverlässigkeit dieser Thermoelemente und die Eigenschaften des Ofens selbst genau verstehen, um sicherzustellen, dass unsere verglichenen Rezepturen reproduzierbar sind und die Ergebnisse vergleichbar sind. Es ist entscheidend, dass wir diese Zusammenhänge bei der Implementierung neuer Testverfahren berücksichtigen, um im Rahmen unserer Arbeit die präzisesten Produkttests durchzuführen.
Wenn ich nur... Entschuldigung. Kommen wir darauf zurück. Das Problem ist, dass herkömmliche Analysemethoden für die Detailgenauigkeit unserer Ofenanalysen nicht wirklich geeignet sind, da unsere Daten erstens auf einem Zeit-Temperatur-Profil basieren, zweitens aber auch eine Positionsvarianz aufweisen. Wir haben ein 3D-Diagramm, das die Positionen aller Thermoelemente zeigt. Es ist nicht einfach, die Reproduzierbarkeit jedes einzelnen Thermoelements zu verfolgen.
Um diese Trends abzubilden, müssen wir komplexere Modelle erstellen. Dazu haben wir den Functional Data Explorer als Dimensionsreduktionsverfahren eingesetzt, indem wir ein Modell angepasst haben, das diese Temperatur-Zeit-Kurven anhand ihrer Hauptkomponenten beschreibt. Dies ermöglichte es uns, die jeweilige Positionskomponente leichter zu interpretieren.
Anschließend würde eine funktionale Hauptkomponentenanalyse durchgeführt, um die Zusammenhänge zwischen Temperatur, Zeit und Position zu verstehen und die Reproduzierbarkeit innerhalb dieses Tests wirklich zu erfassen.
Mithilfe dieses Modells kann die Temperatur dann mit FDOE simuliert werden, um die positionsabhängigen Temperaturvariationen besser zu visualisieren. Mit Scatterplot-3D lässt sich die Kommunikation mit anderen F&E-Chemikern erleichtern, die möglicherweise nicht so sehr an den Details interessiert sind oder durch das Vorhersageprofil verwirrt werden. Gleichzeitig wird aber auch deutlich, welche Auswirkungen unsere Arbeit hat.
Ich weiß, das sind viele Informationen, daher halte ich eine Demonstration für angebracht. Zunächst wird die JMP-Tabelle mit allen Komponenten generiert, also den Positionsdaten und den Thermoelementen mit Zeit- und Temperaturwerten. Die Zeilen werden anhand der Thermoelementnummer farblich gekennzeichnet, die der Position des jeweiligen Thermoelements entspricht. Die Position des Thermoelements bleibt bei jedem Test gleich.
Anschließend können wir mithilfe der Datenverarbeitung die allgemeinen Trends auf den ersten Blick betrachten. Die mittlere Funktion entspricht sehr genau dem typischen Temperaturprofil im Ofen. Wir sehen einen Unterschied zwischen der mittleren Funktion und der Standardabweichung, was zu erwarten ist, da zu Beginn des Tests viel Wärme erzeugt wird, um die Temperatur schnell zu erhöhen. Daher ist mit großen Abweichungen im Ofen zu rechnen. Sobald die Temperatur ein Plateau erreicht, nimmt die mittlere Abweichung ab, was unseren Erwartungen entspricht.
In diesem Modell verwendeten wir B-Splines. Die Mittelwertfunktion lässt sich am besten durch die Kombination der Formfunktionen FPC 1 und 2 beschreiben, was 98 % entspricht. Mithilfe dieser PCA und der Score-Plots können wir die Konsistenz der einzelnen Messläufe anhand der Thermoelementposition beurteilen, die, wie bereits erwähnt, auf der Farbe basiert.
Betrachtet man die Auswertungsmuster, wird deutlich, dass die Thermoelemente an derselben Position in den verschiedenen Tests eng miteinander korrelieren. Test 1, Test 2 und Test 3 weisen für dasselbe Thermoelement die gleiche Farbe auf. Dies belegt die gute Reproduzierbarkeit der Tests an derselben Position und gibt die Gewissheit, dass ein Prüfling an dieser Position stets das gleiche Temperaturprofil aufweist. Die Ergebnisse zeugen von hoher Zuverlässigkeit und Konstanz.
Wir können dies noch einen Schritt weiterführen und das Modell des FDOE-Profilers betrachten. Wir sehen, dass die Schwankungen zu Beginn des Tests am größten sind und sich dann später leicht abflachen. Auch zwischen den Tests lässt sich dieser Zusammenhang beobachten: Die X-, Y- und Z-Komponenten weisen nur minimale Veränderungen auf, und die Temperaturkomponente beider Kurven zeigt denselben Trend.
Eine weitere Erkenntnis ist, dass die Positionsvariation auf der X-Achse konsistent zu sein scheint. Die Positionsänderung von links nach rechts im Ofen weist scheinbar denselben Trend auf, oder es gibt keine wesentlichen Unterschiede. Betrachtet man jedoch die Position von vorne nach hinten und von oben nach unten, so zeigt sich ein Trend. Hinten und unten im Ofen ist die Temperatur am höchsten, vorne und oben am niedrigsten.
Das ist alles schön und gut, und wer sich mit JMP und den verschiedenen Profilern gut auskennt, wird dieses Detail verstehen. Für weniger erfahrene Nutzer, die mit JMP und den Analysefunktionen weniger vertraut sind, könnte es jedoch schwieriger sein. Um das Ganze zu verdeutlichen, können wir den FDOE-Simulator verwenden und das Modell selbst bis zu 10.000 Punkten simulieren.
Hier sehen wir eine Simulation in der JMP-Tabelle. Diese simulierten Daten können wir nun in Scatterplot-3D mit einem lokalen Datenfilter für die Zeit verwenden. So können wir visualisieren, wie die Daten dreidimensional und mit einer Zeitkomponente aussehen. Wie erwartet, sehen wir eine X- und eine Y-Achse sowie eine Z-Achse, die rückwärts verläuft. Durch Verschieben der Zeitachse können wir beobachten, wie das Modell den Ofenbetrieb vorhersagt und wie das Temperaturprofil basierend auf der Simulation aussehen wird.
Wir sehen, dass die Temperatur zu Beginn des Tests am stärksten um 400 Grad schwankt. Im weiteren Verlauf flacht diese Schwankung jedoch ab, und die Temperaturunterschiede zwischen den verschiedenen Zeitintervallen nehmen ab. Dies ermöglicht eine gute visuelle Darstellung für Manager und andere Beteiligte, die sich möglicherweise nicht so intensiv mit den Analysen auseinandersetzen möchten. Die farbliche Darstellung der Temperatur ist sehr anschaulich.
Im Wesentlichen zeigt es dieselben Dinge wie der FDOE-Profiler. Wir sehen denselben Trend von oben nach unten und von links nach rechts, und wenn wir die beiden Ansichten vergleichen, scheint es keinen großen Unterschied zu geben. Wir können also mit Sicherheit sagen, dass wir Trends im Ofen erkennen, und diese müssen wir bei der Entwicklung berücksichtigen.
Wir erwarten diese Tendenzen, da sich das Absaugsystem hinten unten im Ofen befindet und die Hitze dadurch nach unten gezogen wird. Dies entspricht unseren Erwartungen und zeigt, dass die größte Hitze potenziell nicht bei den Proben, sondern oben im Ofen konzentriert ist.
Die FDE-Funktion in JMP Pro ermöglicht ein effizientes Verständnis der Reproduzierbarkeit von Brandversuchen und stärkt so das Vertrauen in die Zuverlässigkeit der Entwicklung bei minimalen Testkosten. Wie bereits erwähnt, kosten die Tests 5.000 £. Würde man dies aus einer traditionellen Perspektive betrachten und versuchen, es zu verstehen, wären die Kosten für ein ebenso tiefgehendes Verständnis wie für die Entwicklung dieses JMP-Modells meiner Meinung nach deutlich höher.
Es gibt uns zudem großes Vertrauen und Zuverlässigkeit, dass wir unsere Schlussfolgerungen datenbasiert gezogen haben. Wir haben ein Modell in JMP erstellt. Wir verstehen alle damit verbundenen Parameter und verlassen uns nicht auf Annahmen oder Ähnliches. Das schafft wirklich großes Vertrauen.
Es ist offensichtlich, dass Visualisierungen in JMP für die Kommunikation zwischen Personen, die sich weniger für Daten interessieren, aber auch Führungskräften, von zentraler Bedeutung sind. Die Verwendung des FDOE-Simulators in Verbindung mit Scatterplot-3D bietet uns eine hervorragende Möglichkeit, unsere Daten in einer dreidimensionalen Positionsdarstellung zu visualisieren.
Diese Analyse hat uns ein besseres Verständnis unseres Ofens hinsichtlich Entwicklung und Zuverlässigkeit ermöglicht. Wir wissen nun, dass die Effekte unserer Beschichtungsentwicklung und -formulierung auf den Änderungen innerhalb der Rezeptur beruhen und nicht auf Ofen- oder Testabweichungen. Das gibt uns die Gewissheit, dass wir unserer Arbeit vertrauen können. Dies ist wichtig, denn im Bereich Brandschutz und Gebäudesicherheit ist es entscheidend, dass wir unseren Ergebnissen vertrauen und sie dort einsetzen können, wo sie dringend benötigt werden.
