Le prove di resistenza al fuoco rappresentano uno degli aspetti più critici e costosi nello sviluppo di prodotti intumescenti per la protezione delle strutture in acciaio dal fuoco. Comprendere la natura e le prestazioni di un forno durante le prove è fondamentale per interpretare in modo affidabile i risultati dello sviluppo della formulazione.
In questo caso, i dati di temperatura provenienti dai sensori (termocoppie) in forni su misura sono stati utilizzati in JMP Pro per stabilire e comprendere i profili di temperatura posizionali, riducendo al minimo i test. Il Functional Data Explorer è stato implementato come tecnica di riduzione delle dimensioni per descrivere le curve temperatura-tempo in termini di componenti principali, consentendo di comprendere e confrontare direttamente il loro elemento posizionale. I grafici dei punteggi FPCA hanno mostrato il clustering di sensori posizionalmente equivalenti con test ripetuti, garantendo l'affidabilità di profili di temperatura coerenti.
Inoltre, la simulazione FDOE, combinata con un diagramma di dispersione 3D, ha consentito una comprensione dinamica delle distribuzioni di temperatura a intervalli di tempo variabili, semplificando la comunicazione tra chimici e responsabili. Questo approccio non solo ha comportato un significativo risparmio sui costi di test, ma ha anche consentito una maggiore comprensione delle tendenze del forno, cosa che sarebbe stata impossibile con le tecniche di analisi convenzionali. L'analisi si è allineata bene con le aspettative di un gradiente di temperatura verso la parte posteriore del forno, dal movimento dell'aria all'evacuazione dei fumi.
Salve. Sono davvero entusiasta di presentare parte del lavoro che stiamo svolgendo presso Jotun Paints e sono entusiasta che abbiate scelto di guardare questa registrazione della presentazione che terrò al Discovery Summit. Parlerò brevemente di chi è Jotun, per iniziare con una breve introduzione generale, di cosa sono i rivestimenti intumescenti e perché è importante comprendere la natura dei forni nel lavoro che svolgiamo qui nel reparto Intumescent. Inoltre, come possiamo farlo utilizzando JMP e alcune delle funzionalità analitiche più avanzate di JMP Pro?
Il mio titolo è: Comprendere le tendenze della temperatura posizionale per aumentare l'affidabilità dei test utilizzando JMP Pro. Mi chiamo Jay Richardson e sono un chimico di ricerca e sviluppo qui alla Jotun nel Regno Unito. Sono realmente interessato a sfruttare i dati di ricerca e sviluppo per ottenere il massimo impatto e valore nel modo più efficiente possibile, al fine di migliorare i processi di ricerca e sviluppo.
Chi è Jotun? Jotun è un'azienda globale di rivestimenti e vernici che opera in quattro segmenti: rivestimenti decorativi, nautici, protettivi e in polvere, ognuno con le proprie soluzioni e innovazioni in questi settori.
Jotun ha sede a Sandefjord, una cittadina a circa un'ora da Oslo. Fondata nel 1926, si concentrava principalmente sui rivestimenti per imbarcazioni e navi, un settore di grande importanza. Successivamente, l'azienda si è globalizzata in oltre 100 paesi e possiede 68 aziende con 41 stabilimenti produttivi.
Cos'è un rivestimento intumescente? Un rivestimento intumescente è un rivestimento che si espande e reagisce al fuoco, formando una barriera isolante, come quella che vedete qui, per rivestire l'acciaio e proteggerlo dalla fonte di calore all'interno di un incendio.
Nel reparto Intumescent, ci occupiamo della creazione di prodotti intumescenti leader di mercato per la protezione dell'acciaio dal fuoco. Come ho mostrato nel video, e come potete vedere sullo schermo qui, i rivestimenti stessi si gonfiano fino a 60 volte lo spessore originale del rivestimento stesso, e questo consente ai soccorritori di arrivare sul posto in tempo utile per salvare i beni e recuperare il personale dall'edificio.
Penso che sia molto importante, e tutti conoscono le conseguenze che un incendio può avere, e il nostro lavoro è davvero cruciale per proteggere beni e vite umane quotidianamente. È una parte davvero cruciale degli edifici.
Una delle sfide più grandi che affrontiamo è cercare di comprendere la natura dei nostri test, perché potrebbe non essere ovvio, ma per testare i nostri prodotti dobbiamo bruciarli. I nostri test seguono profili di temperatura standard di certificazione, monitorati da sensori di temperatura chiamati termocoppie. Qui potete vederne una nel forno, che sporge come un filo.
Il loro funzionamento è il seguente: quando la termocoppia si riscalda, la resistenza all'interno del filo cambia e quindi si verifica un certo passaggio di corrente, proporzionale alla temperatura all'interno della fornace stessa.
Nel 2023, il nostro impianto è stato notevolmente ampliato, con l'entrata in funzione di due nuovi forni di grandi dimensioni e il conseguente quadruplicamento della nostra capacità di test. Nel 2022 avevamo due forni cubici piccoli identici e, con l'ampliamento, ne abbiamo aggiunti altri due di grandi dimensioni. Il nostro obiettivo era di poter effettuare test a piena capacità con questi forni nel 2024.
Ma per capirlo, avevamo davvero bisogno di essere in grado di comprendere e avere fiducia nella riproducibilità di ogni test, ma anche che il profilo di temperatura fosse quello previsto per il test stesso. Lo abbiamo fatto mappando la temperatura del forno, osservando diverse posizioni al suo interno e osservando come variavano gli andamenti della temperatura. I nostri test erano piuttosto limitati, dato che il forno stesso aveva fori preimpostati molto specifici, perché non è possibile semplicemente aggiungere un nuovo foro qui, lì e ovunque e impostare un progetto di tipo DOE molto convenzionale. Eravamo piuttosto limitati.
L'altro aspetto da considerare è che ogni test è molto costoso. La quantità di gas e di prodotto da immettere, insieme ai test antincendio stessi, possono costare fino a 5.000 sterline per essere eseguiti dall'inizio alla fine. Come potete vedere, i test in sé sono molto costosi, ma dobbiamo anche ampliare le nostre conoscenze al riguardo.
Il funzionamento dei test prevedeva sei termocoppie installate sulla sommità del tetto, che monitoravano la temperatura del forno e la controllavano secondo la curva standard da noi elaborata. Inoltre, avevamo 15 termocoppie in più, che monitoravano il profilo di temperatura in punti specifici all'interno del forno.
Come ho detto, dobbiamo comprendere appieno l'affidabilità di queste termocoppie e la natura del forno stesso per avere la certezza che le formulazioni che stiamo confrontando siano riproducibili o che i risultati siano comparabili. È fondamentale comprendere queste tendenze quando implementiamo nuovi test, per ottenere il test di prodotto più accurato possibile dal nostro lavoro.
Se solo... Scusate. Torniamo a questo. Il problema è che l'analisi convenzionale non è adatta al livello di dettaglio che stiamo inserendo nei forni, perché i nostri dati si basano, in primo luogo, su un profilo di tipo tempo-temperatura, ma presentano anche una variante posizionale. Abbiamo un diagramma 3D che mostra dove si trovano tutte le termocoppie. Non è facile tracciare la riproducibilità di ciascuna di queste singole termocoppie.
Per mappare queste tendenze, abbiamo bisogno di costruire modelli più complessi. Per questo, abbiamo utilizzato il Functional Data Explorer come tecnica di riduzione dimensionale, adattando un modello per descrivere queste curve temperatura-tempo in termini delle loro componenti principali. Questo ci ha permesso di interpretare più facilmente la loro componente posizionale.
L'analisi funzionale delle componenti principali verrebbe quindi utilizzata per comprendere le relazioni tra temperatura, tempo e posizione e comprendere realmente la riproducibilità all'interno di quel test.
Utilizzando questo modello, la temperatura può quindi essere simulata tramite FDOE per visualizzare meglio le variazioni di temperatura posizionali e utilizzare Scatterplot-3D per facilitare la comunicazione con altri chimici di ricerca e sviluppo che potenzialmente non sono interessati ai dettagli o forse confusi dal profiler di previsione, ma riescono anche a vedere chiaramente qual è l'impatto del lavoro che stiamo svolgendo.
So che si tratta di molte informazioni, quindi credo che sia necessaria una demo. Il primo passo è generare la tabella JMP con tutti i diversi componenti, quindi i componenti posizionali e le termocoppie con l'ora e la temperatura, con le righe colorate in base al numero della termocoppia, che è equivalente alla posizione di quella termocoppia. La posizione della termocoppia rimane invariata test dopo test.
Possiamo quindi utilizzare l'elaborazione dei dati per osservare come appaiono le tendenze generali nelle prime prospettive. Se osserviamo la funzione media, questa si avvicina molto a come si svilupperebbe la curva del nostro profilo di temperatura standard all'interno della fornace. Osservandola, possiamo vedere che esiste una relazione differenziale tra la funzione media e la deviazione standard; che è ciò che ci si aspetterebbe, perché se si pensa che all'inizio del test stiamo producendo molto calore per cercare di aumentare questa temperatura, possiamo aspettarci una deviazione significativa all'interno della fornace. Poi, quando la temperatura inizia a stabilizzarsi, possiamo vedere che la deviazione media inizia a ridursi, che è ciò che ci si aspetterebbe.
In questo modello abbiamo utilizzato le B-spline e possiamo vedere che la funzione media è meglio descritta dalla combinazione delle funzioni di forma, FPC 1 e 2, pari al 98%. Quindi, utilizzando questa PCA e i grafici dei punteggi... Possiamo quindi utilizzare i grafici dei punteggi per valutare la coerenza di ogni esecuzione in base alla posizione della termocoppia, che, come ho detto prima, si basa sul colore.
Osservando l'aspetto dei blocchi di punteggio, è abbastanza ovvio che esiste una stretta relazione tra le termocoppie nella stessa posizione tra i test. Test 1, test 2 e test 3 sono tutti dello stesso colore per la stessa termocoppia. Questo ci permette di vedere che c'è una buona riproducibilità tra i test nella stessa posizione e possiamo avere la certezza che se un campione di prova si trova in quella posizione, può aspettarsi lo stesso profilo di temperatura. Ciò dimostra una buona affidabilità e sicurezza in questo ambito.
Possiamo fare un ulteriore passo avanti e analizzare il modello dal profiler FDOE. Possiamo vedere che all'inizio del test abbiamo la maggiore variazione, e poi possiamo vedere che più avanti questa variazione inizia a stabilizzarsi leggermente. Possiamo anche osservare, tra un test e l'altro, questa stessa relazione: c'è un movimento minimo all'interno delle componenti X, Y e Z, e la componente di temperatura delle due curve mostra lo stesso andamento.
L'altra informazione che abbiamo ricavato da questo è che la variazione di posizione sull'asse X sembra essere coerente. Da sinistra a destra, la posizione nella fornace sembra avere lo stesso andamento o non c'è una differenza sostanziale. Ma quando guardiamo la fornace da davanti a dietro e dall'alto al basso, vediamo che c'è una tendenza. Notiamo che sul retro e sul fondo della fornace abbiamo la temperatura più alta, mentre nella parte anteriore, nella parte superiore della fornace, vediamo la temperatura più bassa.
Tutto ciò è molto bello e le persone che conoscono bene il funzionamento di JMP e tutti i diversi profiler potrebbero comprendere questo dettaglio, ma potrebbe essere più difficile per chi non è così esperto di JMP e di tutte le sue funzionalità di analisi. La prossima cosa che possiamo fare è usare il simulatore FDOE per rendere tutto più chiaro e simulare il modello stesso fino a 10.000 punti.
Qui possiamo vedere una simulazione nella tabella JMP. Possiamo quindi utilizzare questi dati simulati in Scatterplot-3D con un filtro dati locale impostato sul tempo. Possiamo visualizzare l'aspetto di questi dati in tre dimensioni e con una componente temporale. Come potete vedere, abbiamo un asse X e uno Y, come ci si potrebbe aspettare, e un asse Z che va all'indietro. Spostando il tempo possiamo vedere come il modello prevede che la fornace sia in funzione e come apparirà il profilo di temperatura in base al modello che abbiamo eseguito.
Possiamo notare che all'inizio del test la variazione di temperatura più elevata si verifica tra i 400 gradi, ma man mano che si procede nel test, questa si stabilizza e si nota una minore variazione di temperatura tra i diversi intervalli di tempo. Questo ci offre una buona rappresentazione visiva da mostrare ai manager e ad altri che potrebbero non essere interessati ad analizzare i dati in modo approfondito. È molto visiva, con la temperatura colorata.
In sostanza, mostra tutti gli stessi elementi che abbiamo visto sul Profiler FDOE. Vediamo la stessa tendenza dall'alto verso il basso qui sotto, e notiamo che da sinistra a destra non sembra esserci una grande differenza tra i due se guardiamo tra qui e qui. Possiamo affermare con certezza che vediamo delle tendenze nella fornace, e questi sono aspetti di cui dobbiamo essere consapevoli quando si tratta di sviluppo.
Il motivo per cui ci aspettiamo di osservare queste tendenze è che il sistema di estrazione è posizionato nella parte posteriore inferiore del forno, il che tende a convogliare il calore del forno verso il basso. Questo è in linea con le nostre aspettative e dimostra che il punto in cui si concentra la maggior parte del calore è potenzialmente lontano dai campioni, che si trovano nella parte superiore del forno.
L'FDE in JMP Pro può essere utilizzato per comprendere in modo efficiente la riproducibilità dei test antincendio, garantendo l'affidabilità dello sviluppo con costi di test minimi. Come ho detto all'inizio, i test costano 5.000 sterline. Se dovessimo guardare la cosa da un punto di vista tradizionale e cercare di comprenderla, penso che i costi che dovremmo sostenere per comprenderla in modo così approfondito come la creazione di questo modello JMP sarebbero molto maggiori.
Ci dà anche grande sicurezza e affidabilità il fatto di aver fatto affidamento su un approccio basato sui dati per trarre le nostre conclusioni. Abbiamo costruito un modello in JMP. Comprendiamo tutti i diversi parametri ad esso associati e non ci basiamo sulle convinzioni di qualcuno o cose del genere. Ci dà davvero molta sicurezza.
È chiaro che in JMP le visualizzazioni sono assolutamente fondamentali per la comunicazione tra persone che potrebbero non essere interessate ai dati, ma anche tra manager. L'utilizzo del simulatore FDOE in combinazione con Scatterplot-3D ci ha davvero offerto un ottimo modo per visualizzare i nostri dati in modo posizionale 3D.
Questa analisi ci ha permesso di comprendere meglio il nostro forno in termini di sviluppo e affidabilità, e sappiamo che gli effetti che otteniamo quando sviluppiamo e formuliamo i nostri rivestimenti si basano sulle modifiche apportate alla formulazione, piuttosto che su variazioni del forno o dei test. Ci dà la sicurezza di poter affermare di poterci fidare del lavoro che svolgiamo. Il che è importante perché quando parliamo di protezione antincendio e di sicurezza degli edifici, è fondamentale avere fiducia nei nostri risultati e poterli applicare laddove sono più necessari.
