鉄骨構造物を火災から保護するための膨張性製品の開発において、耐火試験は最も重要かつ費用のかかる側面の一つです。試験中の炉の特性と性能を理解することは、配合開発の結果を確実に解釈するために不可欠です。
このケースでは、特注炉内のセンサー（熱電対）からの温度データをJMP Proで活用し、試験回数を最小限に抑えながら、位置的な温度プロファイルを確立・理解しました。機能データエクスプローラーは、温度-時間曲線を主成分の観点から記述するための次元削減手法として導入され、位置要素を直接理解・比較できるようにしました。FPCAスコアプロットは、繰り返し試験において位置的に同等なセンサーのクラスター化を示し、一貫した温度プロファイルの信頼性を高めました。
さらに、FDOEシミュレーションと3D散布図を組み合わせることで、様々な時間間隔における温度分布を動的に把握することができ、化学者と管理者間のコミュニケーションが容易になりました。このアプローチは、試験コストの大幅な削減に寄与しただけでなく、従来の分析手法では不可能だった炉内の傾向に関するより深い洞察を可能にしました。解析結果は、空気の流れから排煙に至るまで、炉の奥に向かって温度勾配が生じるという予測とよく一致しました。
こんにちは。Jotun Paintsで私たちが取り組んでいる仕事の一部をご紹介できることを大変嬉しく思っています。Discovery Summitで私が行うプレゼンテーションの録画をご覧いただき、大変嬉しく思います。まずはJotunについて少しご紹介し、一般的な紹介として、Jotunとはどのような会社なのか、膨張性塗料とは何か、そして膨張性塗料部門で行っている作業において、炉の特性を理解することがなぜ重要なのかについてお話しします。また、JMPとJMP Proのより高度な分析機能をどのように活用すれば、これらのことを理解できるのかについてもお話しします。
私のタイトルは「JMP Proを用いた位置別温度傾向の理解と試験の信頼性向上」です。私の名前はジェイ・リチャードソンです。英国のJotun社で研究開発化学者として働いており、研究開発プロセスの改善に向け、研究開発データを最大限に活用し、最大限の効果と価値を効率的に生み出すことに強い関心を持っています。
Jotunとは？ Jotunは、装飾用、船舶用、保護用、粉体塗装の4つの分野で事業を展開する世界的なコーティングおよび塗料会社です。それぞれの分野で独自のソリューションとイノベーションを提供しています。
ヨトゥンはオスロから約1時間ほどのサンデフィヨルドに本社を置いています。1926年に設立され、当時巨大産業であった海洋塗料と船舶塗料を主に取り扱っていました。その後、100カ国以上にグローバル展開し、68の子会社と41の生産拠点を擁しています。
膨張性コーティングとは？膨張性コーティングとは、火災に反応して膨張するコーティングで、写真のように断熱バリアを形成し、火災時に鋼材をコーティングして熱源から保護します。
膨張性防火部門では、鋼材を耐火保護する市場をリードする膨張性防火製品の開発に取り組んでいます。ビデオでもお見せしたように、そして画面上でもご覧いただけるように、コーティング剤は最大で元の厚さの60倍まで膨張します。これにより、救助隊が現場に到着し、資産の救助や建物からの人員回収を行うための貴重な時間を確保できます。
これは非常に重要だと思います。火災がどのような結果をもたらすかは誰もが知っていますし、私たちの仕事は日々の生活の中で財産と人命を守るために非常に重要です。建物にとって非常に重要な部分です。
私たちにとって最大の課題の一つは、試験の性質を理解することです。一見分かりにくいかもしれませんが、製品を試験するには、実際に燃焼させる必要があるからです。試験は標準認証型の温度プロファイルに従って行われ、熱電対と呼ばれる温度センサーによって監視されます。炉の中に、ワイヤーのように突き出ている熱電対が見えます。
これらがどのように機能するのかというと、熱電対が熱くなると、ワイヤ内の抵抗が変化し、炉自体内の温度に比例した一定の電流が流れます。
2023年には施設を大幅に拡張し、2基の大型新炉を稼働させ、試験能力を実質的に4倍に増強しました。2022年には、同一の小型キューブ型炉を2基保有していましたが、今回の拡張により大型炉を2基追加しました。2024年には、これらの炉をフル稼働させて試験を実施できるようにすることが私たちのビジョンです。
しかし、それを理解するためには、各試験の再現性を理解し、確信を持つだけでなく、試験自体の温度プロファイルが予想通りであることも必要でした。私たちは、炉内の温度マッピングを行い、炉内の様々な位置を観察し、温度傾向がどのように異なるかを確認しました。炉自体には非常に特殊なドリル穴が予め開けられていたため、試験の範囲はかなり限られていました。あちこちに新しい穴を開けて、従来のDOE型設計を組むことは不可能だったからです。非常に限られた範囲でした。
ここで考慮すべきもう一つの点は、各試験に非常に費用がかかるということです。投入するガスの量や製品の量、そして火災試験自体を最初から最後まで実行するだけでも、最大5,000ポンドかかる場合があります。試験自体が非常に高額であることはお分かりいただけると思いますが、それだけでなく、試験に関する知識をさらに深める必要もあります。
試験の仕組みは、屋根の上から6本の熱電対を設置し、炉内の温度を監視し、作成した標準曲線に従って温度を制御しました。さらに、余剰の熱電対を15本設置し、炉内の特定の位置における温度プロファイルを監視しました。
先ほど申し上げたように、これらの熱電対の信頼性と炉自体の特性を深く理解することで、比較対象となる配合が再現可能であり、結果が同等であるという確信を真に得ることができます。新しい試験を実施する際には、これらの傾向を理解することが非常に重要です。そうすることで、私たちはこれまで行ってきた作業から、可能な限り正確な製品試験を実施できるのです。
もし…すみません、話に戻りましょう。問題は、従来の分析では、炉に投入するデータの詳細を分析するには適していないということです。私たちのデータは、まず時間と温度のプロファイルに基づいていますが、位置によっても変化します。ここには全ての熱電対の位置を示す3D図があります。個々の熱電対の再現性を追跡するのは容易ではありません。
これらの傾向をマッピングするには、より複雑なモデルを構築する必要があります。このため、次元削減手法としてFunctional Data Explorerを導入し、温度-時間曲線を主成分に基づいて記述するモデルを当てはめました。これにより、それぞれの位置成分をより容易に解釈できるようになりました。
次に、機能主成分分析を使用して、温度、時間、位置の関係を理解し、そのテスト内の再現性を実際に理解します。
このモデルを使用すると、FDOE を使用して温度をシミュレートし、位置による温度変化をより視覚的にわかりやすく表示し、Scatterplot-3D を使用して、詳細にあまり興味がなかったり、予測プロファイラーに混乱したりする可能性のある他の R&D 化学者とのコミュニケーションを補助することができます。また、私たちが行っている作業の影響を明確に把握することもできます。
情報量が多すぎるので、デモをそろそろ公開したいと思います。まずは、様々なコンポーネント、つまり位置コンポーネントと熱電対（時間と温度）を含むJMPテーブルを生成します。行は熱電対番号（熱電対の位置に対応）で色分けされます。熱電対の位置はテストごとに同じです。
次に、データ処理を用いて、最初の視点から全体的な傾向を確認します。平均関数を見ると、これは炉内の標準的な温度プロファイル曲線と非常によく一致しています。平均関数と標準偏差の間には微分関係があることがわかります。これは予想通りです。試験の初期段階では、温度を上げるために大量の熱を発生させるため、炉内で大きな偏差が生じることが予想されます。その後、温度が安定し始めると、平均偏差が減少し始めることがわかります。これは予想通りです。
このモデルではBスプライン曲線を用いており、平均関数は形状関数FPC 1とFPC 2の組み合わせによって最もよく説明され、98%に相当することがわかります。次に、このPCAとスコアプロットを用いて… スコアプロットを用いて、熱電対の位置（前述の通り、色に基づいている）ごとに各実行の一貫性を評価できます。
スコアブロックの外観を見ると、同じ位置にある熱電対同士の相関関係が明確に示されています。テスト1、テスト2、テスト3は、同じ熱電対に対してすべて同じ色で表示されています。これにより、同じ位置にあるテスト間で良好な再現性が得られていること、そして試験片がその位置にあれば同じ温度プロファイルが得られると確信できることが分かります。これは、その範囲内での優れた信頼性と信頼性を示しています。
これをさらに一歩進めて、FDOEプロファイラーのモデルを詳しく見てみましょう。テストの初期段階では変動が最も大きく、その後、この変動がわずかに横ばいになり始めていることがわかります。また、テスト間でも同様の関係が見られ、X、Y、Zの各成分の動きは最小限に抑えられており、2つの曲線の温度成分は同じ傾向を示しています。
このことから得られたもう一つの情報は、X軸上の位置変化が一貫しているように見えることです。炉内の左から右への位置変化は、同じ傾向を示しているか、大きな差がないように見えます。しかし、炉の前後と上から下を見ると、傾向が見られます。炉の奥と底部の温度が最も高く、炉の手前、つまり上部の温度が最も低いことがわかります。
これはこれで良いのですが、JMPの仕組みや様々なプロファイラーの使い方をよく理解している人なら、この詳細も理解できるかもしれません。しかし、JMPやその分析手法にそれほど精通していない人にとっては、少し難しいかもしれません。次にできることは、FDOEシミュレータを使って、これをより明確にし、モデル自体を10,000ポイントまでシミュレートすることです。
JMPテーブルにシミュレーションデータがあるのが分かります。このシミュレーションデータをScatterplot-3Dで使用し、ローカルデータフィルターを時間に設定します。このデータを3次元で、時間要素を加えて視覚化できます。予想通り、X軸とY軸、そして過去を遡るZ軸があります。時間軸を動かすことで、モデルが炉の稼働状況をどのように予測しているか、そしてモデルに基づいて温度プロファイルがどのように変化するかを確認できます。
テストの初期段階では400度の間で温度の変動が最も大きいことがわかりますが、テストが進むにつれてこの変動は横ばいになり、異なる時間間隔間の温度変動は小さくなります。これは、分析結果をあまり詳しく調べたくないマネージャーなどにも分かりやすい視覚的な情報です。温度が色分けされているので、非常に視覚的に分かりやすいです。
基本的に、FDOEプロファイラーで確認したものと同じ傾向を示しています。上から下まで同じ傾向が見られます。左から右にかけて、こことここを見比べても大きな違いはないように見えます。炉内には確かに傾向が見られ、開発においてはこれらを念頭に置く必要があると言えるでしょう。
このような傾向が見られると予想する理由は、炉の奥底に排気システムがあるため、炉の熱が下方に引き寄せられる傾向があるためです。これは私たちの予想と一致しており、最も熱が集中する場所は、炉の上部にある試験片から離れた場所である可能性があることを示しています。
JMP ProのFDEは、火災試験の再現性を効率的に把握し、最小限のテストコストで開発の信頼性に自信を与えることができます。冒頭で述べたように、テストには5,000ポンドかかります。これを従来の観点から見て理解しようとすると、このJMPモデルの構築と同じくらい深く理解するためには、はるかに大きなコストがかかると思います。
また、データに基づくアプローチを用いて結論を導き出したことで、大きな自信と信頼性が得られました。JMPでモデルを構築し、それに関連する様々なパラメータをすべて理解しています。誰かの信念などに頼っているわけではありません。これは本当に大きな自信を与えてくれます。
JMPでは、データにそれほど興味がない人だけでなく、マネージャー間のコミュニケーションにおいても、視覚化が極めて重要であることは明らかです。FDOEシミュレーターとScatterplot-3Dを組み合わせることで、データを3Dの位置に基づいて視覚化できる優れた方法が得られました。
この分析により、開発と信頼性において炉をより深く理解できるようになりました。また、コーティング剤の開発や配合において得られる効果は、炉や試験のばらつきではなく、配合自体の変更に基づいていることを理解しています。これにより、私たちは自信を持って、自分たちの仕事に信頼を寄せることができると確信しています。これは、防火や建物の安全性について語る際に、結果に自信を持つことが不可欠であり、それを最も必要とされる場所に提供できるからです。
