这个问题可以使用传统的科学研究的方法分离独立变量,考察影响所需的属性。然而,当这样做时,它很快变得明显,被错过的东西。一个接一个,每个配方的最佳组件是通过实验经验确定,但当这些组件相结合确定比例,比预测的结果不太理想。
当评估Borchi®创0451颜料分散剂在出租车/ TPA汽车修补应用程序中,这种现象是有经验的。实验室试验来评估Borchers®分散剂产生不确定的,甚至相互矛盾的结果。问题在于彼此独立的组件可以交互所需的属性。例如,当配方设计师改变分散剂的水平磨配方,装运的其他组件也发生了变化。如果所有的组件交互的反应,你怎么能得出所需的属性的变化是由于只对分散剂的变化水平的比率——即使其他组件保持不变?如果一个传统的实验计划,改变每个组件的比率分别和结合其他组件,试验的数量加起来很快,这种方法是不可行。
有一个强大的统计方法,非常适合配方优化。是一个子集的实验设计(DOE)技术混合统计数据。统计技术是为了让实验者占所有组件交互,并计算公式,最有可能最大化期望的属性。(1)
不幸的是,一个常见的反应仅仅提及DOE是怀疑和阻力。确实传统的阶乘能源部的价值非常有限,当应用到制定的发展。然而,DOE不需要包罗万象,劳动密集型的运动,许多遇到。事实上,适当的应用DOE方法应该最小化所需的时间和资源来达到预期的目标。(2 - 4)
制定
说明混合物的使用统计数据,通用汽车整修表面黑色选择最下面的一层配方(表1)。设计专家®stat容易,inc .)被用来开发混合DOE。这个项目主要集中在优化磨配方为最大的显色和光泽。
混合能源部
三个组件都包含在混合物,使炭黑的水平为每个审判常数:答:出租车树脂;B:甲苯;C: Borchi创0451年。能源部将混合物中的所有组件都是不同的一个统计模型的基础上,总要预先确定的常数(在这种情况下,100个部件或百分比)。然而,它不是有用的,包括试验不可行。举例来说,一个不想包括试验水平的出租车树脂比最大可溶量高。这些被称为约束。磨的约束混合能源部表2中列出。
的响应(所需的属性)被定义为R1: 60°光泽,和R2: L *值。使用二次设计模型,生成试验如表3中列出。
这些试验是用来驱散12.66%炭黑和同时处理2 h在刘das - 200分散剂。由此产生的油漆样品被吸引在5毫升湿厚度和允许晾干12 h 25°C, 50%的相对湿度。然后提取测量颜色和60°光泽;结果在表4中可以找到。在分析结果,确定这个混合物:B: C为每个组件的交互,确认这个配方复杂的协同效应存在的理论。
之后选择最适合我们的数据的模型和占这些交互(在这个例子中立方模型),我们生成可视化表示的三分量的混合物对每个响应(图1和图2)。
检查这些图,很明显,我们的反应冲突的最优配方。混合物,最大化光泽也最小化颜色强度,反之亦然。现在的目标是找到最优配方,提供了最好的颜色强度结合最好的光泽。好消息是,我们有所有必要的数据来完成这项工作。
最佳磨配方现在可以计算通过选择约束在表5中找到。
然后设计专家软件插值40附加响应模型的基础上,并提供建议的优化配方(表6)。
验证
结论
混合物的使用统计数据与配方开发是有价值的,因为它提供了一个清晰,简明的路径来获得一个最优的公式在实际数量的试验。
然而,这种技术也可以提供一个完整的理解的交互,所有的材料之间存在对所需的属性。制定的限制也为特征,阻止配方设计师制定规范的目标无法实现使用目前的原材料和过程。188金宝搏bet官网
这些信息提供了额外的价值时间和资源消耗发展制定传统试验工作根本不提供。
电子邮件Kip.Howard@na.omgi.com为更多的信息,或访问www.omgi.com或www.borchers.com。
作者要感谢以下个人的贡献:玛丽·霍普金斯,尼古拉斯·Schady苏珊Vicha和盖Armistead。
报告的评论