Cette présentation est adaptée d'un Conférence JMP Discovery Europe donnée par Silvio Miccio en 2017. La vidéo commence par une description des étapes que je suivrai dans la démo. Voici quelques informations sur la vidéo:
Quelques citations
- Deming - «La statistique est trop importante pour être laissée aux statisticiens» (Analytics)
- Encadré - «Tous les modèles sont faux, mais à quel point doivent-ils être faux pour ne pas être utiles?»
- Auteur inconnu - «Ne tombez pas amoureux de vos modèles. Ils ne t'aimeront PAS en retour »- Les choses changent!
- Carly Fiorina - "L'objectif est de transformer les données en informations et les informations en perspicacité."
- John Sall (le créateur de JMP) - "Les données confessent rarement toutes leurs informations facilement. Vous devez l'explorer. Vous devez utiliser plusieurs outils. Le processus doit être aussi simple que possible et les outils aussi puissants que possible. »
introduction
Lors du test d'options de différentes matières premières ou ingrédients de formulation, une pratique courante consiste à les faire varier en tant que variable catégorielle à plusieurs niveaux, par exemple A, B, C… .etc. Dans ce scénario, une expérience pour identifier le meilleur matériau candidat, toutes les options doivent être testées. Une conséquence de cela est que des tests physiques longs sont nécessaires et que le modèle résultant n'est applicable que pour prédire les options testées mais ne peut pas prédire des options avec des propriétés physiques / chimiques différentes.
Une approche beaucoup plus efficace consiste à concevoir l'expérience en fonction des propriétés physiques / chimiques de chaque nouvelle option de matériau, ce qui peut considérablement réduire le nombre de conditions expérimentales requises et entraîner une durable modèle empirique qui peut prédire des options non testées auparavant.
Exemple de jeu de données utilisé dans cette présentation
- 45 options de matières premières, qui sont une amélioration potentielle d'un ingrédient de la formulation du produit
- Les options de matériaux peuvent être décrites par 19 descripteurs physiques et chimiques (un facteur catégoriel à deux niveaux a été codé -1/1)
- Deux réponses à optimiser (Y1 max, Y2 min)
Procédure d'essai typique
- Tester (chaque) option de matière première dans la formulation de base
Objectif
- Prédisez le matériel optimal (même les options qui ne sont pas encore disponibles physiquement)
- Identifier les options de matériaux disponibles les plus proches de l'optimum global
- Établir un modèle empirique durable qui est également capable de prédire de nouvelles options de matières premières
- Cette approche est basée sur une application chimiométrique connue sous le nom de QSAR (Quantitative Structure-Activity Relationship)
Exemples de propriétés physiques et chimiques
- Mw - Poids moléculaire
- C - le nombre d'atomes de carbone à l'extrémité hydrophobe du tensioactif
- Griffin HLB - l'équilibre hydrophile-lypophile (HLB) selon Griffin
- CMC - concentration micellaire critique
- Nombre de chaînes ……
Résumé
- Compressez les informations disponibles concernant les propriétés physiques et chimiques des différentes options via les principaux composants des expériences Sélectionnez les «coins de la boîte» pour tester des matières premières représentatives basées sur la conception
- Sélectionnez les «coins de la boîte» pour tester des matières premières représentatives basées sur la conception d'expériences
- Modéliser les données via PLS (ou d'autres méthodes de modélisation appropriées)
- Trouvez la solution optimale globale
- Identifier les options physiques disponibles les plus proches de la solution optimale calculée
→ Expérimentation hautement efficace
→ Modèle empirique durable basé sur les propriétés physiques / chimiques
→ Prédit les propriétés optimales des matières premières bien que le matériau soit identifié comme optimal
Tableau avec propriétés chimiques biologiques (exemple non P&G)
