Diese Präsentation ist aus a angepasst Vortrag von JMP Discovery Europe von Silvio Miccio im Jahr 2017. Das Video beginnt mit einer Beschreibung der Schritte, die ich in der Demo ausführen werde. Im Folgenden finden Sie einige Hintergrundinformationen zum Video:
Einige Zitate
- Deming - „Statistik ist zu wichtig, um sie den Statistikern zu überlassen“ (Analytics)
- Box - "Alle Modelle sind falsch, aber wie falsch müssen sie sein, um nicht nützlich zu sein?"
- Unbekannter Autor - „Verlieben Sie sich nicht in Ihre Modelle. Sie werden dich NICHT zurück lieben “- Dinge ändern sich!
- Carly Fiorina - "Das Ziel ist es, Daten in Informationen und Informationen in Einsichten umzuwandeln."
- John Sall (der Schöpfer von JMP) - "Daten gestehen selten alle ihre Informationen leicht. Du musst es erforschen. Sie müssen mehrere Werkzeuge verwenden. Der Prozess sollte so einfach wie möglich und die Werkzeuge so leistungsfähig wie möglich sein. “
Einführung
Wenn Optionen für verschiedene Rohstoffe oder Formulierungsbestandteile getestet werden, ist es üblich, sie als mehrstufige kategoriale Variable zu variieren, z A, B, C ... usw. In diesem Szenario muss ein Experiment zur Ermittlung des besten Kandidatenmaterials aller Optionen getestet werden. Dies hat zur Folge, dass zeitaufwändige physikalische Tests erforderlich sind und das resultierende Modell nur zur Vorhersage der getesteten Optionen anwendbar ist, jedoch keine Optionen mit unterschiedlichen physikalischen / chemischen Eigenschaften vorhersagen kann.
Ein viel effizienterer Ansatz besteht darin, das Experiment basierend auf den physikalischen / chemischen Eigenschaften jeder neuen Materialoption zu entwerfen. Dies kann die Anzahl der erforderlichen experimentellen Bedingungen erheblich verringern und zu a führen nachhaltig empirisches Modell, das Optionen vorhersagen kann, die zuvor noch nicht getestet wurden.
Beispieldatensatz, der in dieser Präsentation verwendet wird
- 45 Rohstoffoptionen, die eine potenzielle Verbesserung eines Bestandteils der Produktformulierung darstellen
- Materialoptionen können durch 19 physikalische und chemische Deskriptoren beschrieben werden (ein kategorialer Faktor mit zwei Ebenen wurde als -1/1 codiert).
- Zwei zu optimierende Antworten (Y1 max, Y2 min)
Typisches Testverfahren
- Testen Sie (jede) Rohstoffoption in der Basisformulierung
Zielsetzung
- Vorhersage des optimalen Materials (auch Optionen, die möglicherweise noch nicht physisch verfügbar sind)
- Identifizieren Sie die verfügbaren Materialoptionen, die dem Gesamtoptimum am nächsten kommen
- Etablieren Sie ein nachhaltiges empirisches Modell, das auch neue Rohstoffoptionen vorhersagen kann
- Dieser Ansatz basiert auf einer chemometrischen Anwendung, die als QSAR (Quantitative Structure-Activity Relationship) bekannt ist.
Beispiele für physikalische und chemische Eigenschaften
- Mw - Molekulargewicht
- C - die Anzahl der Kohlenstoffatome am hydrophoben Ende des Tensids
- Griffin HLB - das hydrophyl-lypophile Gleichgewicht (HLB) nach Griffin
- CMC - kritische Mizellenkonzentration
- Anzahl der Ketten ……
Zusammenfassung
- Komprimieren Sie die verfügbaren Informationen zu den physikalischen und chemischen Eigenschaften verschiedener Optionen über die Hauptkomponenten von Experiments. Wählen Sie die „Ecken der Box“ aus, um repräsentative Rohstoffe basierend auf Design zu testen
- Wählen Sie die „Ecken der Box“ aus, um repräsentative Rohstoffe basierend auf der Versuchsplanung zu testen
- Modellieren Sie die Daten über PLS (oder andere geeignete Modellierungsmethoden).
- Finden Sie die insgesamt optimale Lösung
- Identifizieren Sie die physisch verfügbaren Optionen, die der berechneten optimalen Lösung am nächsten kommen
→ Hocheffizientes Experimentieren
→ Nachhaltiges empirisches Modell basierend auf physikalischen / chemischen Eigenschaften
→ Prognostiziert optimale Rohstoffeigenschaften, obwohl das Material als optimal identifiziert wurde
Tabelle mit chemisch-biologischen Eigenschaften (Beispiel ohne P & G)
