Esta presentación está adaptada de un Charla de JMP Discovery Europe dada por Silvio Miccio en 2017 El video comienza con una descripción de los pasos que seguiré en la demostración. A continuación se presentan algunos antecedentes del video:
Algunas citas
- Deming: "Las estadísticas son demasiado importantes para dejarlas a los estadísticos" (Analytics)
- Recuadro: "Todos los modelos están equivocados, pero ¿qué tan equivocados deben estar para no ser útiles?"
- Autor desconocido: “No te enamores de tus modelos. NO te van a querer ”- ¡Las cosas cambian!
- Carly Fiorina: "El objetivo es transformar los datos en información y la información en conocimiento".
- John Sall (el creador de JMP): "Los datos rara vez confiesan toda su información fácilmente. Tienes que explorarlo. Tienes que usar múltiples herramientas. El proceso debe ser lo más fácil posible y las herramientas lo más poderosas posible ”.
Introducción
Cuando se prueban opciones de diferentes materias primas o ingredientes de formulación, una práctica común es variarlos como variable categórica de varios niveles, por ejemplo A, B, C ... etc. En este escenario, se debe probar un experimento para identificar el mejor material candidato para todas las opciones. Una consecuencia de esto es que se requieren pruebas físicas que requieren mucho tiempo y el modelo resultante solo es aplicable para predecir las opciones probadas, pero no puede predecir opciones con diferentes propiedades físicas / químicas.
Un enfoque mucho más eficiente es diseñar el experimento en función de las propiedades físicas / químicas de cada nueva opción de material. Esto puede disminuir significativamente el número de condiciones experimentales requeridas y resulta en un sostenible modelo empírico que puede predecir opciones no probadas antes.
Conjunto de datos de ejemplo utilizado en esta presentación
- 45 opciones de materia prima, que son una mejora potencial de un ingrediente de la formulación del producto
- Las opciones de material se pueden describir mediante 19 descriptores físicos y químicos (un factor categórico de dos niveles se codificó como -1/1)
- Dos respuestas para optimizar (Y1 max, Y2 min)
Procedimiento de prueba típico
- Pruebe (cada) opción de materia prima en la formulación base
Objetivo
- Predecir el material óptimo (incluso opciones que pueden no estar físicamente disponibles todavía)
- Identifique las opciones de material disponibles más cercanas al óptimo general
- Establecer un modelo empírico sostenible que también sea capaz de predecir nuevas opciones de materia prima.
- Este enfoque se basa en una aplicación quimiométrica conocida como QSAR (relación cuantitativa estructura-actividad)
Ejemplos de propiedades físicas y químicas
- Mw - Peso molecular
- C - el número de átomos de carbono en el extremo hidrofóbico del tensioactivo
- Griffin HLB: el equilibrio hidrofílico-lipofílico (HLB) según Griffin
- CMC - concentración micelar crítica
- Número de cadenas ......
Resumen
- Comprima la información disponible sobre las propiedades físicas y químicas de las diferentes opciones a través de los componentes principales de Experimentos Seleccione las "esquinas de la caja" para probar las materias primas representativas basadas en el diseño
- Seleccione las "esquinas de la caja" para probar materias primas representativas basadas en el diseño de experimentos
- Modele los datos a través de PLS (u otros métodos de modelado apropiados)
- Encuentre la solución óptima general
- Identifique las opciones físicas disponibles más cercanas a la solución óptima calculada.
→ Experimentación altamente eficiente
→ Modelo empírico sostenible basado en propiedades físicas / químicas.
→ Predice propiedades óptimas de la materia prima, aunque el material identificado como óptimo
Tabla con propiedades químicas biológicas (sin ejemplo de P&G)
