このプレゼンテーションは、 Silvio MiccioによるJMP Discovery Europeの講演 2017年に。 ビデオは、デモで実行する手順の説明から始まります。 以下は、ビデオの背景です。
いくつかの引用
- デミング–「統計学は統計学者に任せることが重要です」（分析）
- ボックス–「すべてのモデルは間違っていますが、役に立たないためにはどれほど間違っている必要がありますか？」
- 著者不明–「モデルに夢中にならないでください。 彼らはあなたを愛さないでしょう」–物事は変わります！
- カーリー・フィオリーナ–「データを情報に、情報を洞察に変換することが目標です。」
- John Sall（JMPの作成者）-「データがすべての情報を簡単に告白することはほとんどありません。あなたはそれを探検しなければなりません。複数のツールを使用する必要があります。プロセスはできるだけ簡単で、ツールはできるだけ強力でなければなりません。」
前書き
異なる原材料または配合成分のオプションをテストする場合、一般的な方法は、それらをマルチレベルのカテゴリ変数として変化させることです。A、B、C….etc。このシナリオでは、最適な候補材料を特定するための実験で、すべてのオプションをテストする必要があります。この結果、時間のかかる物理テストが必要になり、結果のモデルはテストされたオプションの予測にのみ適用できますが、物理的/化学的特性が異なるオプションを予測することはできません。
より効率的なアプローチは、各新しい材料オプションの物理的/化学的特性に基づいて実験を設計することです。これにより、必要な実験条件の数が大幅に減少し、結果として持続可能な以前にテストされていないオプションを予測できる経験的モデル。
このプレゼンテーションで使用されるデータセットの例
- 製品処方の1つの成分の潜在的な改善である45の原料オプション
- 材料オプションは、19の物理的および化学的記述子で記述できます（1つのカテゴリー2レベル係数は-1/1としてコーディングされました）
- 最適化する2つの応答（最大Y1、最小Y2）
典型的なテスト手順
目的
- 最適な材料を予測します（まだ物理的に入手できないオプションも含む）
- 全体的な最適に最も近い利用可能な材料オプションを特定する
- 新しい原材料オプションを予測することもできる持続可能な実証モデルを確立する
- このアプローチは、QSAR（定量的構造活性相関）として知られているケモメトリックアプリケーションに基づいています。
物理的および化学的特性の例
- Mw –分子量
- C –界面活性剤の疎水性末端の炭素原子の数
- Griffin HLB – Griffinによる親水性-親油性バランス（HLB）
- CMC –臨界ミセル濃度
- チェーン数……
概要
- 実験の主成分を介して、さまざまなオプションの物理的および化学的特性に関する利用可能な情報を圧縮します。設計に基づいて代表的な原材料をテストするための「ボックスのコーナー」を選択します
- 実験計画法に基づいて代表的な原材料をテストするための「箱の角」を選択します
- PLS（または他の適切なモデリング方法）を介してデータをモデル化する
- 全体的な最適解を見つける
- 計算された最適解に最も近い物理的に利用可能なオプションを特定する
→ 非常に効率的な実験
→ 物理的/化学的特性に基づく持続可能な実証的モデル
→ 材料は最適であると識別されているが、最適な原料特性を予測する
化学生物学的特性の表（P＆G以外の例）
