Questa presentazione è adattata da a Discorso di JMP Discovery Europe tenuto da Silvio Miccio nel 2017. Il video inizia con una descrizione dei passaggi che seguirò nella demo. Di seguito è riportato uno sfondo del video:
Alcune citazioni
- Deming - "Le statistiche sono importanti per essere lasciate agli statistici" (Analytics)
- Riquadro - "Tutti i modelli sono sbagliati, ma quanto devono essere sbagliati per non essere utili?"
- Autore sconosciuto - “Non innamorarti dei tuoi modelli. NON ti ameranno di nuovo ”- Le cose cambiano!
- Carly Fiorina - "L'obiettivo è trasformare i dati in informazioni e informazioni in informazioni".
- John Sall (il creatore di JMP) - "I dati raramente confessano facilmente tutte le sue informazioni. Devi esplorarlo. Devi usare più strumenti. Il processo dovrebbe essere il più semplice possibile e gli strumenti il più potenti possibile. "
introduzione
Quando si testano le opzioni di diverse materie prime o ingredienti di formulazione, una pratica comune è quella di variarle come variabili categoriali multilivello, ad es A, B, C… .ecc. In questo scenario è necessario testare un esperimento per identificare il miglior materiale candidato tutte le opzioni. Una conseguenza di ciò è che sono necessari lunghi test fisici e il modello risultante è applicabile solo per prevedere le opzioni testate ma non può prevedere opzioni con proprietà fisiche / chimiche diverse.
Un approccio molto più efficiente è quello di progettare l'esperimento in base alle proprietà fisico / chimiche di ogni nuova opzione di materiale. Ciò può ridurre significativamente il numero di condizioni sperimentali richieste e risultati in un sostenibile modello empirico in grado di prevedere opzioni non testate prima.
Set di dati di esempio utilizzato in questa presentazione
- 45 opzioni di materie prime, che rappresentano un potenziale miglioramento di un ingrediente della formulazione del prodotto
- Le opzioni materiali possono essere descritte da 19 descrittori fisici e chimici (un fattore categorico a due livelli è stato codificato come -1/1)
- Due risposte da ottimizzare (Y1 max, Y2 min)
Procedura di prova tipica
- Prova (ogni) opzione di materia prima nella formulazione di base
Obbiettivo
- Prevedi materiale ottimale (anche opzioni che potrebbero non essere ancora fisicamente disponibili)
- Identificare le opzioni di materiale disponibili più vicine all'ottimale complessivo
- Stabilire un modello empirico sostenibile che sia anche in grado di prevedere nuove opzioni di materie prime
- Questo approccio si basa su un'applicazione chemiometrica nota come QSAR (Quantitative Structure-Activity Relationship)
Esempi di proprietà fisiche e chimiche
- Mw - Peso molecolare
- C - il numero di atomi di carbonio sull'estremità idrofobica del tensioattivo
- Griffin HLB - l'equilibrio idrofilo-lofofilico (HLB) secondo Griffin
- CMC - concentrazione micellare critica
- Numero di catene ...
Sommario
- Comprimi le informazioni disponibili relative alle proprietà fisiche e chimiche delle diverse opzioni tramite i componenti principali di ExperimentsSeleziona gli "angoli della scatola" per testare materie prime rappresentative basate sul Design
- Seleziona gli "angoli della scatola" per testare materie prime rappresentative basate su Design of Experiments
- Modella i dati tramite PLS (o altri metodi di modellazione appropriati)
- Trova la soluzione ottimale complessiva
- Identificare le opzioni fisiche disponibili più vicine alla soluzione ottimale calcolata
→ Sperimentazione altamente efficiente
→ Modello empirico sostenibile basato su proprietà fisico / chimiche
→ Prevede le proprietà ottimali della materia prima sebbene il materiale identificato come ottimale
Tabella con proprietà chimico-biologiche (esempio non P&G)
