揚聲器
|
成績單
|
| 克里斯特爾·克羅尼格 |
大家好，感謝您參加這次演講。 我叫 Christel Kronig，是英國劍橋 Reddy 博士研究所的科學家。 我 |
| |
幫助對該專案進行數據分析。 我的同事 Andrea Sekulovic 也參與了這項研究，她在荷蘭雷迪博士診所工作，是一名配方科學家。 |
| |
因此，今天我將與您討論研磨過程的最佳化，以配合創新者的藥品品質屬性。 |
| |
因此，演示的第一部分將與您討論流程開發、專案目標以及研究涉及的內容和 |
| |
以及我們考慮了哪些建模選項，然後第二部分，我將介紹我們在 JMP 中為本研究開發的工作流程。 |
| |
好的，這項研究的目的實際上是了解銑削製程的製程參數之間的關係 |
| |
以及我們正在生產的藥品的任何品質屬性，以及我們的回應。 因此，我們希望獲得一個預測模型，可用於擴大規模並最佳化此流程所需的條件。 |
| |
因此，作為研究的一部分，我們必須檢查幾個回應，它們是粒度屬性。 |
| |
因此，我們著眼於微米和跨度，透過研究創新產品，我們也知道需要什麼範圍……以確保我們擁有符合規格且與創新產品相似的產品。 |
| |
因此，反應的輪廓會根據銑削時間和銑削製程參數而變化，以找到優化這些參數所需的最佳條件，以確保我們的產品在滿足規格要求的設計範圍內。 |
| |
研磨速度、流量、尺寸，我們還有載重參數、賦形劑百分比、API 濃度，當然還有研磨時間。 |
| |
所以流程開發是...... |
| |
我們開始生產一些初始批次。 我們並沒有直接開始進行實驗設計。 我們 |
| |
我們查看了前幾批生產所需收集的數據，並研究了建模選項。 然後是團隊 |
| |
荷蘭決定進行 I 最優設計，因此他們研究了三個參數和時間並進行了一些初步建模， |
| |
在第一個資料集之後，決定增加額外的三個附加參數。 因此我們記錄了這個設計，並增加了 10 個額外的實驗。 所以我們最終的數據集 |
| |
我們查看了 38 個批次的最佳化，其中包括 6 個參數和時間，這就是我們用於本研究優化的內容。 所以在那之後我們做了一些確認批次來檢查是否 |
| |
新的設定將產生滿足要求的產品。 |
| |
好的，那麼我們考慮了哪些建模選項 |
| |
對於這個項目？ 因此，團隊的預設選項實際上是在選定的時間點對回應進行建模。 |
| |
在標準軟體中很容易做到這一點，當然缺點是無法預測結果 |
| |
在其他時間點，最佳值可能在特定時間點之間。 因此，對隨時間變化的曲線進行建模可以更好地了解過程參數如何影響隨時間變化的響應曲線， |
| |
所以你更有可能達到最佳狀態。 但為此，您當然需要更進階的建模功能。 |
| |
因此，我們查看了 JMP 中提供的首次擬合曲線。 |
| |
對於我們的初始資料集來說效果很好，所以這是函數之一，這個 Biexponential 4， |
| |
當您知道對某些響應進行建模時，我們使用的曲線似乎非常適合我們最初製作的大多數批次，右側有一個示例，說明這種類型的曲線如何很好地擬合我們的數據。 |
| |
我們遇到的問題之一是它並不適用於所有批次，因此，例如，在某些情況下我們沒有足夠的時間點。 左邊時間點不夠 |
| |
看看……適合那個模型。 例如，對於這個特定模型，您至少需要五個。 在右側，我們有一種方法，我們有足夠的時間點，但該特定類型的曲線不太適合該特定模型。 |
| |
因此，很難將其用於我們擁有的更大的數據集，因此，出於這個原因，我們沒有繼續採用這種方法。 |
| |
我們也研究了功能數據瀏覽器。 |
| |
所以你可以在這裡看到，查看這個平台的 10 個不同批次，你可以看到左邊的那些以及配置文件是如何擬合的... |
| |
隨著時間的推移進行分析，因此這裡不存在缺少數據點的問題。 |
| |
這可以很好地了解批次之間的差異。 所以，舉例來說， |
| |
右側圖表中的綠色部分，您可以看到快速批次位於空間的這一部分，而慢速批次出現在空間的不同部分，這突出了差異 |
| |
當您查看左側的圖表時，這些配置之間的差異可能不那麼明顯。 |
| |
因此，您透過功能數據瀏覽器得到的是 |
| |
它將隨時間的推移將輪廓分解為不同的主要成分，因此我們在這裡看到的 FPC 值， |
| |
這就是您隨後用於工作流程的下一部分的內容。 所以這在 JMP Pro 中可用；我忘了說這一點。 因此，首先，在向您展示 JMP 中的內容之前，我只想帶您了解一下 |
| |
工作流程是什麼樣的，我們正在嘗試做什麼。 所以我們從……為此道歉……我們從……開始 |
| |
一個具有關鍵品質屬性、回應的時間表，我們有我們的時間點，然後對於每個時間點， |
| |
是的，關鍵的品質屬性，以及我們將用於產生批次的製程參數。 |
| |
然後，您取得該資料並使用 FDE 來取得模型，這表示您可以將您的 CQA、您的回應表達為時間和那些功能主成分 FBC 的函數。 |
| |
因此，其輸出將是您得到一個總計表。 對於每個批次，您都有 CPP 和 FPC、功能主成分，然後您可以應用標準建模 |
| |
然後獲得預測模型，將這些 FPC 表示為製程參數的函數。 |
| |
然後最後一步是將該模型匯入回原始表中，這樣您就可以將您的回應表達為時間和過程參數的函數， |
| |
然後您可以使用它來找到最佳條件並使用這些模型進行確認批次。 |
| |
因此，我要說的是，對於建模，我將在 JMP 中向您展示這一點，我們使用此模型驗證策略來設計實驗，這就是我所介紹的內容 |
| |
三年前在探索高峰會上。 我不會詳細介紹這一點，但如果您想查找的話，可以作為參考。 |
| |
好吧，我現在將帶您了解 JMP 中的工作流程，我將切換到 JMP，所以...只需找到我的 |
| |
JMP 雜誌。 |
| |
好吧，把它移到這裡。 |
| |
好的，我們先從 |
| |
原始資料表，所以我們有多個批次，所以 38 個批次。 每批次有 |
| |
多個時間點。 例如這裡的第一批，我們有10個不同的時間點。 您有六列，它們是製程參數。 |
| |
然後我們對每一個都有兩個回應 |
| |
數據點。 因此，首先要向您展示的是查看資料表並視覺化該資料集，看看它是什麼樣的。 所以我這裡有一個使用 Graph Builder 的腳本，它可以很快地提供一個很好的概述 |
| |
數據是什麼樣的。 例如，您有以下回應之一 |
| |
銑削時間位於底部，您可以立即看到輪廓有很大不同，具體取決於批次，有些比其他更陡，有些非常淺，也有些是在較長或較短的時間內收集的。 |
| |
因此，我們現在將更詳細地了解該配置文件，並了解我們使用的兩種建模方法 |
| |
之前在投影片中談過。 |
| |
第一個是使用擬合曲線，這是在分析平台下，在專門的建模下。 |
| |
所以如果我選擇擬合曲線。 |
| |
我將使用 X 和我的響應之一選擇銑削時間，然後選擇批次。 所以我將對每批都這樣做。 按一下“確定”。 然後，我對每個批次都有一個配置文件，隨著時間的推移的回應。 |
| |
然後我要去 |
| |
使用 JMP 已經儲存的模型之一，這就是雙指數 4P，我將其 |
| |
之前談過，所以我不會討論這些差異，你知道不同的模型，但我知道這是我們之前查看的數據的模型之一。 例如，對於這批數據來說，它很合適，但對於某些數據點來說，效果並不是很好。 |
| |
對於這一點，時間點不夠，所以你不需要， |
| |
你知道，你不能真正使用它，但對於某些批次， |
| |
例如，這個非常適合，所以你有四個係數，你知道，估計值並且它們具有統計顯著性。 |
| |
那麼，您要做的就是導出所有資料並獲取匯總表，就像我們對功能資料瀏覽器所做的那樣，但是... 因此，在此示範中我不會再使用擬合曲線，但可以使用相同的方法。 |
| |
那麼讓我們轉到功能資料瀏覽器，它也在 JMP Pro 中進行專門建模。 |
| |
我將選擇我的回應和銑削時間，我的 ID 就是我的批次號碼。 |
| |
所以我不會再詳細解釋，考慮到…考慮到我們所擁有的時間， |
| |
對於此類數據使用什麼建模。 我知道 B 樣條曲線非常適合我的資料集，所以這就是我將要使用的。 |
| |
正如您所看到的，JMP 為我們資料表中的每個批次擬合了一個模型，似乎非常適合。 |
| |
因此，如果我再往下看，您會發現它已將配置檔案分解為不同的組件。 |
| |
您可以在此處的圖表中看到批次符合規格。 現在對於這個特定的回應，FPC1 這裡的頂部實際上解釋了數據中 96% 的變化，這非常好，所以在這種情況下我們不需要 |
| |
看看FPC2和FPC3。 在這種情況下，我們可能只需要保留第一個。 例如，對於我們在此資料集中的其他回應，情況並非如此，但在這裡我將把 FPC 的數量限制為一個。 |
| |
然後我要去 |
| |
匯出我的摘要數據，因此當我按一下「儲存摘要」時，會出現一個新表格 |
| |
在 JMP 中。 就是這樣，你可以看到，38 行，所以我每批次一行，我有我的批次號，我有我的 FPC 值，我有一些預測公式。 |
| |
所以我現在要關閉這張桌子並使用我之前準備的一張桌子，其中有 |
| |
FPC 用於我想要在資料集中查看的所有回應。 |
| |
讓我這樣做並切換回我的日記。 好的，我們現在進入第二步，我準備了一個匯總表，並且為我的 FPC 的每個回應提供了列。 |
| |
所以我想做的第一件事就是用這個 |
| |
驗證 |
| |
DOE 的技術，我將在其中建立額外的行，並將其用於驗證報告。 所以我在幻燈片中為您提供了參考，如果您想了解更多有關該技術的信息，您可以這樣做。 所以我們接下來要 |
| |
適合我的一個 FPC 的模型。 |
| |
我們需要檢查一些製程參數的函數。 |
| |
然後點擊運行。 |
| |
我將使用最小 AICc 的停止規則。 按一下“開始”。 |
| |
因此，JMP 發現了幾個重要的流程參數和交互作用。 可以看到R平方和調整後的R平方 |
| |
看起來不錯，你也可以通過使用這些...添加這個額外的 R 平方驗證，這也表明它看起來不錯並且模型沒有過度擬合，例如。 所以我要點擊“製作模型” |
| |
和 |
| |
然後 |
| |
我有一個模型，可以看到銑削速度和尺寸很重要，一些交互項也很重要，所以我接下來需要做的是保存預測公式。 |
| |
我還可以保存腳本，以便稍後再次執行此操作時使用，並將其保存到我的資料表中。 |
| |
所以我要關閉這個視窗。 因此，您需要進行此練習，為資料表中的每個 FPC 值擬合模型。 |
| |
我們需要做的最後一件事是使用我們的預測公式，所以這是我剛剛為 FPC1 保存的公式。 |
| |
這就是之前FDE得出的預測公式。 所以如果我右鍵單擊，這就是它的樣子。 所以我有每批的 FPC1 |
| |
然後我有那些額外的列，它們是時間的函數。 所以我現在需要做的是，我將使用我的預測公式，而不是實際值 FPC1， |
| |
現在它是我的製程參數的函數。 只需將其替換為此處的公式即可。 我要點擊“應用”。 |
| |
好吧，再次強調，您需要對生成的任何模型執行此操作，然後將其保存在資料表中。 |
| |
所以我要結束這個，我們將繼續日誌中的下一步。 |
| |
好的，那麼您需要做的就是將我們剛剛保存到原始表中的這些公式導回，這樣我們就可以看到響應如何隨時間和過程參數變化。 因此，我將開啟時間資料表，並使用模型開啟總計表。 |
| |
因此，我將選擇帶有模型的那些列，並將這些列複製到 |
| |
我原來的桌子，現在已經丟了。 |
| |
就在那裡。 所以我現在要單擊“貼上列”。 |
| |
我只是想仔細檢查它是否複製了我的公式。 |
| |
所以，舉例來說，如果我去那裡，是的，我的公式已被複製。 所以我現在擁有的是 |
| |
此模型預測反應隨時間和過程參數的變化。 因此，我不會再次保存它，而是使用最終表，其中包含我進行最佳化所需的所有模型。 |
| |
所以這是最後一步。 |
| |
所以我現在又得到了我的工藝參數、銑削時間、兩個響應以及預測公式，這些公式可以從匯總表中找到。 所以我現在將使用這兩列並與分析器一起使用。 |
| |
我還需要做的是查看因子等級，因此團隊希望將 API 濃度、賦形劑和大小設定為他們想要找到最佳條件的特定設定。 因此，如果您鎖定這些設置，請按一下「確定」。 |
| |
然後您可以使用意願函數來設定規格限制，我已經完成了。 |
| |
然後最大化意願，然後這些將 |
| |
讓 JMP 找到最佳條件來提供滿足我們想要的既定要求的產品。 這是我們使用的一種技術。 |
| |
因此，我現在要退出 JMP，返回投影片，向您展示此工作流程的結果。 |
| |
所以我要切換回螢幕。 好的。 因此，在我們荷蘭團隊生產的 38 批產品中，只有 4 批產品有時間點， |
| |
至少有一個時間點，這兩個結果都在設定的範圍內。 但您可以在右側的表格中看到，對於跨度響應，在所有四種情況下，這都非常接近 |
| |
規格上限，而該團隊非常有興趣尋找能夠產生產品的條件，其中該特定響應完全在該範圍內 |
| |
同時保持其他響應也在目標範圍內。 |
| |
是的，我們取得了很好的結果。 所選條件下的模型預測跨度為 1.63。 這批的實際結果是1.78，這是最低的 |
| |
所有批次所達到的跨距。 所以團隊對這個結果非常滿意。 因此，儘管模型被稍微低估了，但這仍然是一個相當不錯的結果。 你可以在螢幕上看到 |
| |
該批次顯示為綠色，並且完全位於所有其他批次的左側。 |
| |
這就是為什麼我們能夠取得好的結果。 我想，你知道，是使用了稍微不同的參數組合才實現了這個結果。 |
| |
因此，我得出的結論是，JMP Pro 中的功能資料瀏覽器非常適合此應用程式。 它產生了良好的預測模型和迄今為止最好的結果。 |
| |
儘管最初很有希望，但我們無法很好地利用擬合曲線方法 |
| |
我們在研究開始時看到的結果，我們無法將其用於整個資料集，但是 |
| |
儘管如此，該團隊堅信隨著時間的推移查看概況的價值以及這種方法的價值。 當然，您可以將其應用於其他類型的數據，例如配方、體外釋放或 API 開發反應轉換等。 |
| |
所以，示範到此結束，感謝參與大量批次銑削的荷蘭同事，以及 |
| |
感謝本次簡報的合著者 Andrea，感謝他出色的團隊合作。 我們雙方進行了良好的互動，從而取得了一些很好的成果。 感謝您的聆聽，希望您喜歡這次演講並享受 Discovery 的其餘部分。 |
