你好每个人。
这推介会将要是关于测量系统分析，
和优化的超高效液相色谱M测量系统。
演讲者是我，弗兰克·德鲁克
从霍根特大学学院的应用科学，
和还沃尔克·克拉夫特从联合管理计划学术的程序
将要拿关心的这演示
展示这联合管理计划工具为了数据分析。
好的。 这问题陈述和描述。
出色地，在A化学公司，
只是[听不清]化学公司，
这推介会曾是启发经过一个实习的A学生
和一家化学公司，和的课程这材料有到是保留机密的。
所以我只是将要讲话关于化学品公司，
和还这人物是A小的少量修改的，但不问题。
什么是这陈述？
嗯，SPC透露重要的批到批变化在生的材料
和有造成的问题在产品中质量。
所以那，好的，
那里曾是一个问题和这供应商那曾是必要的那全部提供的批次，
它曾是必要的到分析他们全部。
但的课程一问题是那
那里曾是A也慢的分析程序GC，
以及快速UHPLC分析方法是在下面发展，
曾是在发展，但不是准备好
为了验证因为的也强的测量变化。
和这目标的这学习是到指定强壮的和最佳的设置
UHPLC方法的原理所以那验证的这新的方法将要是可能的。
谢谢，坦率。
在职的和这联合管理计划学术的团队为了更多的比十年现在，
我们帮助了许多大学教授全世界到得到使用权到联合管理计划许可证
为了教学，但还到教学资源喜欢这案件学习图书馆
在链接，jmp.com/cases，
教授得到自由的使用权到更多的超过50个案例，
每个讲述A故事关于A真实的世界问题
和A步经过步解决方案，包括这数据套和练习。
什么我们展示今天是可用的作为A系列的三案件学习，
聚焦在统计过程控制，
测量系统分析，和设计的实验。
尽管坦率将要讲话关于这问题
和这解决方案他们发达为了A制药公司公司在比利时，
我将要演示一些的这分析脚步使用联合管理计划亲。
让我说感谢你到坦率为了分享这些案例和这学术的社区，
WHO真的欢迎这样的真实世界例子
未来从从业者在里面行业。
我还想到感谢来自我们印度学术团队的 Murali，
WHO戏剧A钥匙角色在增强我们的案件学习图书馆
喜欢这发展的这些案例一起和坦率。
好的，这里在这阴谋你看非常清楚这插图这问题。
所以什么这里是显示是A阴谋的这测量的这新的超高效液相色谱法，
但非优化和还作为A功能的这测量
的这GC标准方法，哪个曾是非常准确的和精确的。
和你能清楚地看那那里是一些问题。
所以不同的运营商制成一些测量在不同的批次
你可以看那这预言间隔是相当大的。
你看A范围有时超过100毫克每升。
和你能还看那有时它是不是清除无论测量
在规格范围内，喜欢在这左边图形你能看它
和还在这正确的图形你能看有还比率和准确性
意义那有A严肃的问题，
首先的全部我们将要探索这变异的根本原因
使用测量系统分析，
这原因的变化，和还这美国能源部将要使用优化
据统计思维概念
哪个将要是插图在下一个幻灯片。
你看这统计问题求解过程流程。
所以为了这成本的这问题，
这问题和我们的U高效液相色谱法测量错误，
我们将要处理这经过测量系统分析，
和到出口这变化根原因，我可能使用DOE课程，
还到优化这过程设置的这U高效液相色谱法系统。
这方法我们将使用为了量化这变化来源是
这测量系统分析，还有一些理论我将要展示。
所以它是关于这量化的这方差成分的这全部的方差。
全部的方差方法这方差经过所有测量，
经过不同的运营商，不同的产品。
所以我们有二不同的组件，
这产品变化，
西格玛正方形产品，和这测量变化。
这测量变化非常重要的也分解了
在二重要的成分，这重复性这方差
到期的到缺少的精确经过重复
测量，和还这价值观之间运营商。
所以这西格玛正方形大的右哪个是这再现性。
和非常重要的标准在命令t帽子，对不起，
重要的标准
陈述那这测量系统是仅有的合适的为了检测变异
在这过程，过程变化，是那这百分G奥吉 R&R,哪个是这
测量错误分为经过这全部的错误，应该是较少的比10%。
所以这分数的测量错误曾是
以下10%全部的的这全部的变化。
然后我们能使用它为了过程跟随向上。
如果它是不是这案件，它是更高，
然后我们跑步这风险那我们将要控制我们的过程
在测量变化，和的课程不是A非常健康问题。
所以它必须是降低比10%，那是这主要的标准。
好的，让我去到下一个滑动。
和为了这我们将要使用A测量仪 R&R研究，Gauge R&R 研究
主要是一个实验设计，
所以那我们将要选择三随机算子，
约翰，劳拉，和莎拉，
WHO将要做重复测量二次在四不同的批次每个。
所以我们已经做到了，
我们有到过有能力的到量化这在操作员变化范围内
重复性，这再现性，之间运营商变化，
和还这产品变异，即变化之间批次。
所以，沃尔克，我要离开了这地面到你现在。
好的。 感谢你，坦率。
和前我将要来到微软安全局，
我会喜欢到简要地覆盖什么是包括在这第一的部分的这系列，
即控制图表和过程能力。
所以这是一的这数据套这里
测量这二化合物，我们的连续的回应，
化合物一和化合物二，使用这好的但慢的GC方法。
所以数据有到过集超过八天，
和二批次每天和为了二不同的供应商, A和B.
所以什么时候这团队开始,
这第一的活动曾是到查看和确认常态的这数据
为了这，他们看起来在普通的分位数地块。
他们还已安装A普通的分配。
好的，对不起为了这。
所以他们看起来在A普通的分位数阴谋，
和他们还已安装A普通的分配已关注经过A善良的适合性测试。
和那里曾是没有什么批判的从那分析。
探索分布，这问题成为清除。
所以看着在数据从不同的天，我们能看A巨大的
批经过批变化，甚至为了批次未来从这相同的天。
和这方法那电子流程监控是不是可能的
因为
这变化性的这GC方法很高
和这方法曾是也慢的。
所以它需要的A很多的时间
到监视器这批次。
和所以一团队活动曾是
到工作一起和这供应商和其他的到减少那变化。
和其他活动，
哪个是描述在这其他部分的这学习，调查过A更快的方法，
作为提及经过坦率，使用这新的超高效液相色谱法测量方法。
所以只是看着A少量更多的进入这老的方法，这GC方法。
所以这团队看起来在一维度的
控制图表和还过程能力为了两个都化合物，的课程，
和他们还看起来在多变量和模型驱动的
控制图表。
和这里我们看那那里是一些极端点在A多维度的
分析，和他们可以还看这贡献的这不同的
化合物或者回应。
这是这结论的这第一的调查使用这老的方法。
所以这里这结果曾是那
两个都流程看着在这过程表现这里，那两个都流程，
所以化合物A和化合物乙，是无法但稳定的。
为了小贩A
和为了小贩乙，
我们看那化合物一曾是甚至不稳定下列的这些颜色这里。
所以全部的这有动力这团队到提升这测量过程。
和这带来我们到部分二的这个系列
和这是关于分析这测量系统。
所以这数据这里是集为了全部这组合，重复两次，
之间四批次和三运营商，
使用这新的超高效液相色谱法测量方法。
所以这目标这里曾是到措施全部
批次的生的材料使用这快点方法和或许到允许一些
在线监测的这生的材料在这未来。
所以到得到开始了和这新的数据，
这团队看起来在A二方式方差分析，和这可能傻子你。
这输出。
所以在两个都化合物，
化合物一和二，这批影响是高度重要的。
所以那是好的消息。
和还这操作员影响和这相互作用之间批和操作员，
这些效果是非重要的，但这均方根误差是相当高的。
所以那方法那我们是或许看着在数据
以及我们的影响是还感兴趣的在只是隐经过噪音。
所以前你看在这样的一个分析，
这第一的问题应该是在哪里是这变化在我们的数据未来从？
和第二，是我们测量这信号？
是我们真的看着在这信号或者是我们只是测量噪音？
和到得到一个主意关于这，
A完美的可视化的这图案的变化是A变化性图表。
和为了这些二来源的变化，批和操作员，
这里我们看全部这数据点为了全部运营商和全部批次。
所以我们有二测量每批每操作员。
和为了这些二，我们看这意思是。
我们还看这团体意思是为了一操作员和我们还看这全面的意思是。
那是这点缀的线这里为了全部我们的测量。
和我们能看在这为了两个都化合物，的课程。
所以这里，为了实例，为了化合物二，我们看那劳拉有
相当高的变化，在至少比较的到这其他二运营商。
所以那是A视觉的分析。
使用的分析方法和步骤
到得到A更好的洞察力进入这测量系统的表现
是一个MSA或者测量系统分析。
和这曾是还完毕为了这非优化U高效液相色谱法。
所以这里，为了实例，
为了这第一的化合物，我们看这平均的图表
和这图表节目这数据一起和这控制限制
或者和这噪音乐队。
和什么我们看这里是不是好的新闻,
因为我们的测量，我们的数据是之内这噪音乐队，
所以它将要是真的难的到探测任何信号和那噪音等级。
其他输出是这并行性阴谋。
所以这里我们能查看互动之间批次和运营商和这会
表明一个相互作用如果一些的这些线是不是平行线。
和这是这电磁脉冲方法。
所以这站立为了评估测量过程
和你大概知道这作为测量休息与康复输出。
和那是什么还坦率提及。
所以这里我们看这信号，那是这产品变化，
但我们还看这测量变化
分裂进入重复性和再现性。
和这里为了这第一的化合物，
我们看那我们似乎到有一个问题和重复性。
所以这相同的操作员正在做这相同的测量再次。
和为了这第二成分，
我们看那有还A轻微问题和再现性作为出色地。
所以这些是测量之间不同的运营商。
所以这结论这里是那这测量系统
或者这测量过程是无法到探测任何质量转移造成的
经过A重要的系统的变化之间我们的批次。
和和那，我手后退到坦率。
好的，感谢你，沃尔克。
我思考我们能转移到下一个幻灯片因为那是什么我们讨论过。
好吧，是什么你显示，沃尔克,那是还在这幻灯片。
好的，是的，在这里我们能开始。
和我们开始和第一的的全部，在这设计的实验，
这优化学习，这过程改进学习。
和第一个o F全部，
在命令到更好的指定我们的实验性的目标，我们应该第一的的全部
去到这根原因分析为了这高的测量错误。
这实验室团队，
后与实验室团队进行头脑风暴，
它来了出去那是二主要的
根原因，一关联到这设备和一关联到这方法。
和这一关联到这设备曾是
这主要的来源为了贫穷的重复性因为它曾是A非常强的问题
和不稳定柱子温度和洗脱液流量，
UHPLC 使用柱子，它是A色谱法技术，
和还一个洗脱液使分离，
到带领这化合物到这柱子和制作分离可能的。
作为A事情的事实它曾是漂移之间
不同的实验和甚至之内一实验。
这结果的课程在A贫穷的重复性。
和这第一的任务，的课程，的这实验室团队
曾是到稳定的课程这柱子温度和洗脱液。
因为如果你去到任何实验设计，
的课程，我们需要到有固定的设置的这温度
和洗脱液流量，哪个是的课程二重要的因素。
为了这第二问题，
这方法因为，除了这稳定问题，
哪个的课程曾是固定的，那里曾是还一个问题和
低分辨率因为的非优化分析过程设置哪个是相当
低的和还不稳定，意义那什么时候我们制作小的转变到流量
和温度，那里是有时巨大的转变
还在决议中，表明那那里曾是还不是仅有的
最佳的问题但还A问题和鲁棒性。
所以这目标曾是指定不是仅有的最佳的设置但还强壮的设置。
所以这变化的这解决应该
是最小的作为A功能的一些变化大约这设置
的过程、实践、这分析。
让我们只是现在去到这美国能源部。
当然，能源部的目标是
我们指定这回复多变的是是，这化合物专注
在这标准样品，和我们有到制作楷模的这个Y，
这化合物专注是A功能的这超高效液相色谱法控制因素。
和一次我们有这方程，
我们能然后的课程去到优化，和什么是个优化标准？
我们将要使用这质量磷超过时间比率标准。
那方法那，
那我们的、
分数的这错误
在这宽容范围应该是降低比10%。
如果你有这宽容范围的我们的化合物哪个是指定的，
化合物一
在这标准样本曾经是一个300毫克每升
每升正负 200 毫克，
然后我们有到制作当然那和还这，对不起，这标准样本，二，
两个标准样品，这目标的化合物二和这标准
样本二是450加或减去150百万分之一规格限制。
和的课程如果你想到抵达10%
的这规格范围，那方法那好的，我们有到
给定我们的合意性功能为了优化，是那好的？
为什么应该匹配目标化合物专注降低比10%？
意义那为了标准样本一那里
应该是300加或减20百万分之一， 20毫克每升。
和为了标准样本二这化合物浓度应为
每升 450 正负 15 毫克
那是这标准为了优化。
所以作为为了我们的模型得到一起和实验室专家。
这因素是这主要的效果，这主要的效果和全部二次的影响。
和这主要的效果是这温度的这柱子，
和这范围25到35度摄氏度,洗脱液流动速度，
五到15毫克每毫升，和还梯度。
什么是渐变？
出色地那方法那那里是一个添加剂，乙腈，在这洗脱液和这
专注的这乙腈增加为A功能的这体积，
添加作为A功能的流动，这体积，通过这柱子。
那方法
从体积零和一毫升它是A范围之间五和二十百分。
和一次这体积是五到六毫升，
我们有A范围的35到70%的洗脱液中含有乙腈。
还一个重要的因素是这紫外线波长。
这探测器是经过紫外线和它应该是受控之间192和270.
和头脑风暴和这实验室专家， WHO做过已经相当一些初步的
实验和有一些经验和这超高效液相色谱法，
作为A事情的事实，仅有的二相互作用效果是已选择。
那是这温度和洗脱液流量和还
这洗脱液流量相互作用和全部坡度因素指定的多于。
所以这方法那这设计选择的
到见面这目标和到模型，和到指定这模型参数。
它曾是这风俗设计，和沃尔克将要阐明什么设计曾是关于。
好的。
感谢你坦率。
所以说关于这第三部分的这案件学习系列哪个是关于设计
实验和什么我们学到了所以远的是那我们有到减少这测量
变化哪个是造成的经过这未优化超高效液相色谱法方法。
和这方法能是描述，作为坦率尖出去，经过这些控制设置
或过程设置，喜欢温度和所以在。
所以我们还想我们的回应保持之内他们的限制。
所以这如下这10%规则作为给定通过弗兰克，
和这些限制是还添加到我们的数据。
所以到设计这样的一个实验这团队看起来在A确定的筛选设计。
所以这一这里，和还添加风俗设计和两个都和25回合。
所以比较两个都设计,他们使用这比较设计平台，
和你能看一些原因哪个是在青睐的这风俗设计。
所以这里，为了实例，为了主要的效果我们看轻微地更好的力量为了这DSD。
但为了这其他更高命令效果我们看
真的A高的益处为了这风俗设计。
相同的这里，看着在这分数的这设计
空间我们看那这风俗设计是正在做更好的。
你可以还看在这相关图，
和最后，这效率是还在青睐的这风俗设计。
和为了那原因这团队用过的这风俗设计，
A风俗设计为了那些学习。
所以这里我们有这完全的数据
为了这风俗设计，完全的和两个都回复测量。
和为了这我们还有
这相应的线性模型。
所以这里为了这第一的回复，
化合物一，和为了化合物二，两个都和他们的分析器的课程。
和这是A组合分析仪
和两个都回应在这最初的，只是这中设置。
和经过最大化这愿望，
所以我会得到到这最佳的设置和我们看那我们是匹配
两个都目标这里， 300和450各自，我们是匹配他们完美。
然而，我们还看相当大的灵敏度指标。
这些是这紫色的三角形，和他们是讲述我们那在这最佳的观点，
我们的回复表面是相当陡在一些方面
和这减少这鲁棒性的我们的过程
的情况下一些随机的变化的我们的过程设置。
和这能是更远分析过的经过添加
这模拟器到这分析器和那是完毕这里。
所以这里这模拟器
定义这随机的变化哪个曾是定义的经过我们的过程专家。
和只是保持这中设置，加这随机的变化，模拟
10,000的回复价值观我们看那全部的我们的回复价值观是出去的规格
这些是全部缺陷。 的课程，我们是只是在这中设置,
所以没有什么更好的了到预计这里。
交换到我们的最佳设置和模拟再次。
所以现在我们看那这缺点速度到是预期的是多于12%。
所以从这里这鲁棒性能是进一步改进，
任何一个手动，使用这分析器和这模拟器
和这灵敏度指标，或者自动地经过跑步
模拟实验哪个是还建成进入那些配置文件。
所以这团队用过的A手动的方法
和这些是这强壮的设置。
他们来了向上和这些红色的设置这里。
和如果我模拟再次， §我们看那这缺点速度
现在滴以下百分之一。
所以这是A蒙特卡洛模拟，它是全部随机的所以这缺点速度变化
轻微地和每个新的模拟，和你能还看如何这直方图
的我们的模拟的回复数据表现相当出色地。
所以他们是之内我们的范围，之内我们的限制
哪个支持这10%规则。
并且，在这些
强壮的设置。
所以去后退到这其他分析器。
所以这里我还有
一些轮廓地块使用这轮廓分析器，和他们能还是用过的
到更好的理解这最好的地区为了这加工和为了配置
这过程和这些是通常这白色的地区哪个提供
这在规格中地区为了A组合的二控制因素。
和我希望你喜欢这旅行，
和和这我手超过后退到坦率到讨论这结果。
好的，感谢你，沃尔克。
所以，
现在我们能去到这验证实验，
的课程，一次我们优化这设置
现在我们能制作一个实验到查看无论真的这测量的这新的
超高效液相色谱法系统和这GC分析是相等的。
所以为了这，再次，我们放向上仪表 R&R学习，
还测量一个
哪个是相当相似的到这一
讨论过前但还现在我们制作测量和这GC在命令
到比较这二测量方法。 你看这里还包括作为一额外的
因素在仪表 R&R是这乐器因素。
好的。
所以这里是这结果和你能看
真的那我们制作相当一个改进那你看在这衡量 R&R 结果。
那主要的变化现在是产品变化。
你看那现在这批变化是不更多的模糊的经过噪音测量错误。
这灰色的区域是相当狭窄的比较的到这那些
我们有前，和那是A非常好的消息。
你看它是主要是产品变化。
所以这测量仪 R&R和比率是相当，火柴我们的目标。
意义那精确宽容比率这里是关于百分之八。
和这精度/公差比是六次这测量仪 R&R数字
分为经过这宽容的这化合物，400，即百分之八。
所以这精确是好的。
所以那这测量系统是合适的
到是用过的在质量控制为了化合物一。
好的。
化合物一。 好的。
你看在这平行线阴谋只是A小的穿越,
你看那为了莎拉，表明A小的
或许相互作用之间这批次和运营商。
好的，为了化合物二，我们有到看这相同的事物甚至更好的。
所以仅有的5%的测量休息与恢复，
这精确宽容比率， 5%，
相同的事物，非常狭窄的噪音范围和不主要的穿越的这线。
相当平行线，表明不操作员偏见，不互动。
建模化合物一分析，我们看那它是主要是
影响经过批，和还小的批到操作员相互作用影响。
化合物一和为了化合物二。
好的，现在我们能看这非常小的
交互事实因为我们有减少这测量噪音所以很多
现在，那非常小的事实，的课程现在变得可见的。
在这第一的时间我们可以不是看它，我们可以不是探测它。
但那是因为的A非常贫穷的实验性的力量。
但现在我们增加
这实验性的力量
严重地经过只是减少这实验性的噪音，
的课程，现在这相互作用在事实变成可见的。
但这小的一，你能看那还
为了这关联到莎拉，这绿色的线的莎拉，
但这里还曾是A小的问题在这GC
分析作为出色地，不是仅有的为了这超高效液相色谱法，但还为了这GC分析。
好的，那是一个问题到是解决了为了错误的。
但现在它是这里。
那些二图表阐明相当清楚地
那两个都测量系统是几乎等效，UHPLC 结果
相对这GC结果。
我们看那有几乎A完美的，
非常好的相关性和全部点在这中线。
所以这坡是几乎一。
它是不是显著地不同的从一。
和还那里是一个截距和这y轴，
是不是显著地不同的从零。
所以这方法曾是准备好为了验证，超高效液相色谱法是准确的和这
不显着不同之处，哪个你看，标准分析,所以非常好的结果。
和我们可以说那这问题和对付这问题和MSA 和 DOE
曾是非常强大的，领导到A好的，非常好的解决方案到我们的问题
哪个可以是实施的，的课程，现在在生产。
谢谢为了你的注意力和如果那里有什么问题吗，
请让我们知道。
