Ciao tutti.
Questo presentazione volere essere di Analisi del sistema di misurazione,
e ottimizzazione di un UHPLC M accomodamento Sistema.
Presentatori sono me stessa, Frank Deruyck
da Ho Gent College universitario di Applicato scienze,
e anche Volker Kraft da JMP Accademico Programma
volere prendere cura di il demo
dimostrando il JMP utensili per dati analisi.
Bene. Il problema dichiarazione e descrizione.
Bene, in un chimico azienda,
appena [non udibile] chimico azienda,
il presentazione era ispirato di un tirocinio di un alunno
e un'azienda chimica, e di corso il Materiale avevo a essere tenuto confidenziale.
Così io appena volere parlare di la chimica azienda,
e anche il figure sono un poco po modificato, ma no problema.
Che cosa è il dichiarazione?
Bene, SPC rivelato significativo lotto a lotto variazione in crudo Materiale
e ha causato i problemi nel prodotto qualità.
Così Quello, Va bene,
là era un problema insieme a il fornitore Quello era necessario Quello tutti fornito lotti,
esso era necessario a analizzare loro tutti.
Ma di corso uno problema è Quello
là era un anche Lento analisi procedura GC,
e un metodo analitico UHPLC veloce è sotto sviluppo,
era in sviluppo, ma non pronto
per convalida perché di anche forte misurazione variazione.
e il obbiettivo di questo studia è a specificare robusto e ottimale impostazioni
del metodo UHPLC così Quello convalida di il nuovo metodo volere essere possibile.
Grazie, Franco.
Lavorando insieme a il JMP accademico squadra per di più di dieci anni adesso,
noi aiutato molti Università professori In tutto il mondo a ottenere accesso a JMP licenze
per insegnamento, ma anche a insegnamento risorse piace il Astuccio studia biblioteca
a il link, jmp.com/cases,
professori ottenere libero accesso a di più di 50 casi,
ogni raccontare un storia di un vero mondo problema
e un fare un passo di fare un passo soluzione, Compreso il dati imposta e esercizi.
Che cosa noi regalo oggi è a disposizione come un serie di tre Astuccio studi,
messa a fuoco su statistico controllo di processo,
misurazione sistemi analisi, e design di esperimenti.
Mentre Franco volere parlare di il problema
e il soluzione essi sviluppato per un farmaceutica azienda in Belgio,
io volere demo alcuni di il analisi passi usando JMP Pro.
Permettere me dire grazie tu a Franco per condivisione questi casi insieme a il accademico Comunità,
chi veramente benvenuto come mondo reale esempi
In arrivo da praticanti nel industria.
io anche volere a grazie Murali, dal nostro team accademico in India,
chi gioca un chiave ruolo in potenziamento nostro Astuccio studia biblioteca
piace il sviluppo di questi casi insieme insieme a Franco.
Bene, qui in questo complotto vedi molto chiaramente il illustrazione il problema.
Così che cosa qui è mostrato è un complotto di il misurazioni di il nuovo metodo UHPLC,
ma non- ottimizzato e anche come un funzione di il misurazione
di il GC standard metodo, quale era molto preciso e preciso.
e tu potere chiaramente vedere Quello là sono alcuni i problemi.
Così diverso operatori fatto alcuni misurazioni su diverso lotti
e tu puoi vedere Quello il predizione intervalli sono piuttosto grande.
Voi vedere un allineare a volte terminato 100 milligrammi per litro.
e tu potere anche vedere Quello a volte è non chiaro se una misura
rientra nelle specifiche, piace su il sinistra grafico tu potere vedere esso
e anche su il Giusto grafico tu potere vedere c'è anche rapporti insieme a precisione
significato Quello c'è un grave problema,
e primo di tutti noi volere Esplorare il cause alla radice della variazione
usando misurazione sistema analisi,
il cause di variazione, e anche il DOE volere utilizzo ottimizzato
secondo la statistica pensiero concetto
quale volere essere illustrato in il prossimo diapositive.
Voi vedere il statistico problema flusso del processo risolutivo.
Così per il costo di il problema,
il problema insieme a nostro u HPLC misurazione errore,
noi volere attrezzatura questo di analisi del sistema di misura,
e a esportare il variazione radice cause, io Maggio ovviamente utilizzare DOE,
anche a ottimizzare il processi impostazioni di il u HPLC sistema.
Il metodo noi utilizzo per quantificare il variazione fonti è
il misurazione sistema analisi, e alcuni teoria io volere mostrare.
Così è di il quantificare di il varianza componenti di il totale varianza.
Totale varianza significa il varianza di tutte le misure,
di diverso operatori, diverso prodotti.
Così noi avere Due componenti diversi,
il Prodotto variazione,
Sigma quadrato Prodotto, e il misurazione variazione.
Il misurazione variazione molto anche importante viene scomposto
in Due importante componenti, il ripetibilità il varianza
dovuto a la mancanza di precisione di ripetuto
misure, e anche il i valori tra operatori.
Così il Sigma quadrato grande R quale è il riproducibilità.
e molto importante criterio in ordine T cappello, scusa,
importante criterio
affermando Quello il misurazione sistema è solo adatto per rilevare la variazione
in il processo, processo variazione, è Quello il per cento G auge R&R, quale è il
misurazione errore diviso di il totale errore, dovrebbe essere meno di 10 per cento.
Così il frazione di misurazione errore era
qui di seguito 10 per cento totale di il totale variazione.
Quindi noi potere utilizzo esso per processi Seguire su.
Se è non il Astuccio, esso è più alto,
poi noi correre il rischio Quello noi volere controllo nostro processi
su misurazione variazione, e di corso non un molto sano problema.
Così esso dovere essere inferiore di 10 per cento, quello è il principale criterio.
Bene, permettere me andare a prossimo vetrino.
e per questo noi volere utilizzo un Indicatore R&R studio, uno studio Gauge R&R
è principalmente un disegno sperimentale,
così Quello noi volere Selezionare tre operatori casuali,
John, Laura, e Sara,
chi volere fare ripetuto misurazioni Due volte su quattro diverso lotti ogni.
Così abbiamo fatto,
noi avere stato capace a quantificare il all'interno della variazione dell'operatore
ripetibilità, il riproducibilità, il tra variazione dell'operatore,
e anche il Prodotto variazione, il variazione tra lotti.
Allora, Volker, me ne vado il pavimento a tu adesso.
Bene. Grazie tu, Franco.
e prima io volere venire a MSA,
io volevo piace a brevemente copertina cos'è incluso in il primo parte di il serie,
vale a dire controllo grafici e processi capacità.
Così questo è uno di il dati imposta qui
misurare il Due composti, nostro continuo risposte,
composto uno e composto Due, usando il Buona ma Lento GC metodo.
Così dati ha stato raccolto terminato otto giorni,
insieme a Due lotti per giorno e per Due diverso fornitori, UN e B.
Così quando il squadra iniziato,
il primo attività era a dai un'occhiata e Confermare normalità di il dati
per questo, essi guardato a normale quantile trame.
Essi anche montato un normale distribuzione.
Bene, scusate per questo.
Così essi guardato a un normale quantile complotto,
e essi anche montato un normale distribuzione seguito di un bontà di prova di idoneità.
e là era niente critico da Quello analisi.
Esplorando distribuzioni, il problema divenne chiaro.
Così analizzare, cercare, guardare a dati da diverso giorni, noi potere vedere un enorme
lotto di lotto variazione, Anche per lotti In arrivo da il stesso giorno.
e questo significa Quello processo elettronico monitoraggio è non possibile
perché
il variabilità di questo GC metodo era alto
e il metodo era anche Lento.
Così esso necessario un quantità di volta
a tenere sotto controllo il lotti.
e perciò uno squadra attività era
a lavoro insieme insieme a il fornitori e altri a ridurre Quello variazione.
e altro attività,
quale è descritto in il Altro parti di il studia, indagato un metodo più veloce,
come menzionato di Franco, usando il nuovo UHPLC misurazione metodo.
Così appena analizzare, cercare, guardare un po di più in il vecchio metodo, il GC metodo.
Così il squadra guardato a uno dimensionale
controllo grafici e anche processi capacità per entrambi composti, di corso,
e essi anche guardato a multivariato e modello guidato
controllo grafici.
e qui noi vedere Quello là erano alcuni estremo punti in un multi dimensionale
analisi, e essi potevo anche vedere il contributi di il diverso
composti o risposte.
Questo è il conclusione di il primo indagine usando il vecchio metodo.
Così qui il risultato era Quello
entrambi processi analizzare, cercare, guardare a il processi prestazione qui, Quello entrambi processi,
così composto UN e composto B, erano incapace ma stabile.
Per venditore UN
e per venditore B,
noi vedere Quello composto uno era Anche instabile a seguire questi colori qui.
Così tutti di questo motivata il squadra a Ottimizzare il misurazione processi.
e questo porta noi a parte Due di questa serie
e questo è di analizzando il misurazione sistema.
Così questo dati qui erano raccolto per tutti il combinazioni, ripetuto due volte,
tra quattro lotti e tre operatori,
usando il nuovo UHPLC misurazione metodo.
Così il obbiettivo qui era a misurare tutti
lotti di crudo Materiale usando questo Più veloce metodo e può essere a permettere alcuni
monitoraggio in linea di il crudo Materiale in il futuro.
Così a ottenere iniziato insieme a il nuovo dati,
il squadra guardato a un Due strada ANOVA, e questo Maggio scemo tu.
Questo produzione.
Così su entrambi composti,
composto uno e Due, il lotto effetto è altamente significativo.
Così quello è Buona notizia.
e anche il operatore effetto e il interazione tra lotto e operatore,
questi effetti sono non- significativo, ma il RMSE è piuttosto alto.
Così Quello significa Quello noi sono può essere analizzare, cercare, guardare a dati
e gli effetti noi sono anche interessato in sono giusti nascosto di rumore.
Così prima tu Guarda a come un analisi,
il primo domanda dovrebbe essere dove è il variazione in nostro dati In arrivo da?
e secondo, sono noi misurare il segnale?
Siamo noi veramente analizzare, cercare, guardare a il segnale o sono noi appena misurare rumore?
e a ottenere un idea di questo,
un Perfetto visualizzazione di il modelli di variazione è un variabilità grafico.
e per questi Due fonti di variazione, lotto e operatore,
qui noi vedere tutti il dati punti per tutti operatori e tutti lotti.
Così noi avere Due misurazioni per lotto per operatore.
e per questi Due, noi vedere il significare.
Noi anche vedere il gruppo significare per uno operatore e noi anche vedere il globale significare.
Quello è il punteggiato linea qui per tutti nostro misurazioni.
e noi potere Guarda a questo per entrambi composti, di corso.
Così qui, per esempio, per composto Due, noi vedere Quello Laura ha
variazione piuttosto elevata, a meno rispetto a il Altro Due operatori.
Così quello è un visivo analisi.
Il metodo di analisi e la procedura da utilizzare
a ottenere un meglio intuizione in il misurazione di sistema prestazione
è un MSA o misurazione sistemi analisi.
e questo era anche fatto per il non- ottimizzato u Metodo HPLC.
Così qui, per esempio,
per il primo composto, noi vedere questo media grafico
e questo grafico Spettacoli il dati insieme insieme a il controllo limiti
o insieme a il rumore gruppo musicale.
e che cosa noi vedere qui è non Buona novità a tutti,
perché nostro misure, nostro dati è entro questo rumore gruppo musicale,
così esso volere essere veramente difficile a rilevare qualunque segnale insieme a Quello rumore livello.
Altro produzione è questo parallelismo complotto.
Così qui noi potere dai un'occhiata interazioni tra lotti e operatori e questo volevo
indicare un interazione Se alcuni di questi Linee sono non parallelo.
e questo è il EMP metodo.
Così questo sta per valutare il processo di misurazione
e tu probabilmente sapere questo come Valutare R&R produzione.
e quello è che cosa anche Franco menzionato.
Così qui noi vedere il segnale, quello è il Prodotto variazione,
ma noi anche vedere il misurazione variazione
diviso in ripetibilità e riproducibilità.
e qui per il primo composto,
noi vedere Quello noi sembrare a avere un problema insieme a ripetibilità.
Così il stesso operatore facendo il stesso misurazione ancora.
e per il secondo componente,
noi vedere Quello c'è anche un lieve problema insieme a riproducibilità come bene.
Così questi sono misurazioni tra diverso operatori.
Così il conclusione qui è Quello il sistema di misura
o il misurazione processi è incapace a rilevare qualunque qualità spostare causato
di un significativo sistematico variazione tra nostro lotti.
e insieme a Quello, io mano Indietro a Franco.
Bene, grazie tu, Volker.
io pensare noi potere spostare a prossimo diapositive perché quello è che cosa noi discusso.
Va bene, lo è che cosa tu mostrato, Volker, quello è anche in il diapositive.
Bene, si qui noi potere cominciare.
e noi cominciare insieme a primo di tutti, in il design di esperimenti,
il ottimizzazione studia, il processi miglioramento studia.
e prima o F tutti,
in ordine a meglio specificare nostro sperimentale obiettivi, noi dovrebbe primo di tutti
andare a il radice causa analisi per il alto misurazione errore.
Il laboratorio squadra,
dopo un brainstorming con il team di laboratorio,
esso è venuto fuori Quello erano Due principale
radice cause, uno collegamento a il attrezzatura e uno collegamento a il metodo.
e il uno collegamento a il attrezzatura era
il principale fonte per povero ripetibilità perché esso era un molto forte problema
insieme a instabile colonna temperatura e eluente Portata,
utilizza l'UHPLC colonna, è un cromatografico tecnica,
e anche un eluente fare separazione,
a condurre il composti a il colonna e Fare separazione possibile.
Come un questione di fatto esso era deriva tra
diverso esperimenti e Anche entro uno sperimentare.
Questo risultati di corso in un povero ripetibilità.
e il primo compito, di corso, di il squadra di laboratorio
era a stabilizzare di corso il colonna temperatura e eluente.
Perché Se tu andare a qualunque design sperimentale,
di corso, noi bisogno a avere fisso impostazioni di il temperatura
ed eluente portate, quale sono di corso Due importante fattori.
Per il secondo problema,
il metodo perché, Oltretutto il stabilità problema,
quale di corso era fisso, là era anche un problema insieme a
Bassa risoluzione perché di non- ottimizzato analisi processi impostazioni quale erano piuttosto
basso e anche instabile, significato Quello quando noi Fare piccolo turni a Portata
e temperatura, là erano a volte enorme turni
anche in risoluzione, indicando Quello là era anche non solo
ottimale problema ma anche un problema insieme a robustezza.
Così il obbiettivo era specificare non solo ottimale impostazioni ma anche robusto impostazioni.
Così il variazione di il risoluzione dovrebbe
essere minimo come un funzione di alcuni variazione intorno a il impostazioni
del processo, pratica, di il analisi.
Andiamo appena adesso andare a il DOE.
E l'obiettivo, ovviamente, del DOE è quello
noi specificare il risposta variabile è Y, il composto concentrazione
in il standard campioni, e noi avere a Fare Modelli di questo Y,
il composto concentrazione è un funzione di il UHPLC controllo fattori.
e una volta noi avere il equazioni,
noi potere poi di corso andare a ottimizzazione, e che cosa è il ottimizzazione criterio?
Noi volere utilizzo il qualità P terminato T rapporto criterio.
Quella significa Quello,
che il nostro,
frazione di il errore
in il tolleranza allineare dovrebbe essere inferiore di 10 per cento.
Se tu avere il tolleranza intervalli di nostro composti quale sono specificato,
composto uno
in il standard campione era un 300 milligrammi per litro
più o meno 200 milligrammi per litro,
poi noi avere a Fare Sicuro Quello e anche il, scusate, il standard campione, Due,
due standard campioni, il obbiettivo di composto Due e il standard
campione Due è 450 più o meno 150 ppm spec limiti.
e di corso Se tu volere a portata 10 per cento
di questo specifica gamme, Quello significa Quello Va bene, noi avere a
dato nostro desiderabilità funzione per ottimizzazione, è Quello Va bene?
Come mai dovrebbe incontro obbiettivo composto concentrazione inferiore di 10 per cento?
Significato Quello per standard campione uno là
dovrebbe essere 300 più o meno 20 ppm, 20 milligrammi per litro .
e per standard campione Due il composto dovrebbe essere la concentrazione
450 più o meno 15 milligrammi per litro
quello è il criterio per ottimizzazione.
Così come per nostro modello ottenere insieme insieme a laboratorio esperti.
Il fattori sono il principale effetti, il principale effetti e tutti quadratico effetti.
e il principale effetti sono il temperatura di il colonna,
insieme a il allineare 25 a 35 gradi Centigrado, eluente flusso Vota,
cinque a 15 milligrammi per millilitro, e anche un gradiente.
Che cosa è un gradiente?
Bene Quello significa Quello là è un additivo, Acetronitrile, in il eluente e questo
concentrazione di questo Acetonitrile aumenta come un funzione di il volume,
aggiunto come un funzione di flusso, il volume, attraverso il colonna.
Quella significa
da volume zero e uno millilitro è un allineare tra cinque e 20 per cento.
e una volta il volume è cinque a sei millilitri,
noi abbiamo un allineare di 35 a 70 per cento di Acetonitrile nell'eluente.
Anche un importante fattore è il UV lunghezza d'onda .
Il rivelatore è di UV e esso dovrebbe essere controllato tra 192 e 270.
e brainstorming insieme a il laboratorio esperti, chi fatto già piuttosto alcuni preliminare
esperimenti e avevo alcuni Esperienza insieme a il UHPLC,
come un questione di fatto, solo Due interazione effetti erano selezionato.
Quello è il temperatura e eluente Portata e anche
il eluente Portata interagire insieme a tutti pendenza fattori specificato sopra.
Così questo significa Quello il design scelto
a incontrare il obiettivi e a modello, e a specificare il modello parametri.
Esso era il costume design, e Volker volere illustrare che cosa design era di.
Bene.
Grazie tu Franco.
Così parlando di il Terzo parte di questo Astuccio studia serie quale è di progettare
sperimentare e che cosa noi imparato così lontano è Quello noi avere a ridurre il misurazione
variazione quale è causato di questo non ottimizzato UHPLC metodo.
e questo metodo potere essere descritto, come Franco appuntito fuori, di questi controllo impostazioni
o processo impostazioni, piace temperatura e così su.
Così noi anche volere nostro risposte rimanere entro loro limiti.
Così questo segue il Regola del 10 per cento come dato di Franco,
e questi limiti sono anche aggiunto a nostro dati.
Così a design come un sperimentare il squadra guardato a un definitivo selezione design.
Così questo uno qui, e anche aggiunto costume design e entrambi insieme a 25 turni.
Così confrontare entrambi disegni, essi utilizzo il confrontare design piattaforma,
e tu potere vedere parecchi motivi quale sono in favore di il costume design.
Così qui, per esempio, per principale effetti noi vedere leggermente meglio energia per il DSD.
Ma per il Altro più alto ordine effetti noi vedere
veramente un alto beneficio per il costume design.
Stesso qui, analizzare, cercare, guardare a il frazione di il design
spazio noi vedere Quello il costume design è facendo meglio.
Voi potevo anche Guarda a il mappe di correlazione,
e finalmente, il efficienza è anche in favore di il costume design.
e per Quello Motivo il squadra Usato il costume design,
un costume design per quelli studi.
Così qui noi avere il completato dati
per il costume design, completato insieme a entrambi risposta misurazioni.
e per questo noi anche avere
il corrispondente lineare modello.
Così qui per il primo risposta,
composto uno, e per composto Due, entrambi insieme a loro profilatori di corso.
e ecco un profilatore combinato
insieme a entrambi risposte a il iniziale, appena il metà impostazioni.
e di massimizzando il desiderabilità,
così io volevo ottenere a il ottimale impostazioni e noi vedere Quello noi sono corrispondenza
entrambi obiettivi qui, 300 e 450 rispettivo, noi sono corrispondenza loro perfettamente.
Tuttavia, noi anche vedere piuttosto grande sensibilità indicatori.
Questi sono il viola triangoli, e essi sono raccontare noi Quello a il ottimale punto,
nostro risposta superficie è piuttosto ripido in alcuni dimensioni
e questo riduce il robustezza di nostro processi
in caso di alcuni casuale variazione di nostro processi impostazioni.
e questo potere essere ulteriore analizzato di aggiungendo
il simulatore a questo profilatore e Quello è fatto qui.
Così qui il simulatore
definisce il casuale variazione quale era definito di nostro processi esperti.
e appena mantenere il metà impostazioni, più questo casuale variazione, simulando
10.000 di risposta i valori noi vedere Quello tutti di nostro risposta i valori sono fuori di spec.
Questi sono tutti difetti. Di corso, noi sono appena a il metà impostazioni ,
quindi niente di meglio a aspettare qui.
Cambio a le nostre impostazioni ottimali e simulando ancora.
Così adesso noi vedere Quello il difetto Vota a essere previsto è sopra 12 per cento.
Così da qui il robustezza potere essere ulteriormente migliorato,
o manualmente, usando il profilatore e il simulatore
e il sensibilità indicatori, o automaticamente di in esecuzione
un esperimento di simulazione quale è anche costruito in quelli profili.
Così il squadra Usato un Manuale approccio
e questi sono il robusto impostazioni.
Essi è venuto su insieme a questi rosso impostazioni qui.
e Se io simulare ancora, §noi vedere Quello il difetto Vota
adesso gocce qui di seguito uno percento.
Così questo è un Monte Carlo simulazione, è tutti casuale così il difetto Vota i cambiamenti
leggermente insieme a ogni nuovo simulazione, e tu potere anche vedere come il istogrammi
di nostro simulato risposta dati comportarsi piuttosto bene.
Così essi sono entro nostro allineare, entro nostro limiti
quale sostegno questo 10 per cento regola.
E, a questi
robusto impostazioni.
Così andando Indietro a il Altro profilatore.
Così qui io anche avere
alcuni contorno trame usando il contorno profilatore, e essi potere anche essere Usato
a meglio capire il migliore regioni per il in lavorazione e per configurazione
il processi e questi sono tipicamente il bianco regioni quale fornire
il in spec regioni per un combinazione di Due controllo fattori.
e io speranza tu piace questo viaggio,
e insieme a questo io mano terminato Indietro a Franco a discutere questo risultato.
Bene, grazie tu, Volker.
Così,
adesso noi potere andare a il convalida sperimentare,
di corso, una volta noi ottimizzare il impostazioni
adesso noi potere Fare un sperimentare a dai un'occhiata se veramente il misurazioni di il nuovo
UHPLC sistema e il GC analisi sono equivalente.
Così per questo, ancora, noi impostare su un calibro R&R studia,
misurandone anche uno
quale è piuttosto simile a il uno
discusso prima ma anche adesso noi Fare misurazioni insieme a il GC in ordine
a confrontare il Due misurazioni metodi. Voi vedere qui anche incluso come uno extra
fattore in il calibro R&R è il strumento fattore.
Bene.
Così qui sono il risultati e tu potere vedere
veramente Quello noi Fare piuttosto un miglioramento Quello tu vedere in il Misurare i risultati di R&R.
Quella il principale variazione ora è prodotto variazione.
Voi vedere Quello adesso il lotto variazione è no di più oscurato di rumore misurazione errore.
Il grigio la zona è piuttosto limitato rispetto a il quelli
noi avevo prima, e quello è un molto Buona notizia.
Voi vedere è principalmente Prodotto variazione.
Così il Indicatore R&R e rapporto è piuttosto, partite nostro obbiettivo.
Significato Quello precisione tolleranza rapporto qui è di otto per cento.
e il rapporto precisione/tolleranza è sei volte il Indicatore R&R figura
diviso di il tolleranza di il composto , 400, che è l'otto percento.
Così il precisione è Va bene.
Così Quello questo misurazione sistema è adatto
a essere Usato in qualità controllo per composto uno.
Carino.
Composto uno. Bene.
Voi vedere su il parallelo complotto appena un poco traversata,
tu vedere Quello per Sara, indicando un poco
può essere interazione tra il lotti e operatori.
Bene, per composto Due, noi avere a vedere il stesso cosa Anche meglio.
Così solo 5 per cento di Valutare R&R,
il precisione tolleranza rapporto, 5 per cento,
stesso cosa, molto limitato rumore allineare e no maggiore traversata di il Linee.
Piuttosto parallelo, indicando no operatore pregiudizio, no interazioni.
Modellare il composto uno analisi, noi vedere Quello è principalmente
influenzato di lotto, e anche poco lotto a operatore interazione effetto.
Composto uno e per composto Due.
Bene, adesso noi potere vedere questo molto piccolo
fatto di interazione perché noi avere ridotto il misurazione rumore così molto
adesso, Quello molto piccolo fatti, di corso adesso diventare visibile.
Nel il primo volta noi potevo non vedere esso, noi potevo non rilevare esso.
Ma Quello è perché di un molto povero sperimentale energia.
Ma adesso noi aumentare
il sperimentale energia
sul serio di appena riducendo il sperimentale rumore,
di corso, adesso questo interazione in fatto diventa visibile.
Ma il piccolo uno, tu potere vedere Quello anche
per il collegamento a Sara, il verde linea di Sara,
ma qui anche era un poco problema in il GC
analisi come bene, non solo per il UHPLC, ma anche per il GC analisi.
Bene, quello è un problema a essere affrontato per sbagliato.
Ma adesso è qui.
Quelli Due grafici illustrare abbastanza chiaramente
Quello entrambi misurazione sistemi sono quasi equivalente, i risultati UHPLC
contro il GC risultati.
Noi vedere Quello c'è quasi un Perfetto,
molto Buona correlazione insieme a tutti punti su il metà linea.
Così il pendenza è quasi uno.
È non in modo significativo diverso da uno.
e anche là è un intercettare insieme a il y asse,
è non in modo significativo diverso da zero.
Così il metodo era pronto per convalida, UHPLC è preciso e il
non significativo differenza, quale tu vedere, standard analisi , così molto Bello risultati.
e noi potevo dire Quello il problema insieme a affrontare il problema insieme a MSA e DOE
era molto potente, primo a un Buona, molto Bello soluzione a nostro problema
quale potevo essere implementato, di corso, adesso in produzione.
Grazie per il tuo Attenzione e Se là ci sono domande,
Per favore permettere noi sapere.
