Bonjour toutes les personnes.
Ce présentation volonté être sur Analyse du système de mesure,
et optimisation de une UHPLC M mesure Système.
Présentateurs sont moi même, Franck Deruyck
à partir de HoGent Collège universitaire de Appliqué Les sciences,
et également Volker Kraft à partir de JMP Académique Programme
volonté prendre se soucier de la démos
démontrer la JMP outils pour Les données Analyse.
D'accord. le problème déclaration et la description.
Bien, dans une chimique entreprise,
juste [inaudible] chimique entreprise,
la présentation a été inspiré par une stage de une élève
et une entreprise chimique, et de cours la Matériel eu pour être conservé confidentiel.
Alors je juste volonté parler sur le produit chimique entreprise,
et également la Les figures sont une peu bit modifié, mais non problème.
Quoi est la déclaration?
Eh bien, SPC révélé important grouper pour grouper variation dans cru Matériel
et a causé problèmes dans le produit qualité.
Alors ce, d'accord,
là a été une publier avec la le fournisseur ce a été nécessaire ce tous fourni lots,
ce a été nécessaire pour analyser leur tous.
Mais de cours une problème est ce
là a été une aussi lent Analyse procédure GC,
et une méthode d'analyse UHPLC rapide est en dessous de développement,
a été dans développement, mais ne pas prêt
pour validation car de aussi fort la mesure variation.
Et la but de ce étude est pour spécifier robuste et optimal réglages
de la méthode UHPLC alors ce validation de la Nouveau méthode volonté être possible.
Merci, Franc.
Travaillant avec la JMP académique équipe pour Suite que Dix années à présent,
nous aidé de nombreux Université professeurs à l'échelle mondiale pour avoir accéder pour JMP licences
pour enseignement, mais également pour enseignement Ressources aimer la Cas étude bibliothèque
à le lien, jmp.com/cases,
professeurs avoir libre accéder pour Suite plus de 50 cas,
chaque récit une récit sur une réel monde problème
et une étape par étape Solution, y compris la Les données ensembles et des exercices.
Quoi nous cadeau aujourd'hui est disponible comme une séries de Trois Cas études,
mise au point au statistique contrôle de processus,
la mesure systèmes Analyse, et conception de expériences.
Tandis que Franc volonté parler sur la problème
et la Solution elles ou ils développé pour une Pharmacie entreprise dans La Belgique,
je volonté démo quelque de la Analyse pas en utilisant JMP Pro.
Laisser moi dire remercier toi pour Franc pour partage celles-ci cas avec la académique communauté,
OMS vraiment Bienvenue tel monde réel exemples
à venir à partir de praticiens dans le industrie.
je également vouloir pour remercier Murali, de notre équipe académique en Inde,
OMS pièces une clé rôle dans améliorer notre Cas étude bibliothèque
aimer la développement de celles-ci cas ensemble avec Franc.
D'accord, ici dans ce parcelle vous voyez très clairement la illustration la problème.
Alors Quel ici est montré est une parcelle de la des mesures de la Nouveau méthode UHPLC,
mais non- optimisé et également comme une une fonction de la la mesure
de la CG la norme méthode, lequel a été très précis et précis.
Et toi pouvez clairement voir ce là sont quelque problèmes.
Alors différent les opérateurs fabriqué quelque des mesures au différent lots
et tu peux voir ce la prédiction intervalles sont assez grande.
Toi voir une intervalle parfois plus de 100 milligrammes par litre.
Et toi pouvez également voir ce parfois c'est ne pas dégager qu'il s'agisse une mesure
est conforme aux spécifications, aimer au la la gauche graphique toi pouvez voir ce
et également au la droit graphique toi pouvez voir il y a également rapports avec précision
signification ce il y a une sérieux problème,
et d'abord de tous nous volonté explorer la causes profondes des variations
en utilisant la mesure système Analyse,
la causes de variation, et également la BICHE volonté utiliser optimisé
selon les statistiques en pensant concept
lequel volonté être illustré dans le suivant diapositives.
Toi voir la statistique problème résolution du flux de processus.
Alors pour la Coût de la problème,
la problème avec notre tu CLHP la mesure Erreur,
nous volonté s'attaquer à ce par analyse du système de mesure,
et pour exportation la variation racine causes, je mai utiliser bien sûr DOE,
également pour optimiser la traiter réglages de la tu CLHP système.
le méthode On le fera utiliser pour quantifier la variation sources est
la la mesure système Analyse, et certaines théorie je volonté Afficher.
Alors c'est sur la quantifier de la variance Composants de la total variance.
Total variance moyens la variance par toute mesure,
par différent les opérateurs, différent des produits.
Alors nous avoir deux différents composants,
la produit variation,
Sigma carré produit, et la la mesure variation.
le la mesure variation très important est également décomposé
dans deux important Composants, la répétabilité la variance
payable pour manque de précision par répété
des mesures, et également la valeurs compris entre les opérateurs.
Alors la Sigma carré grande R lequel est la reproductibilité.
Et très important critère dans commande t chapeau, désolé,
important critère
indiquant ce la la mesure système est seulement qui convient pour détection des variations
dans la processus, processus variation, est ce la pour cent g jauge R&R, lequel est la
la mesure Erreur divisé par la total Erreur, devrait être moins que 10 pourcent.
Alors la fraction de la mesure Erreur a été
au dessous de 10 pourcent total de la total variation.
Puis nous pouvez utiliser ce pour traiter suivre en haut.
Si c'est ne pas la Cas, ce est plus haute,
ensuite nous Cours la risque ce nous volonté contrôler notre traiter
au la mesure variation, et de cours ne pas une très sain publier.
Alors ce devoir être plus bas que 10 pourcent, c'est la principale critère.
D'accord, laisser moi va pour suivant faire glisser.
Et pour ce nous volonté utiliser une Jauge R&R étude, une étude Gauge R&R
est principalement une conception expérimentale,
alors ce nous volonté sélectionner Trois opérateurs aléatoires,
John, Laura, et Sarah,
OMS volonté fais répété des mesures deux fois au quatre différent lots chaque.
Nous avons donc fait,
nous avoir été pouvoir pour quantifier la dans la variation de l'opérateur
répétabilité, la reproductibilité, la compris entre variante d'opérateur,
et également la produit variante, la variation compris entre lots.
Alors, Volker, je vais partir la sol pour toi à présent.
D'accord. Remercier toi, Franc.
Et avant de je volonté viens pour MSA,
je voudrais aimer pour brièvement couverture qu'est-ce que c'est inclus dans la première partie de la séries,
à savoir contrôler graphiques et traiter aptitude.
Alors ce est une de la Les données ensembles ici
mesure la deux composés, notre continu réponses,
composé une et composé deux, en utilisant la bien mais lent CG méthode.
Alors Les données a été collecté plus de huit journées,
avec deux lots par journée et pour deux différent vendeurs, UNE et B
Alors lorsque la équipe a débuté,
la première activité a été pour Chèque et confirmer normalité de la Les données
pour ce, elles ou ils regardé à Ordinaire quantile parcelles.
Ils également équipé une Ordinaire Distribution.
D'accord, Pardon pour ce.
Alors elles ou ils regardé à une Ordinaire quantile parcelle,
et elles ou ils également équipé une Ordinaire Distribution suivi par une bonté de essai d'ajustement.
Et là a été rien critique à partir de ce Analyse.
Explorant distributions, la problème devenu dégager.
Alors en regardant à Les données à partir de différent journées, nous pouvez voir une énorme
grouper par grouper variation, même pour lots à venir à partir de la même journée.
Et ce moyens ce processus électronique surveillance est ne pas possible
car
la variabilité de ce CG méthode était élevé
et la méthode a été aussi lent.
Alors ce nécessaire une parcelle de temps
pour surveiller la lots.
Et donc une équipe activité a été
pour travailler ensemble avec la vendeurs et les autres pour réduire ce variation.
Et une autre activité,
lequel est décrit dans la autre les pièces de la étude, enquêté une méthode plus rapide,
comme mentionné par Franc, en utilisant la Nouveau UHPLC la mesure méthode.
Alors juste en regardant une bit Suite dans la vieux méthode, la CG méthode.
Alors la équipe regardé à une dimensionnel
contrôler graphiques et également traiter aptitude pour tous les deux composés, de cours,
et elles ou ils également regardé à multivarié et maquette conduit
contrôler graphiques.
Et ici nous voir ce là étaient quelque extrême points dans une multi dimensionnel
Analyse, et elles ou ils pouvait également voir la contributions de la différent
composés ou réponses.
Ce est la conclusion de la première enquête en utilisant la vieux méthode.
Alors ici la résultat a été ce
tous les deux processus en regardant à la traiter performance ici, ce tous les deux processus,
alors composé UNE et composé B, étaient incapable mais stable.
Pour vendeur UNE
et pour vendeur B,
nous voir ce composé une a été même instable Suivant celles-ci couleurs ici.
Alors tous de ce motivés la équipe pour améliorer la la mesure traiter.
Et ce apporte nous pour partie deux de ces séries
et ce est sur en cours d'analyse la la mesure système.
Alors ce Les données ici étaient collecté pour tous la combinaisons, répété deux fois,
compris entre quatre lots et Trois les opérateurs,
en utilisant la Nouveau UHPLC la mesure méthode.
Alors la but ici a été pour mesure tous
lots de cru Matériel en utilisant ce plus rapide méthode et peut être pour Autoriser quelque
surveillance en ligne de la cru Matériel dans la avenir.
Alors pour avoir a débuté avec la Nouveau Les données,
la équipe regardé à une deux façon ANOVA, et ce mai tromper toi.
Ce sortir.
Alors au tous les deux composés,
composé une et deux, la grouper effet est très important.
Alors c'est bien nouvelles.
Et également la opérateur effet et la interaction compris entre grouper et opérateur,
celles-ci effets sont non- important, mais la RMSE est assez haut.
Alors ce moyens ce nous sont peut être en regardant à Les données
et les effets que nous sont également intéressé dans sont justes caché par bruit.
Alors avant de toi voir à tel une Analyse,
la première question devrait être où est la variation dans notre Les données à venir à partir de?
Et seconde, sont nous mesure la signal?
Sont nous vraiment en regardant à la signal ou sont nous juste mesure bruit?
Et pour avoir une idée sur ce,
une parfait visualisation de la motifs de variation est une variabilité graphique.
Et pour celles-ci deux sources de variation, grouper et opérateur,
ici nous voir tous la Les données points pour tous les opérateurs et tous lots.
Alors nous avoir deux des mesures par grouper par opérateur.
Et pour celles-ci deux, nous voir la signifier.
Nous également voir la grouper signifier pour une opérateur et nous également voir la globalement signifier.
C'est la pointé ligne ici pour tous notre des mesures.
Et nous pouvez voir à ce pour tous les deux composés, de cours.
Alors ici, pour exemple, pour composé deux, nous voir ce Laura a
variation assez élevée, à moins par rapport pour la autre deux les opérateurs.
Alors c'est une visuel Analyse.
La méthode et la procédure d'analyse à utiliser
pour avoir une mieux aperçu dans la la mesure du système performance
est une MSA ou la mesure systèmes Analyse.
Et ce a été également terminé pour la non- optimisé tu Méthode CLHP.
Alors ici, pour exemple,
pour la première composé, nous voir ce moyen graphique
et ce graphique spectacles la Les données ensemble avec la contrôler limites
ou avec la bruit bande.
Et Quel nous voir ici est ne pas bien nouvelles du tout,
car notre des mesures, notre Les données est dans ce bruit bande,
alors ce volonté être vraiment dur pour détecter quelconque signal avec ce bruit niveau.
Une autre sortir est ce parallélisme parcelle.
Alors ici nous pouvez Chèque interactions compris entre lots et les opérateurs et ce voudrais
indiquer une interaction si quelque de celles-ci lignes sont ne pas parallèle.
Et ce est la PEM méthode.
Alors ce des stands pour évaluer le processus de mesure
et toi Probablement connaître ce comme Jauge R&R sortir.
Et c'est Quel également Franc mentionné.
Alors ici nous voir la signal, c'est la produit variation,
mais nous également voir la la mesure variation
diviser dans répétabilité et reproductibilité.
Et ici pour la première composé,
nous voir ce nous sembler pour avoir une publier avec répétabilité.
Alors la même opérateur Faire la même la mesure de nouveau.
Et pour la seconde composant,
nous voir ce il y a également une léger publier avec reproductibilité comme bien.
Alors celles-ci sont des mesures compris entre différent les opérateurs.
Alors la conclusion ici est ce la système de mesure
ou la la mesure traiter est incapable pour détecter quelconque qualité changement causé
par une important systématique variation compris entre notre lots.
Et avec ce, je main arrière pour Franc.
D'accord, remercier toi, Volker.
je pense nous pouvez changement pour suivant diapositives car c'est Quel nous discuté.
D'accord, c'est Quel toi montré, Volker, c'est également dans la diapositives.
D'accord, Oui ici nous pouvez démarrer.
Et nous démarrer avec première de tous, dans la conception de expériences,
la optimisation étude, la traiter amélioration étude.
Et premier o F tous,
dans commande pour mieux spécifier notre expérimental buts, nous devrait première de tous
va pour la racine causer Analyse pour la haut la mesure Erreur.
le laboratoire équipe,
après un brainstorming avec l'équipe du labo,
ce venu en dehors ce étaient deux principale
racine causes, une lien pour la équipement et une lien pour la méthode.
Et la une lien pour la équipement a été
la principale la source pour pauvre répétabilité car ce a été une très fort publier
avec instable colonne Température et éluant débit,
l'UHPLC utilise colonne, c'est une chromatographique technique,
et également une éluant faire la séparation,
pour mener la composés pour la colonne et Fabriquer séparation possible.
Comme une question de fait ce a été dérive compris entre
différent expériences et même dans une expérience.
Ce résultats de cours dans une pauvre répétabilité.
Et la première tâche, de cours, de la équipe de laboratoire
a été pour stabiliser de cours la colonne Température et éluant.
Parce que si toi va pour quelconque conception expérimentale,
de cours, nous besoin pour avoir fixé réglages de la Température
et éluant débits, lequel sont de cours deux important les facteurs.
Pour la seconde publier,
la méthode car, outre la la stabilité problème,
lequel de cours a été fixé, là a été également une publier avec
basse résolution car de non- optimisé Analyse traiter réglages lequel étaient assez
meugler et également instable, signification ce lorsque nous Fabriquer petit changements pour débit
et Température, là étaient parfois énorme changements
également en résolution, indiquant ce là a été également ne pas seulement
optimal problème mais également une problème avec robustesse.
Alors la but a été spécifier ne pas seulement optimal réglages mais également robuste réglages.
Alors la variation de la résolution devrait
être minimal comme une une fonction de quelque variation environ la réglages
du processus, de la pratique, de la Analyse.
Allons juste à présent va pour la BICHE.
Et l'objectif, bien sûr, du DOE est que
nous spécifier la réponse variable est Oui, la composé concentration
dans la la norme échantillons, et nous avoir pour Fabriquer des modèles de ce Y,
la composé concentration est une une fonction de la UHPLC contrôler les facteurs.
Et une fois que nous avoir la équations,
nous pouvez ensuite de cours va pour optimisation, et Quel est le optimisation critère?
Nous volonté utiliser la qualité P plus de J rapport critère.
Ce moyens ce,
que notre,
fraction de la Erreur
dans la tolérance intervalle devrait être plus bas que 10 pourcent.
Si toi avoir la tolérance gammes de notre composés lequel sont spécifié,
composé une
dans la la norme goûter était un 300 milligrammes par litre
plus ou moins 200 milligrammes par litre,
ensuite nous avoir pour Fabriquer Bien sur ce et également la, Pardon, la la norme goûter, deux,
deux normes échantillons, la cible de composé deux et la la norme
goûter deux est 450 plus ou moins 150 ppm spécification limites.
Et de cours si toi vouloir pour atteindre 10 pourcent
de ce spécification gammes, ce moyens ce d'accord, nous avoir pour
étant donné notre désirabilité une fonction pour optimisation, est ce d'accord?
Pourquoi devrait rencontre cible composé concentration plus bas que 10 pourcent?
Signification ce pour la norme goûter une là
devrait être 300 plus ou moins 20 ppm, 20 milligrammes par litre .
Et pour la norme goûter deux la composé la concentration doit être
450 plus ou moins 15 milligrammes par litre
c'est la critère pour optimisation.
Alors comme pour notre maquette obtenir ensemble avec laboratoire experts.
le les facteurs sont la principale effets, la principale effets et tous quadratique effets.
Et la principale effets sont la Température de la colonne,
avec la intervalle 25 pour 35 degrés Celsius, éluant couler taux,
cinq pour 15 milligrammes par millilitre, et également un dégradé.
Quoi est un dégradé ?
Bien ce moyens ce là est une additif, Acétronitrile, en la éluant et ce
concentration de ce Acétonitrile augmente à mesure que une une fonction de la le volume,
ajoutée comme une une fonction de couler, la le volume, par la colonne.
Ce moyens
à partir de le volume zéro et une millilitre c'est une intervalle compris entre cinq et 20 pour cent.
Et une fois que la le volume est cinq pour six millilitres,
on a une intervalle de 35 pour 70 pour cent de Acétonitrile dans l'éluant.
Également une important facteur est la UV longueur d'onde .
le détecteur est par UV et ce devrait être contrôlé compris entre 192 et 270.
Et réflexion avec la laboratoire experts, OMS a fait déjà assez quelque préliminaire
expériences et eu quelque expérience avec la UHPLC,
comme une question de fait, seulement deux interaction effets étaient choisi.
C'est la Température et éluant débit et également
la éluant débit interagir avec tous pente les facteurs spécifié au dessus.
Alors ce moyens ce la conception choisi
pour rencontrer la buts et pour maquette, et pour spécifier la maquette paramètres.
Ce a été la Douane conception, et Volker volonté illustrer Quel conception a été sur.
D'accord.
Remercier toi Franc.
Alors en parlant sur la la troisième partie de ce Cas étude séries lequel est sur conception
expérience et Quel nous appris alors loin est ce nous avoir pour réduire la la mesure
variation lequel est causé par ce non optimisé UHPLC méthode.
Et ce méthode pouvez être décrit, comme Franc pointu en dehors, par celles-ci contrôler réglages
ou processus réglages, aimer Température et alors au.
Alors nous également vouloir notre réponses rester dans leur limites.
Alors ce suit la règle des 10% comme étant donné par Franck,
et celles-ci limites sont également ajoutée pour notre Les données.
Alors pour conception tel une expérience la équipe regardé à une définitive dépistage conception.
Alors ce une ici, et également ajoutée Douane conception et tous les deux avec 25 Les manches.
Alors comparant tous les deux conceptions, elles ou ils utiliser la comparer conception Plate-forme,
et toi pouvez voir nombreuses les raisons lequel sont dans favoriser de la Douane conception.
Alors ici, pour exemple, pour principale effets nous voir légèrement mieux Puissance pour la DDS.
Mais pour la autre plus haute commande effets nous voir
vraiment une haut avantage pour la Douane conception.
Même ici, en regardant à la fraction de la conception
espacer nous voir ce la Douane conception est Faire mieux.
Toi pouvait également voir à la cartes de corrélation,
et finalement, la Efficacité est également dans favoriser de la Douane conception.
Et pour ce raison la équipe utilisé la Douane conception,
une Douane conception pour celles études.
Alors ici nous avoir la complété Les données
pour la Douane conception, complété avec tous les deux réponse des mesures.
Et pour ce nous également avoir
la correspondant linéaire maquette.
Alors ici pour la première réponse,
composé une, et pour composé deux, tous les deux avec leur profileurs de cours.
Et voici une profileur combiné
avec tous les deux réponses à la initiale, juste la milieu réglages.
Et par maximiser la désirabilité,
alors je voudrais avoir pour la optimal réglages et nous voir ce nous sont correspondant à
tous les deux cibles ici, 300 et 450 respectif, nous sont correspondant à leur à la perfection.
Cependant, nous également voir assez grande sensibilité indicateurs.
Celles-ci sont la mauve Triangles, et elles ou ils sont récit nous ce à la optimal indiquer,
notre réponse surface est assez tremper dans quelque dimensions
et ce réduit la robustesse de notre traiter
en cas de quelque Aléatoire variation de notre traiter réglages.
Et ce pouvez être plus loin analysé par ajouter
la simulateur pour ce profileur et ce est terminé ici.
Alors ici la simulateur
définit la Aléatoire variation lequel a été défini par notre traiter experts.
Et juste en gardant la milieu réglages, plus ce Aléatoire variation, simuler
10 000 de réponse valeurs nous voir ce tous de notre réponse valeurs sont en dehors de spéc.
Celles-ci sont tous défauts. De cours, nous sont juste à la milieu réglages ,
donc rien de mieux pour attendre ici.
Commutation pour nos réglages optimaux et simuler de nouveau.
Alors à présent nous voir ce la défaut taux pour être attendu est au dessus 12 pour cent.
Alors à partir de ici la robustesse pouvez être encore amélioré,
Soit manuellement, en utilisant la profileur et la simulateur
et la sensibilité indicateurs, ou automatiquement par fonctionnement
une expérience de simulation lequel est également construit dans celles profils.
Alors la équipe utilisé une Manuel approcher
et celles-ci sont la robuste réglages.
Ils venu en haut avec celles-ci rouge réglages ici.
Et si je simuler de nouveau, §nous voir ce la défaut taux
à présent gouttes au dessous de un pourcent.
Alors ce est une Monte Carlo simulation, c'est tous Aléatoire alors la défaut taux changements
légèrement avec chaque Nouveau simulation, et toi pouvez également voir comment la histogrammes
de notre simulé réponse Les données se comporter assez bien.
Alors elles ou ils sont dans notre intervalle, dans notre limites
lequel Support ce 10 pourcent régner.
Et, à celles-ci
robuste réglages.
Alors Aller arrière pour la autre profileur.
Alors ici je également avoir
quelque contour parcelles en utilisant la contour profileur, et elles ou ils pouvez également être utilisé
pour mieux comprendre la meilleur Régions pour la En traitement et pour configuration
la traiter et celles-ci sont typiquement la blanche Régions lequel apporter
la dans les spécifications Régions pour une combinaison de deux contrôler les facteurs.
Et je espérer toi aimer ce voyage,
et avec ce je main plus de arrière pour Franc pour discuter ce résultat.
D'accord, remercier toi, Volker.
Alors,
à présent nous pouvez va pour la validation expérience,
de cours, une fois que nous optimiser la réglages
à présent nous pouvez Fabriquer une expérience pour Chèque qu'il s'agisse vraiment la des mesures de la Nouveau
UHPLC système et la CG Analyse sont équivalent.
Alors pour ce, de nouveau, nous ensemble en haut une jauge R&R étude,
mesurant aussi un
lequel est assez similaire pour la une
discuté avant de mais également à présent nous Fabriquer des mesures avec la CG dans commande
pour comparer la deux des mesures méthodes. Toi voir ici également inclus comme une supplémentaire
facteur dans la jauge R&R est la instrument facteur.
D'accord.
Alors ici sont la résultats et toi pouvez voir
vraiment ce nous Fabriquer assez une amélioration ce toi voir dans la Jauge de résultats R&R.
Ce le principal variation est maintenant produit variation.
Toi voir ce à présent la grouper variation est non Suite obscurci par bruit la mesure Erreur.
le grise région est assez étroit par rapport pour la ceux
nous eu avant de, et c'est une très bien nouvelles.
Toi voir c'est surtout produit variation.
Alors la Jauge R&R et rapport est assez, allumettes notre cible.
Signification ce précision tolérance rapport ici est sur huit pour cent.
Et la rapport précision/tolérance est six fois la Jauge R&R chiffre
divisé par la tolérance de la composé , 400, soit huit pour cent.
Alors la précision est bien.
Alors ce ce la mesure système est qui convient
pour être utilisé dans qualité contrôler pour composé une.
Agréable.
Composé une. D'accord.
Toi voir au la parallèle parcelle juste une peu traversée,
toi voir ce pour Sarah, indiquant une peu
peut être interaction compris entre la lots et les opérateurs.
D'accord, pour composé deux, nous avoir pour voir la même chose même mieux.
Alors seulement 5 pour cent de Jauge R&R,
la précision tolérance rapport, 5 pour cent,
même chose, très étroit bruit intervalle et non Majeur traversée de la lignes.
Assez parallèle, indiquant non opérateur biais, non interactions.
Modélisation de la composé une Analyse, nous voir ce c'est surtout
influencé par grouper, et également peu grouper pour opérateur interaction effet.
Composé une et pour composé deux.
D'accord, à présent nous pouvez voir ce très petit
fait d'interaction car nous avoir réduit la la mesure bruit alors beaucoup
à présent, ce très petit les faits, de cours à présent devenir visible.
Dans la première temps nous pouvait ne pas voir ce, nous pouvait ne pas détecter ce.
Mais ce est car de une très pauvre expérimental Puissance.
Mais à présent nous augmenter
la expérimental Puissance
sérieusement par juste réduire la expérimental bruit,
de cours, à présent ce interaction dans fait devient visible.
Mais la petit une, toi pouvez voir ce également
pour la lien pour Sarah, la vert ligne de Sarah,
mais ici également a été une peu problème dans la CG
Analyse comme bien, ne pas seulement pour la UHPLC, mais également pour la CG Analyse.
D'accord, c'est une publier pour être abordé pour tort.
Mais à présent c'est ici.
Celles deux graphiques illustrer équitablement clairement
ce tous les deux la mesure systèmes sont presque équivalent, les résultats UHPLC
contre la CG résultats.
Nous voir ce il y a presque une parfait,
très bien corrélation avec tous points au la milieu ligne.
Alors la pente est presque une.
C'est ne pas significativement différent à partir de une.
Et également là est une intercepter avec la y axe,
est ne pas significativement différent à partir de zéro.
Alors la méthode a été prêt pour validation, UHPLC est précis et la
non significatif différence, lequel toi voir, la norme Analyse , alors très agréable résultats.
Et nous pouvait dire ce la problème avec s'attaquer la problème avec MSA et DOE
a été très puissant, premier pour une bien, très agréable Solution pour notre problème
lequel pouvait être mis en œuvre, de cours, à présent dans production.
Merci pour ton attention et si là avez-vous des questions,
s'il te plaît laisser nous connaître.
