Nel campo della ricerca, dello sviluppo e della produzione dei materiali, la progettazione sperimentale è una fase fondamentale per valutare le proprietà delle materie prime e le condizioni di processo. Tuttavia, i metodi sperimentali tradizionali aumenteranno notevolmente il numero di esperimenti man mano che aumenta il numero di tipologie di materie prime, con conseguente aumento di tempi e costi. Inoltre, quando vengono aggiunti nuovi materiali, spesso è necessario rifare la progettazione sperimentale, aumentando l'incertezza della ricerca e sviluppo. Per risolvere questo problema, è possibile introdurre il metodo QSAR (Quantitative Structure Activity Relationship) nel processo sperimentale per migliorare l'efficienza dello screening e dell'analisi delle materie prime attraverso la modellazione dei dati, riducendo così i costi sperimentali e migliorando l'accuratezza del processo decisionale.
Cosa èQSARmetodo?QSARApplicazione del metodo nello screening delle materie prime
QSAR (Quantitative Structure-Activity Relationship) è un metodo per stabilire un modello matematico basato sulla relazione tra la struttura molecolare e l'attività di un composto. Questo concetto fu proposto per la prima volta nel XVIII secolo ed è oggi ampiamente utilizzato nello sviluppo di farmaci, nella chimica e nella scienza dei materiali. La tecnica QSAR tradizionale è utilizzata principalmente per studiare la relazione tra struttura chimica e attività biologica, ma in questo caso il suo ambito di applicazione si estende alle proprietà fisiche e chimiche, utilizzando i dati sulla struttura molecolare per migliorare l'efficienza dello screening e della modellazione delle materie prime.
Caso: Da45Selezione delle materie prime12Progettazione sperimentale
Un'azienda desidera condurre esperimenti di formulazione su diverse materie prime, ma per motivi di costo deve ridurre 45 materie prime a 12 . A tal fine, il team ha utilizzato il metodo QSAR per esaminare 19 caratteristiche della struttura molecolare e 2 variabili Y chiave e ha progettato il miglior piano sperimentale. Di seguito sono riportate le fasi sperimentali specifiche:
Passaggio 1 : convertire i fattori categoriali in fattori continui
Poiché le proprietà chimiche delle materie prime sono variabili categoriali, è necessario convertirle in variabili continue quantificabili attraverso conoscenze professionali ed esperienza di analisi dei dati, come mostrato nella ( Figura 1) . Ad esempio, sulla base delle caratteristiche strutturali molecolari, vengono estratte variabili predittive chiave per consentire la modellazione successiva.
(Figura 1: Ogni materiale ha i dati corrispondenti sulla struttura molecolare )
Fase 2 : Riduzione della dimensionalità e decorrelazione mediante analisi delle componenti principali (PCA)
Nell'analisi multivariata, molte variabili possono essere altamente correlate ( Figura 2) , influenzando l'accuratezza della modellazione. Pertanto, il team di ricerca ha utilizzato l'analisi delle componenti principali (APC) per trasformare le variabili in variabili indipendenti, come mostrato nella ( Figura 3) , per ridurre la dimensione ed evitare problemi di collinearità. Questo processo facilita la successiva modellazione e selezione delle variabili.
(Figura 2) Analisi di correlazione
(Figura 3) Analisi delle componenti principali
Fase 3 : Progettare l'esperimento tramite progettazione personalizzata
In JMP , la funzione Custom Design ( come mostrato nella Figura 4) è stata utilizzata per progettare il piano sperimentale ottimale utilizzando le componenti principali trasformate da PCA come covariate. In questo modo, il team di ricerca è riuscito a controllare il numero di esperimenti con un'accuratezza di 12 volte, riducendo significativamente i costi e i tempi richiesti.
(Figura 4-1)
(Figura 4-2)
(Figura 4-3)
Passaggio 4 : applicare PER FAVORE o apprendimento automatico per la modellazione
Dopo aver completato la progettazione sperimentale, utilizzare il metodo PER FAVORE per selezionare un modello a 6 fattori basato su Prob > van der Voet T 2 ( come mostrato nella Figura 5) , oppure utilizzare la piattaforma di screening del modello ( come mostrato nella Figura 6) per selezionare metodi di modellazione predittiva idonei, salvare la formula nella tabella dati e utilizzare il Profiler in Grafico ( come mostrato nella Figura 7) per comprendere la relazione tra la variabile X e la variabile Y.
Figura 5 Piattaforma PLS
Figura 6 Piattaforma di screening del modello
圖7 Profilatore
riepilogo
Questo caso dimostra che l'applicazione della tecnologia di modellazione dei dati allo screening delle materie prime può migliorare significativamente l'efficienza della ricerca e sviluppo e offrire maggiori possibilità per l'ottimizzazione futura dei processi.
Attraverso questo caso, i ricercatori possono espandere le variabili per condurre la progettazione sperimentale insieme alle variabili di processo. Inoltre, l'utilizzo del metodo QSAR durante lo screening dei tipi di materiali non solo riduce il numero di esperimenti, ma consente anche la ricerca inversa dei materiali, che può migliorare significativamente l'efficienza dello screening delle materie prime ed evitare sprechi di costi sperimentali, offrendo maggiori possibilità per l'ottimizzazione futura dei processi. Grazie al continuo progresso della scienza dei materiali e della tecnologia di analisi dei dati, questo metodo diventerà uno strumento importante per le aziende per migliorare le loro capacità decisionali in materia di ricerca e sviluppo e la chiave per il futuro ammodernamento industriale.
Riferimenti
- https://community.jmp.com/t5/Discovery-Summit-Europe-2017/Aumentare-l-efficienza-e-il-dominio-di-applicabilità-del-modello-durante-i-test/ta-p/36572 Presentazione del 2017
- https://community.jmp.com/t5/Learn-JMP-Events/JMP-Academic-Webinar-Teaching-Analytics-in-Chemistry-and/ev-p/481604 Webinar accademico JMP: insegnamento dell'analisi in chimica e ingegneria chimica con JMP: un'introduzione pratica Case2
Ulteriori risorse di apprendimento
