재료 연구, 개발 및 제조 분야에서 실험 설계는 원자재 특성과 공정 조건을 평가하는 핵심 단계입니다. 그러나 전통적인 실험 방법을 사용하면 원자재 종류가 늘어남에 따라 실험 횟수도 크게 늘어나고, 이는 결국 시간과 비용의 증가로 이어집니다. 게다가 새로운 재료가 추가되면 실험 설계를 다시 해야 하는 경우가 많아 연구개발의 불확실성이 커진다. 이런 문제를 해결하기 위해 QSAR(Quantitative Structure Activity Relationship) 방법을 실험 과정에 도입하여 데이터 모델링을 통해 원료 선별 및 분석의 효율성을 높이고, 이를 통해 실험 비용을 줄이고 의사 결정 정확도를 높일 수 있습니다.
무엇인가요QSAR방법?QSAR원료 선별에 있어서의 방법의 적용
QSAR(Quantitative Structure-Activity Relationship)은 화합물의 분자 구조와 활성 간의 관계를 바탕으로 수학적 모델을 확립하는 방법입니다. 이 개념은 18세기에 처음 제안되었으며 현재는 약물 개발, 화학, 재료 과학 분야에서 널리 사용되고 있습니다. 기존 QSAR은 주로 화학 구조와 생물학적 활성 간의 관계를 연구하는 데 사용되었지만, 이 사례에서는 분자 구조 데이터를 사용하여 물리적, 화학적 특성으로 적용 범위를 확대하여 원료 스크리닝 및 모델링의 효율성을 개선했습니다.
사례: 에서45원자재 선택12실험 설계
어떤 회사에서 다양한 원료에 대한 제형 실험을 진행하고 싶어하지만, 비용 문제로 인해 45가지 원료를 12가지 로 줄여야 합니다. 이를 위해 연구팀은 QSAR 방법을 사용해 19가지 분자 구조 특성과 2가지 주요 Y 변수를 스크리닝하고 가장 적합한 실험 계획을 설계했습니다. 구체적인 실험 단계는 다음과 같습니다.
1 단계: 범주형 요인을 연속형 요인으로 변환
원료의 화학적 성질은 범주형 변수이므로 ( 그림 1) 과 같이 전문적인 지식과 데이터 분석 경험을 통해 정량화 가능한 연속형 변수로 전환할 필요가 있다. 예를 들어, 분자 구조적 특성을 바탕으로 주요 예측 변수를 추출하여 후속 모델링을 수행합니다.
(그림 1: 각 물질은 해당 분자 구조 데이터를 가지고 있음 )
2 단계: 주성분 분석 (PCA)을 사용한 차원 축소 및 비상관화
다변량 분석에서는 많은 변수가 높은 상관관계를 가질 수 있으며 ( 그림 2) , 이는 모델링의 정확도에 영향을 미칩니다. 따라서 연구팀은 ( 그림 3) 과 같이 차원을 줄이고 공선성 문제를 피하기 위해 주성분 분석 (PCA)을 사용하여 변수를 독립 변수로 변환했습니다. 이 과정은 이후의 모델링과 변수 선택에 도움이 됩니다.
(그림 2) 상관관계 분석
(그림 3) 주성분 분석
3 단계: 맞춤형 디자인을 통해 실험 설계
JMP 에서는 사용자 정의 설계 기능( 그림 4 참조) 을 사용하여 PCA 로 변환된 주성분을 공변량으로 사용하여 최적의 실험 계획을 설계했습니다. 이런 식으로 연구팀은 실험 횟수를 12 회 이내로 성공적으로 조절해 비용과 시간 소모를 크게 줄이는 데 성공했습니다.
(그림 4-1)
(그림 4-2)
(그림 4-3)
4 단계: 모델링을 위해 부탁드립니다 또는 머신 러닝 적용
실험 설계를 완료한 후 부탁드립니다 방법을 사용하여 Prob > van der Voet T 2 에 기반한 6 요인 모형을 선택하거나 ( 그림 5 참조) , 모형 선별 플랫폼 ( 그림 6 참조) 을 사용하여 적합한 예측 모형 방법을 선별하고, 공식을 데이터 테이블에 저장하고, 그래프 아래의 프로파일러 ( 그림 7 참조) 를 사용하여 X 변수와 Y 변수 간의 관계를 파악합니다.
그림 5 부탁드립니다 플랫폼
그림 6 모델 스크리닝 플랫폼
圖7 프로파일러
요약
이 사례는 원자재 선별에 데이터 모델링 기술을 적용하면 R&D 효율성을 크게 개선하고 향후 프로세스 최적화에 대한 가능성을 더 많이 제공할 수 있음을 입증합니다.
이 사례를 통해 연구자는 공정 변수와 함께 실험 설계를 수행하기 위해 변수를 확장할 수 있습니다. 또한, 물질 유형을 스크리닝할 때 QSAR 방법을 사용하면 실험 횟수를 줄일 수 있을 뿐만 아니라 물질에 대한 역방향 검색이 가능해져 원료 스크리닝의 효율성을 크게 개선하고 실험 비용의 낭비를 피할 수 있어 향후 공정 최적화에 대한 가능성이 더 많아집니다. 재료 과학과 데이터 분석 기술의 지속적인 발전으로 이 방법은 기업의 R&D 의사결정 능력을 향상시키고 미래 산업의 업그레이드를 위한 열쇠가 될 중요한 도구가 될 것입니다.
참고문헌
- https://community.jmp.com/t5/Discovery-Summit-Europe-2017/Increase-Efficiency-and-Model-Applicability-Domain-When-Testing/ta-p/36572 2017 프레젠테이션
- https://community.jmp.com/t5/Learn-JMP-Events/JMP-Academic-Webinar-Teaching-Analytics-in-Chemistry-and/ev-p/481604 JMP 학술 웨비나 - JMP를 사용한 화학 및 화학 공학에서의 분석 교육: 실습 소개 사례2
더 많은 학습 자료
