레벨: 고급
Sam Gardner, Elanco Animal Health의 수석 연구 과학자
제약 제품 개발의 많은 상황에서 가장 관련성 있는 데이터는 시간의 함수인 값(곡선)입니다. 곡선을 처리하는 기존 방식은 결과의 시간적 종속성을 무시하고 곡선의 한 측면에만 집중하는 경우가 많습니다. 이로 인해 정보 손실이 발생하는 경우가 많습니다.
곡선 전체를 활용하는 세 가지 분석 접근 방식에 대해 논의합니다. 1) 데이터가 시간에 맞춰 정렬된 경우 다변량 방법을 사용하여 데이터를 특성화할 수 있습니다. 2) 데이터가 매개변수화된 모델로 설명될 수 있는 경우 해당 모델을 각 곡선에 맞추면 새 데이터가 되는 모델 매개변수가 생성됩니다. 3) 곡선의 데이터가 시간에 맞춰 정렬되지 않았거나 매개변수화된 모델로 설명하기에는 너무 복잡한 경우 함수형 데이터 탐색기를 사용하여 각 곡선에 평활화 모델을 맞추고 다시 해당 평활화 곡선 맞춤의 매개변수가 새 데이터가 됩니다. DOE를 이러한 방법과 결합하여 곡선이 DOE 요인에 따라 어떻게 달라지는지 이해할 수 있습니다. 이 발표에서는 JMP를 사용하여 이러한 각 접근 방식을 DOE와 결합하여 제약 제품 개발의 실제 사례를 사용하여 적용하는 방법을 보여줍니다.
예제 2에 대한 JMP 공개 보고서 링크: https://public.jmp.com/packages/Using-a-Parametric-Model-to-Reduce-a-Cur/js-p/f9wjDHcLJQ4C5kF3vsQSl
