Questa presentazione è un adattamento di un intervento tenuto da Silvio Miccio a JMP Discovery Europe nel 2017. Il video inizia con una descrizione dei passaggi che seguirò nella demo. Di seguito alcune informazioni di base sul video:
Alcune citazioni
- Deming – “La statistica è troppo importante per essere lasciata agli statistici” (Analytics)
- Box – “Tutti i modelli sono sbagliati, ma quanto devono essere sbagliati per non essere utili?”
- Autore sconosciuto – "Non innamorarti delle tue modelle. Non ti ameranno più" – Le cose cambiano!
- Carly Fiorina – “L’obiettivo è trasformare i dati in informazioni e le informazioni in approfondimenti.”
- John Sall (il creatore di JMP) - "I dati raramente rivelano facilmente tutte le loro informazioni. Bisogna esplorarli. Bisogna utilizzare più strumenti. Il processo dovrebbe essere il più semplice possibile e gli strumenti il più potenti possibile."
Introduzione
Quando si testano opzioni di diverse materie prime o ingredienti di formulazione, una pratica comune è quella di variarle come variabili categoriali multilivello, ad esempio A, B, C, ecc. In questo scenario, per identificare il miglior materiale candidato, è necessario testare tutte le opzioni. Di conseguenza, sono necessari test fisici che richiedono molto tempo e il modello risultante è applicabile solo per prevedere le opzioni testate, ma non per quelle con proprietà fisico/chimiche diverse.
Un approccio molto più efficiente consiste nel progettare l'esperimento in base alle proprietà fisiche/chimiche di ogni nuova opzione di materiale. Ciò può ridurre significativamente il numero di condizioni sperimentali richieste e si traduce in un modello empirico sostenibile in grado di prevedere opzioni non testate in precedenza.
Esempio di set di dati utilizzato in questa presentazione
- 45 opzioni di materie prime, che rappresentano un potenziale miglioramento di un ingrediente della formulazione del prodotto
- Le opzioni dei materiali possono essere descritte da 19 descrittori fisici e chimici (un fattore categoriale a due livelli è stato codificato come -1/1)
- Due risposte da ottimizzare (Y1 max, Y2 min)
Procedura di prova tipica
- Testare (ogni) opzione di materia prima nella formulazione di base
Obiettivo
- Prevedere il materiale ottimale (anche opzioni che potrebbero non essere ancora fisicamente disponibili)
- Identificare le opzioni di materiale disponibili più vicine all'ottimale complessivo
- Stabilire un modello empirico sostenibile che sia anche in grado di prevedere nuove opzioni di materie prime
- Questo approccio si basa su un'applicazione chemiometrica nota come QSAR (Quantitative Structure-Activity Relationship)
Esempi di proprietà fisiche e chimiche
- Mw – Peso molecolare
- C – il numero di atomi di carbonio all’estremità idrofobica del tensioattivo
- Griffin HLB – l'equilibrio idrofilo-lipidico (HLB) secondo Griffin
- CMC – concentrazione micellare critica
- Numero di catene……
Riepilogo
- Comprimi le informazioni disponibili riguardanti le proprietà fisiche e chimiche di diverse opzioni tramite i componenti principali degli esperimenti. Seleziona gli "angoli della casella" per testare materie prime rappresentative in base al design.
- Selezionare gli “angoli della scatola” per testare materie prime rappresentative in base al Design of Experiments
- Modellare i dati tramite PLS (o altri metodi di modellazione appropriati)
- Trova la soluzione ottimale complessiva
- Identificare le opzioni fisiche disponibili più vicine alla soluzione ottimale calcolata
→ Sperimentazione altamente efficiente
→ Modello empirico sostenibile basato sulle proprietà fisico/chimiche
→ Prevede le proprietà ottimali delle materie prime anche se il materiale è identificato come ottimale
Table with ChemicalBiological Properties (non P&G Example)Tabella con proprietà chimico-biologiche (esempio non P&G) Tabella con proprietà chimico-biologiche (esempio non P&G)
