이 프레젠테이션은 2017년 실비오 미치오(Silvio Miccio)의 JMP Discovery Europe 강연을 바탕으로 제작되었습니다. 영상은 데모에서 수행할 단계에 대한 설명으로 시작합니다. 다음은 영상에 대한 간략한 배경 설명입니다.
몇 가지 인용문
- 데밍 - "통계는 통계학자에게만 맡겨둘 수 없을 만큼 중요하다"(분석)
- 상자 - "모든 모델은 틀렸지만, 얼마나 틀렸어야 쓸모없을까?"
- 작성자 미상 - "모델과 사랑에 빠지지 마세요. 모델도 당신을 사랑하지 않을 거예요." - 세상은 변해요!
- 칼리 피오리나 - "목표는 데이터를 정보로, 정보를 통찰력으로 전환하는 것입니다."
- 존 살(JMP 개발자) - "데이터가 모든 정보를 쉽게 드러내는 경우는 드뭅니다. 데이터를 탐색해야 하고, 여러 도구를 사용해야 합니다. 프로세스는 가능한 한 간단해야 하고, 도구는 가능한 한 강력해야 합니다."
소개
다양한 원료 또는 제형 성분의 옵션을 시험할 때, 일반적인 관행은 A, B, C 등의 다단계 범주형 변수로 변수를 변경하는 것입니다. 이러한 시나리오에서는 최적의 후보 물질을 식별하기 위한 실험이 진행되므로 모든 옵션을 시험해야 합니다. 결과적으로 시간이 많이 소요되는 물리적 시험이 필요하며, 결과 모델은 시험된 옵션만 예측할 수 있고, 물리적/화학적 특성이 다른 옵션은 예측할 수 없습니다.
훨씬 더 효율적인 접근 방식은 각각의 새로운 재료 옵션의 물리적/화학적 특성을 기반으로 실험을 설계하는 것입니다. 이를 통해 필요한 실험 조건의 수를 크게 줄일 수 있으며, 이전에 테스트되지 않은 옵션을 예측할 수 있는 지속 가능한 경험적 모델을 얻을 수 있습니다.
이 프레젠테이션에서 사용된 예제 데이터 세트
- 제품 제형의 한 성분을 잠재적으로 개선할 수 있는 45가지 원자재 옵션
- 재료 옵션은 19개의 물리적 및 화학적 설명자로 설명될 수 있습니다(한 범주형 2수준 요인은 -1/1로 코딩됨)
- 최적화할 두 가지 응답(Y1 최대, Y2 최소)
일반적인 테스트 절차
- 기본 제형에서 (각) 원료 옵션을 테스트합니다.
목적
- 최적의 재료를 예측합니다(아직 물리적으로 이용 가능하지 않은 옵션도 포함)
- 전반적인 최적 상태에 가장 가까운 사용 가능한 재료 옵션을 식별합니다.
- 새로운 원자재 옵션을 예측할 수 있는 지속 가능한 실증 모델을 구축합니다.
- 이 접근 방식은 QSAR(정량적 구조-활성 관계)로 알려진 화학계량학 응용 프로그램을 기반으로 합니다.
물리적 및 화학적 특성 예
- Mw – 분자량
- C – 계면활성제의 소수성 말단에 있는 탄소 원자의 수
- 그리핀 HLB – 그리핀에 따른 친수성-친유성 균형(HLB)
- CMC – 임계 미셀 농도
- 체인의 개수……
요약
- 실험의 주요 구성 요소를 통해 다양한 옵션의 물리적 및 화학적 특성에 대한 사용 가능한 정보를 압축합니다. 설계에 따라 대표적인 원자재를 테스트하기 위한 "상자의 모서리"를 선택합니다.
- 실험 설계에 따라 대표 원료를 테스트하기 위한 "상자의 모서리"를 선택하십시오.
- PLS(또는 기타 적절한 모델링 방법)를 통해 데이터를 모델링합니다.
- 전체 최적 솔루션을 찾으세요
- 계산된 최적 솔루션에 가장 가까운 물리적으로 사용 가능한 옵션을 식별합니다.
→ 고효율 실험
→ 물리적/화학적 특성에 기반한 지속 가능한 경험적 모델
→ 최적의 원료로 식별된 재료라도 최적의 원료 속성을 예측합니다.
Table with ChemicalBiological Properties (non P&G Example)화학생물학적 특성 표(P&G 예시 아님) 화학생물학적 특성 표(P&G 예시 아님)
