Esta presentación es una adaptación de una charla de JMP Discovery Europe impartida por Silvio Miccio en 2017. El vídeo comienza con una descripción de los pasos que seguiré en la demostración. A continuación, se presenta información sobre el vídeo:
Algunas citas
- Deming – “La estadística es demasiado importante como para dejarla en manos de los estadísticos” (Analytics)
- Recuadro – “Todos los modelos son erróneos, pero ¿cuán erróneos tienen que ser para no ser útiles?”
- Autor desconocido: «No te enamores de tus modelos. No te corresponderán». ¡Las cosas cambian!
- Carly Fiorina – “El objetivo es transformar los datos en información y la información en conocimiento”.
- John Sall (creador de JMP): «Los datos rara vez revelan toda su información fácilmente. Es necesario explorarlos. Es necesario utilizar múltiples herramientas. El proceso debe ser lo más sencillo posible y las herramientas lo más potentes posible».
Introducción
Al probar opciones de diferentes materias primas o ingredientes de formulación, una práctica común es variarlas como variables categóricas multinivel, por ejemplo, A, B, C, etc. En este escenario, se realiza un experimento para identificar el mejor material candidato; todas las opciones deben probarse. Esto implica realizar pruebas físicas que requieren mucho tiempo, y el modelo resultante solo es aplicable para predecir las opciones probadas, pero no para predecir opciones con diferentes propiedades físicas/químicas.
Un enfoque mucho más eficiente es diseñar el experimento basándose en las propiedades físicas y químicas de cada nueva opción de material. Esto puede reducir significativamente la cantidad de condiciones experimentales requeridas y da como resultado un modelo empírico sustentable que puede predecir opciones no probadas antes.
Ejemplo de conjunto de datos utilizado en esta presentación
- 45 opciones de materia prima, que son una mejora potencial de un ingrediente de la formulación del producto
- Las opciones de material se pueden describir mediante 19 descriptores físicos y químicos (un factor categórico de dos niveles se codificó como -1/1)
- Dos respuestas a optimizar (Y1 máx., Y2 mín.)
Procedimiento de prueba típico
- Pruebe (cada) opción de materia prima en la formulación base
Objetivo
- Predecir el material óptimo (incluso opciones que quizás aún no estén disponibles físicamente)
- Identificar las opciones de materiales disponibles más cercanas al óptimo general
- Establecer un modelo empírico sostenible que también sea capaz de predecir nuevas opciones de materias primas
- Este enfoque se basa en una aplicación quimiométrica conocida como QSAR (Relación cuantitativa estructura-actividad).
Ejemplos de propiedades físicas y químicas
- Mw – Peso molecular
- C – el número de átomos de carbono en el extremo hidrófobo del surfactante
- Griffin HLB – el equilibrio hidrofílico-lipofílico (HLB) según Griffin
- CMC – concentración micelar crítica
- Número de cadenas……
Resumen
- Comprima la información disponible sobre las propiedades físicas y químicas de diferentes opciones a través de los componentes principales de los experimentos. Seleccione las "esquinas de la caja" para probar materias primas representativas según el diseño.
- Seleccione las “esquinas de la caja” para probar materias primas representativas según el diseño de experimentos
- Modelar los datos mediante PLS (u otros métodos de modelado apropiados)
- Encuentra la solución general óptima
- Identificar las opciones físicas disponibles más cercanas a la solución óptima calculada
→ Experimentación de alta eficiencia
→ Modelo empírico sostenible basado en propiedades físicas/químicas
→ Predice las propiedades óptimas de la materia prima aunque el material identificado como óptimo
Table with ChemicalBiological Properties (non P&G Example)Tabla con propiedades químicas y biológicas (ejemplo no P&G) Tabla con propiedades químicas y biológicas (ejemplo no P&G)
