你好 每個人。
這 推介會 將要 是 關於 測量系統分析，
和最佳化 的 UHPLC M 測量 系統。
主持人 是 我， 弗蘭克·德魯伊克
從 荷金特 大學學院 的 應用 科學,
和 也 沃克·克拉夫特 從 跳轉 學術的 程式
將要 拿 關心 的 這 示範
示範 這 跳轉 工具 為了 數據 分析。
好的。 這 問題 陳述 和 描述。
出色地， 在 a 化學 公司，
只是 [聽不清楚] 化學 公司，
這 推介會 曾是 受到啟發 經過 一個 實習 的 a 學生
以及一家化學公司， 和 的 課程 這 材料 有 到 是 保留 機密的。
所以 I 只是 將要 演講 關於 化學物質 公司，
和 也 這 數位 是 a 小的 位元 修改的， 但 不 問題。
什麼 是 這 陳述？
嗯，SPC 揭示 重要的 批次 到 批次 變化 在 生的 材料
和 有 造成 問題 在產品中 品質.
所以 那， 好的，
那裡 曾是 一個 問題 和 這 供應商 那 曾是 必要的 那 全部 供應 批次，
它 曾是 必要的 到 分析 他們 全部。
但 的 課程 一 問題 是 那
那裡 曾是 a 也 慢的 分析 程式 氣相層析，
以及快速 UHPLC 分析方法 是 在下面 發展，
曾是 在 發展， 但 不是 準備好
為了 驗證 因為 的 也 強的 測量 變化。
和 這 目標 的 這 學習 是 到 指定 強壯的 和 最佳的 設定
UHPLC 方法 所以 那 驗證 的 這 新的 方法 將要 是 可能的。
謝謝， 坦率。
在職的 和 這 跳轉 學術的 團隊 為了 更多的 比 十 年 現在，
我們 幫助 許多 大學 教授們 全世界 到 得到 使用權 到 跳轉 許可證
為了 教學， 但 也 到 教學 資源 喜歡 這 案件 學習 圖書館
在 連結：jmp.com/cases
教授們 得到 自由的 使用權 到 更多的 超過50例，
每個 告訴 a 故事 關於 a 真實的 世界 問題
和 a 步 經過 步 解決方案， 包括 這 數據 套 和 練習。
什麼 我們 展示 今天 是 可用的 作為 a 系列 的 三 案件 研究，
聚焦 在 統計 過程控制，
測量 系統 分析， 和 設計 的 實驗。
儘管 坦白 將要 演講 關於 這 問題
和 這 解決方案 他們 發達 為了 a 製藥 公司 在 比利時，
I 將要 示範 一些 的 這 分析 步驟 使用 跳轉 贊成。
讓 我 說 感謝 你 到 坦白 為了 分享 這些 案例 和 這 學術的 社區，
世界衛生組織 真的 歡迎 這樣的 現實世界 範例
未來 從 從業者 在 行業。
I 也 想 到 感謝 來自我們印度學術團隊的 Murali
世界衛生組織 戲劇 a 鑰匙 角色 在 增強 我們的 案件 學習 圖書館
喜歡 這 發展 的 這些 案例 一起 和 坦率。
好的， 這裡 在 這 陰謀 你看 非常清楚 這 插畫 這 問題。
所以 什麼 這裡 是 顯示 是 a 陰謀 的 這 測量 的 這 新的 UHPLC 方法，
但 非 最佳化 和 也 作為 a 功能 的 這 測量
的 這 氣相層析 標準 方法， 哪個 曾是 非常 準確的 和 精確的。
和 你 能 清楚地 看 那 那裡 是 一些 問題。
所以 不同的 運算符 製成 一些 測量 在 不同的 批次
你可以 看 那 這 預言 間隔 是 相當 大的。
你 看 a 範圍 有時 超過 100 毫克 每 升。
和 你 能 也 看 那 有時 它是 不是 清除 無論 測量
在規格範圍內， 喜歡 在 這 左邊 圖形 你 能 看 它
和 也 在 這 正確的 圖形 你 能 看 有 也 比率 和 準確性
意義 那 有 a 嚴肅的 問題，
和第一 的 全部 我們 將要 探索 這 變異根本原因
使用 測量 系統 分析，
這 原因 的 變化， 和 也 這 美國能源部 將要 使用 最佳化
根據統計 思維 概念
哪個 將要 是 插畫 在 下一個 幻燈片。
你 看 這 統計 問題 解決流程。
所以 為了 這 成本 的 這 問題，
這 問題 和 我們的 U 高效液相層析 測量 錯誤，
我們 將要 處理 這 經過 測量系統分析，
和 到 出口 這 變化 根 原因， I 可能 當然使用 DOE，
也 到 最佳化 這 過程 設定 的 這 U 高效液相層析 系統。
這 方法 我們將 使用 為了 量化 這 變化 來源 是
這 測量 系統 分析， 還有一些 理論 I 將要 展示。
所以 它是 關於 這 量化 的 這 變異數 成分 的 這 全部的 方差。
全部的 變異數 方法 這 變異數 經過 所有測量，
經過 不同的 運營商， 不同的 產品。
所以 我們 有 二 不同的組件，
這 產品 變化，
西格瑪 方塊 產品， 和 這 測量 變化。
這 測量 變化 非常 重要的事情也被分解了
在 二 重要的 成分， 這 重複性 這 變異數
到期的 到 缺少 的 精確 經過 重複
測量， 和 也 這 價值觀 之間 操作符。
所以 這 西格瑪 方塊 大的 R 哪個 是 這 可重複性。
和 非常 重要的 標準 在 命令 t 帽子，對不起，
重要的 標準
說明 那 這 測量 系統 是 僅有的 合適的 為了 檢測變異
在 這 過程，過程 變化， 是 那 這 百分比 G 奧格R&R， 哪個 是 這
測量 錯誤 分裂 經過 這 全部的 錯誤， 應該 是 較少的 比 10%。
所以 這 分數 的 測量 錯誤 曾是
以下 10% 全部的 的 這 全部的 變化。
然後 我們 能 使用 它 為了 過程 跟隨 向上。
如果 它是 不是 這 案件， 它 是 更高，
然後 我們 跑步 這 風險 那 我們 將要 控制 我們的 過程
在 測量 變化， 和 的 課程 不是 a 非常 健康 問題。
所以 它 必須 是 降低 比 10%， 那是 這 主要的 標準。
好的， 讓 我 去 到 下一個 滑動。
和 為了 這 我們 將要 使用 a 儀表 R&R 研究，一項 Gauge R&R 研究
主要是實驗設計，
所以 那 我們 將要 選擇 三 隨機算子，
約翰， 勞拉， 和 莎拉，
世界衛生組織 將要 做 重複 測量 二 次 在 四 不同的 批次 每個。
所以我們這樣做了，
我們 有 到過 有能力的 到 量化 這 在操作者變異範圍內
可重複性， 這 可重複性， 之間 操作員變異，
和 也 這 產品 變化， 變化 之間 批次。
所以，Volker，我要離開 這 地面 到 你 現在。
好的。 感謝 你， 坦率。
和 前 I 將要 來 到 MSA，
I 會 喜歡 到 簡要地 覆蓋 什麼是 包括 在 這 第一的 部分 的 這 系列，
即 控制 圖表 和 過程 能力。
所以 這 是 一 的 這 數據 套 這裡
測量 這 二 化合物， 我們的 連續的 回覆
化合物 一 和 化合物 二， 使用 這 好的 但 慢的 氣相層析 方法。
所以 數據 有 到過 集 超過 八 天，
和 二 批次 每 天 和 為了 二 不同的 供應商， A 和 B.
所以 什麼時候 這 團隊 開始，
這 第一的 活動 曾是 到 查看 和 確認 常態 的 這 數據
為了 這， 他們 看起來 在 普通的 分位數 地塊。
他們 也 已安裝 a 普通的 分配。
好的， 對不起 為了 這。
所以 他們 看起來 在 a 普通的 分位數 陰謀，
和 他們 也 已安裝 a 普通的 分配 關注 經過 a 善良 的 適合性測試。
和 那裡 曾是 沒有什麼 批判的 從 那 分析。
探索 分佈， 這 問題 成為 清除。
所以 尋找 在 數據 從 不同的 天， 我們 能 看 a 巨大的
批次 經過 批次 變化， 甚至 為了 批次 未來 從 這 相同的 天。
和 這 方法 那 電子流程 監控 是 不是 可能的
因為
這 變異性 的 這 氣相層析 方法 很高
和 這 方法 曾是 也 慢的。
所以 它 需要 a 很多 的 時間
到 監視器 這 批次。
和 所以 一 團隊 活動 曾是
到 工作 一起 和 這 供應商 和 其他的 到 減少 那 變化。
和 其他 活動，
哪個 是 描述 在 這 其他 部分 的 這 學習， 調查 a 更快的方法，
作為 提及 經過 坦率， 使用 這 新的 超高效液相層析 測量 方法。
所以 只是 尋找 a 位元 更多的 進入 這 老的 方法， 這 氣相層析 方法。
所以 這 團隊 看起來 在 一 維度
控制 圖表 和 也 過程 能力 為了 兩個都 化合物， 的 課程，
和 他們 也 看起來 在 多變數 和 模型 驅動
控制 圖表。
和 這裡 我們 看 那 那裡 是 一些 極端 點 在 a 多 維度
分析， 和 他們 可以 也 看 這 貢獻 的 這 不同的
化合物 或者 回應。
這 是 這 結論 的 這 第一的 調查 使用 這 老的 方法。
所以 這裡 這 結果 曾是 那
兩個都 流程 尋找 在 這 過程 表現 這裡， 那 兩個都 流程，
所以 化合物 A 和 化合物 B, 是 無法 但 穩定的。
為了 小販 A
和 為了 小販 B,
我們 看 那 化合物 一 曾是 甚至 不穩定 下列的 這些 顏色 這裡。
所以 全部 的 這 有動力 這 團隊 到 提升 這 測量 過程。
和 這 帶來 我們 到 部分 二 的 本系列
和 這 是 關於 分析 這 測量 系統。
所以 這 數據 這裡 是 集 為了 全部 這 組合， 重複 兩次，
之間 四 批次 和 三 運營商，
使用 這 新的 超高效液相層析 測量 方法。
所以 這 目標 這裡 曾是 到 措施 全部
批次 的 生的 材料 使用 這 快點 方法 和 或許 到 允許 一些
線上監控 的 這 生的 材料 在 這 未來。
所以 到 得到 開始 和 這 新的 數據，
這 團隊 看起來 在 a 二 方式 變異數分析， 和 這 可能 傻子 你。
這 輸出。
所以 在 兩個都 化合物，
化合物 一 和 二， 這 批次 影響 是 高度 重要的。
所以 那是 好的 消息。
和 也 這 操作員 影響 和 這 交互作用 之間 批次 和 操作員，
這些 效果 是 非 重要的， 但 這 均方根誤差 是 相當 高的。
所以 那 方法 那 我們 是 或許 尋找 在 數據
以及我們 是 也 有興趣的 在 只是 隱 經過 噪音。
所以 前 你 看 在 這樣的 一個 分析，
這 第一的 問題 應該 是 在哪裡 是 這 變化 在 我們的 數據 未來 從？
和 第二， 是 我們 測量 這 訊號?
是 我們 真的 尋找 在 這 訊號 或者 是 我們 只是 測量 噪音？
和 到 得到 一個 主意 關於 這，
a 完美的 視覺化 的 這 模式 的 變化 是 a 變異性 圖表。
和 為了 這些 二 來源 的 變化， 批次 和 操作員，
這裡 我們 看 全部 這 數據 點 為了 全部 運算符 和 全部 批次。
所以 我們 有 二 測量 每 批次 每 操作員。
和 為了 這些 二， 我們 看 這 意思是。
我們 也 看 這 團體 意思是 為了 一 操作員 和 我們 也 看 這 全面的 意思是。
那是 這 虛線 線 這裡 為了 全部 我們的 測量。
和 我們 能 看 在 這 為了 兩個都 化合物， 的 課程。
所以 這裡， 為了 實例， 為了 化合物 二， 我們 看 那 勞拉 有
變化相當大， 在 至少 比較的 到 這 其他 二 操作符。
所以 那是 a 視覺的 分析。
使用的分析方法和程序
到 得到 a 更好的 洞察力 進入 這 測量 系統的 表現
是 一個 MSA 或者 測量 系統 分析。
和 這 曾是 也 完畢 為了 這 非 最佳化 U HPLC法。
所以 這裡， 為了 實例，
為了 這 第一的 化合物， 我們 看 這 平均的 圖表
和 這 圖表 節目 這 數據 一起 和 這 控制 限制
或者 和 這 噪音 樂隊。
和 什麼 我們 看 這裡 是 不是 好的 新聞,
因為 我們的 測量， 我們的 數據 是 之內 這 噪音 樂隊，
所以 它 將要 是 真的 難的 到 探測 任何 訊號 和 那 噪音 等級。
其他 輸出 是 這 平行性 陰謀。
所以 這裡 我們 能 查看 互動 之間 批次 和 運算符 和 這 會
表明 一個 交互作用 如果 一些 的 這些 線 是 不是 平行線。
和 這 是 這 電磁脈衝 方法。
所以 這 支架 為了 評估測量過程
和 你 大概 知道 這 作為 測量 休息和放鬆 輸出。
和 那是 什麼 也 坦白 提及。
所以 這裡 我們 看 這 訊號, 那是 這 產品 變化，
但 我們 也 看 這 測量 變化
分裂 進入 重複性 和 可重複性。
和 這裡 為了 這 第一的 化合物，
我們 看 那 我們 似乎 到 有 一個 問題 和 可重複性。
所以 這 相同的 操作員 正在做 這 相同的 測量 再次。
和 為了 這 第二 成分，
我們 看 那 有 也 a 輕微 問題 和 可重複性 作為 出色地。
所以 這些 是 測量 之間 不同的 操作符。
所以 這 結論 這裡 是 那 這 測量系統
或者 這 測量 過程 是 無法 到 探測 任何 品質 轉移 造成
經過 a 重要的 系統性 變化 之間 我們的 批次。
和 和 那， I 手 後退 到 坦率。
好的， 感謝 你， 沃爾克。
I 思考 我們 能 轉移 到 下一個 幻燈片 因為 那是 什麼 我們 討論。
好的，這是 什麼 你 顯示， 沃爾克， 那是 也 在 這 幻燈片。
好的， 是的，這裡 我們 能 開始。
和 我們 開始 和 第一的 的 全部， 在 這 設計 的 實驗，
這 最佳化 學習， 這 過程 改進 學習。
和 第一個 f 全部，
在 命令 到 更好的 指定 我們的 實驗 目標， 我們 應該 第一的 的 全部
去 到 這 根 原因 分析 為了 這 高的 測量 錯誤。
這 實驗室 團隊，
後 與實驗室團隊進行腦力激盪，
它 來了 出去 那 是 二 主要的
根 原因， 一 關聯 到 這 裝置 和 一 關聯 到 這 方法。
和 這 一 關聯 到 這 裝置 曾是
這 主要的 來源 為了 貧窮的 重複性 因為 它 曾是 a 非常 強的 問題
和 不穩定 柱子 溫度 和 洗脫液 流量，
UHPLC 使用 柱子， 它是 a 色譜法 技術，
和 也 一個 洗脫液 分離，
到 帶領 這 化合物 到 這 柱子 和 製作 分離 可能的。
作為 a 事 的 事實 它 曾是 漂移 之間
不同的 實驗 和 甚至 之內 一 實驗。
這 結果 的 課程 在 a 貧窮的 可重複性。
和 這 第一的 任務， 的 課程， 的 這 實驗室團隊
曾是 到 穩定 的 課程 這 柱子 溫度 和 洗脫液。
因為 如果 你 去 到 任何 實驗設計，
的 課程， 我們 需要 到 有 固定的 設定 的 這 溫度
和洗脫液 流量， 哪個 是 的 課程 二 重要的 因素。
為了 這 第二 問題，
這 方法 因為， 除了 這 穩定 問題，
哪個 的 課程 曾是 固定的， 那裡 曾是 也 一個 問題 和
低解析度 因為 的 非 最佳化 分析 過程 設定 哪個 是 相當
低的 和 也 不穩定， 意義 那 什麼時候 我們 製作 小的 輪班 到 流量
和 溫度， 那裡 是 有時 巨大的 輪班
也 在決議中， 指示 那 那裡 曾是 也 不是 僅有的
最佳的 問題 但 也 a 問題 和 穩健性.
所以 這 目標 曾是 指定 不是 僅有的 最佳的 設定 但 也 強壯的 設定.
所以 這 變化 的 這 解決 應該
是 最小 作為 a 功能 的 一些 變化 大約 這 設定
過程、實踐、 這 分析。
讓我們 只是 現在 去 到 這 美國能源部。
當然，能源部的目標是
我們 指定 這 回覆 多變的 是 和， 這 化合物 專注
在 這 標準 樣品， 和 我們 有 到 製作 模型 的 這個Y，
這 化合物 專注 是 a 功能 的 這 超高效液相層析 控制 因素。
和 一次 我們 有 這 方程，
我們 能 然後 的 課程 去 到 最佳化, 和 什麼 是 最佳化 標準？
我們 將要 使用 這 品質 P 超過 T 比率 標準。
那 方法 那，
我們的，
分數 的 這 錯誤
在 這 寬容 範圍 應該 是 降低 比 10%。
如果 你 有 這 寬容 範圍 的 我們的 化合物 哪個 是 指定的，
化合物 一
在 這 標準 樣本 是一個 300 毫克每公升
每公升正負 200 毫克，
然後 我們 有 到 製作 當然 那 和 也 這， 對不起， 這 標準 樣本， 二，
兩個標準 樣品， 這 目標 的 化合物 二 和 這 標準
樣本 二 是 450 加 或減 150 百萬分率 規格 限制。
和 的 課程 如果 你 想 到 抵達 10%
的 這 規格 範圍， 那 方法 那 好的， 我們 有 到
給定 我們的 可取性 功能 為了 最佳化, 是 那 好的？
為什麼 應該 匹配 目標 化合物 專注 降低 比 10%？
意義 那 為了 標準 樣本 一 那裡
應該 是 300 加或減 20 百萬分率， 20 毫克每公升 .
和 為了 標準 樣本 二 這 化合物 濃度應
每公升450±15毫克
那是 這 標準 為了 最佳化.
所以 作為 為了 我們的 模型 得到 一起 和 實驗室 專家。
這 因素 是 這 主要的 效果， 這 主要的 效果 和 全部 二次函數 效果。
和 這 主要的 效果 是 這 溫度 的 這 柱子，
和 這 範圍 二十五 到 三十五 度 攝氏度， 洗脫液 流動 速度，
五 到 15 毫克每毫升， 和 也 漸變。
什麼 是 漸變？
出色地 那 方法 那 那裡 是 一個 添加劑， 乙腈， 這 洗脫液 和 這
專注 的 這 乙腈 隨著 a 功能 的 這 體積，
額外 作為 a 功能 的 流動， 這 體積， 透過 這 柱子。
那 方法
從 體積 零 和 一 毫升 它是 a 範圍 之間 五和二十 百分比。
和 一次 這 體積 是 五 到 六 毫升，
我們有 a 範圍 的 三十五 到 70% 的 洗脫液中含有乙腈。
也 一個 重要的 因素 是 這 紫外線 波長 .
這 偵測器 是 經過 紫外線 和 它 應該 是 受控 之間 192 和 270.
和 腦力激盪 和 這 實驗室 專家們， 世界衛生組織 做過 已經 相當 一些 初步的
實驗 和 有 一些 經驗 和 這 超高效液相層析法，
作為 a 事 的 事實， 僅有的 二 交互作用 效果 是 已選定。
那是 這 溫度 和 洗脫液 流量 和 也
這 洗脫液 流量 互動 和 全部 坡度 因素 指定的 多於。
所以 這 方法 那 這 設計 選擇
到 見面 這 目標 和 到 模型， 和 到 指定 這 模型 參數。
它 曾是 這 風俗 設計， 和 沃爾克 將要 闡明 什麼 設計 曾是 關於。
好的。
感謝 你 坦率。
所以 說 關於 這 第三 部分 的 這 案件 學習 系列 哪個 是 關於 設計
實驗 和 什麼 我們 學到了 所以 遠的 是 那 我們 有 到 減少 這 測量
變化 哪個 是 造成 經過 這 未最佳化 超高效液相層析 方法。
和 這 方法 能 是 描述， 作為 坦白 尖 出去， 經過 這些 控制 設定
或過程 設定, 喜歡 溫度 和 所以 在。
所以 我們 也 想 我們的 回應 保持 之內 他們的 限制。
所以 這 關注 這 10%規則 作為 給定 作者：弗蘭克
和 這些 限制 是 也 額外 到 我們的 數據。
所以 到 設計 這樣的 一個 實驗 這 團隊 看起來 在 a 確定的 篩檢 設計。
所以 這 一 這裡， 和 也 額外 風俗 設計 和 兩個都 和 二十五 輪。
所以 比較 兩個都 設計， 他們 使用 這 比較 設計 平台，
和 你 能 看 一些 原因 哪個 是 在 青睞 的 這 風俗 設計。
所以 這裡， 為了 實例， 為了 主要的 效果 我們 看 輕微地 更好的 力量 為了 這 渠務署。
但 為了 這 其他 更高 命令 效果 我們 看
真的 a 高的 益處 為了 這 風俗 設計。
相同的 這裡， 尋找 在 這 分數 的 這 設計
空間 我們 看 那 這 風俗 設計 是 正在做 更好的。
你 可以 也 看 在 這 相關圖，
和 最後， 這 效率 是 也 在 青睞 的 這 風俗 設計。
和 為了 那 原因 這 團隊 用過的 這 風俗 設計，
a 風俗 設計 為了 那些 研究。
所以 這裡 我們 有 這 完全的 數據
為了 這 風俗 設計， 完全的 和 兩個都 回覆 測量。
和 為了 這 我們 也 有
這 相應的 線性 模型。
所以 這裡 為了 這 第一的 回覆,
化合物 一， 和 為了 化合物 二， 兩個都 和 他們的 分析器 的 課程。
和 這是 a 組合剖面儀
和 兩個都 回應 在 這 最初的， 只是 這 中 設定.
和 經過 最大化 這 可取性，
所以 I 會 得到 到 這 最佳的 設定 和 我們 看 那 我們 是 匹配
兩個都 目標 這裡， 300 和 450 各自， 我們 是 匹配 他們 完美。
然而， 我們 也 看 相當 大的 敏感度 指 標。
這些 是 這 紫色的 三角形， 和 他們 是 告訴 我們 那 在 這 最佳的 觀點，
我們的 回覆 表面 是 相當 陡 在 一些 方面
和 這 減少 這 穩健性 的 我們的 過程
如果 一些 隨機的 變化 的 我們的 過程 設定.
和 這 能 是 更遠 分析 經過 添加
這 模擬器 到 這 分析器 和 那 是 完畢 這裡。
所以 這裡 這 模擬器
定義 這 隨機的 變化 哪個 曾是 定義 經過 我們的 過程 專家。
和 只是 保持 這 中 設定, 加 這 隨機的 變化， 模擬
10,000 的 回覆 價值觀 我們 看 那 全部 的 我們的 回覆 價值觀 是 出去 的 規格
這些 是 全部 缺陷。 的 課程， 我們 是 只是 在 這 中 設定 ,
所以沒有更好的了 到 預計 這裡。
交換 到 我們的最佳設置 和 模擬 再次。
所以 現在 我們 看 那 這 缺點 速度 到 是 預期的 是 多於 12%。
所以 從 這裡 這 穩健性 能 是 進一步改進，
任何一個 手動， 使用 這 分析器 和 這 模擬器
和 這 敏感度 指標， 或者 自動地 經過 跑步
模擬實驗 哪個 是 也 建造 進入 那些 設定檔。
所以 這 團隊 用過的 a 手動的 方法
和 這些 是 這 強壯的 設定.
他們 來了 向上 和 這些 紅色的 設定 這裡。
和 如果 I 模擬 再次， §我們 看 那 這 缺點 速度
現在 滴 以下 百分之一。
所以 這 是 a 蒙特 卡洛 模擬， 它是 全部 隨機的 所以 這 缺點 速度 變化
輕微地 和 每個 新的 模擬， 和 你 能 也 看 如何 這 直方圖
的 我們的 模擬 回覆 數據 表現 相當 出色地。
所以 他們 是 之內 我們的 範圍， 之內 我們的 限制
哪個 支援 這 10% 規則。
並且， 這些
強壯的 設定.
所以 去 後退 到 這 其他 分析器。
所以 這裡 I 也 有
一些 輪廓 劇情 使用 這 輪廓 分析器， 和 他們 能 也 是 用過的
到 更好的 理解 這 最好的 區域 為了 這 加工 和 為了 配置
這 過程 和 這些 是 通常 這 白色的 區域 哪個 提供
這 在規格中 區域 為了 a 組合 的 二 控制 因素。
和 I 希望 你 喜歡 這 旅行，
和 和 這 I 手 超過 後退 到 坦白 到 討論 這 結果。
好的， 感謝 你， 沃爾克。
所以，
現在 我們 能 去 到 這 驗證 實驗，
的 課程， 一次 我們 最佳化 這 設定
現在 我們 能 製作 一個 實驗 到 查看 無論 真的 這 測量 的 這 新的
超高效液相層析 系統 和 這 氣相層析 分析 是 相等的。
所以 為了 這， 再次， 我們 放 向上 量規 R&R 學習，
也測量一個
哪個 是 相當 相似的 到 這 一
討論 前 但 也 現在 我們 製作 測量 和 這 氣相層析 在 命令
到 比較 這 二 測量 方法。 你 看 這裡 也 包括 作為 一 額外的
因素 在 儀表 R&R 是 這 樂器 因素。
好的。
所以 這裡 是 這 結果 和 你 能 看
真的 那 我們 製作 相當 一個 改進 那 你 看 在 這 測量 R&R 結果。
那 主要 變化 現在是產品 變化。
你 看 那 現在 這 批次 變化 是 不 更多的 被遮蔽 經過 噪音 測量 錯誤。
這 灰色的 區域 是 相當 狹窄的 比較的 到 這 一
我們 有 前， 和 那是 a 非常 好的 消息。
你 看 它是 主要 產品 變化。
所以 這 儀表 R&R 和 比率 是 相當， 火柴 我們的 目標。
意義 那 精確 寬容 比率 這裡 是 關於 百分之八。
和 這 精度/公差比 是 六 次 這 儀表 R&R 數位
分裂 經過 這 寬容 的 這 化合物 ，400，即8%。
所以 這 精確 是 好的。
所以 那 這 測量 系統 是 合適的
到 是 用過的 在 品質 控制 為了 化合物 一。
好的。
化合物 一。 好的。
你 看 在 這 平行線 陰謀 只是 a 小的 穿越，
你 看 那 為了 莎拉， 指示 a 小的
或許 交互作用 之間 這 批次 和 操作符。
好的， 為了 化合物 二， 我們 有 到 看 這 相同的 事物 甚至 更好的。
所以 僅有的 5% 的 測量 休息與放鬆，
這 精確 寬容 比率， 5%，
相同的 事物， 非常 狹窄的 噪音 範圍 和 不 主要的 穿越 的 這 線。
相當 平行線， 指示 不 操作員 偏見， 不 互動。
建模 化合物 一 分析， 我們 看 那 它是 主要
影響 經過 批， 和 也 小的 批次 到 操作員 交互作用 影響。
化合物 一 和 為了 化合物 二。
好的， 現在 我們 能 看 這 非常 小的
相互作用事實 因為 我們 有 減少 這 測量 噪音 所以 很多
現在， 那 非常 小的 事實， 的 課程 現在 變得 可見的。
在 這 第一的 時間 我們 可以 不是 看 它， 我們 可以 不是 探測 它。
但 那 是 因為 的 a 非常 貧窮的 實驗 力量。
但 現在 我們 增加
這 實驗 力量
嚴重地 經過 只是 減少 這 實驗 噪音，
的 課程， 現在 這 交互作用 在 事實 變成 可見的。
但 這 小的 一， 你 能 看 那 也
為了 這 關聯 到 莎拉， 這 綠色的 線 的 莎拉，
但 這裡 也 曾是 a 小的 問題 在 這 氣相層析
分析 作為 出色地， 不是 僅有的 為了 這 超高效液相層析法， 但 也 為了 這 氣相層析 分析。
好的， 那是 一個 問題 到 是 解決 為了 錯誤的。
但 現在 它是 這裡。
那些 二 圖表 闡明 相當 清楚地
那 兩個都 測量 系統 是 幾乎 等效，UHPLC 結果
相對 這 氣相層析 結果。
我們 看 那 有 幾乎 a 完美的，
非常 好的 相關性 和 全部 點 在 這 中 線。
所以 這 坡 是 幾乎 一。
它是 不是 顯著地 不同的 從 一。
和 也 那裡 是 一個 截距 和 這 y 軸，
是 不是 顯著地 不同的 從 零。
所以 這 方法 曾是 準備好 為了 驗證， 超高效液相層析 是 準確的 和 這
微不足道 不同之處， 哪個 你 看， 標準 分析 , 所以 非常 好的 結果。
和 我們 可以 說 那 這 問題 和 鏟球 這 問題 和 MSA和DOE
曾是 非常 強大的， 領導 到 a 好的， 非常 好的 解決方案 到 我們的 問題
哪個 可以 是 實施的， 的 課程， 現在 在 生產。
謝謝 為了 你的 注意力 和 如果 那裡 有任何問題，
請 讓 我們 知道。
