Chromatographische Techniken wie HPLC, GC und CGE sind für analytische Arbeitsabläufe in verschiedenen Branchen unerlässlich. Die Optimierung dieser Methoden stellt jedoch aufgrund zahlreicher Parameter und der Komplexität der Chromatogramme weiterhin eine Herausforderung dar. Traditionell werden Leistungskennzahlen wie Auflösung oder Peak-Tal-Verhältnisse extrahiert und modelliert, die Verknüpfung dieser Kennzahlen mit dem vollständigen Chromatogramm gestaltet sich jedoch oft schwierig.
In Zusammenarbeit mit Chris Gotwalt von JMP haben wir einen innovativen Ansatz zur computergestützten Modellierung synthetischer Chromatogramme mittels Versuchsplanung (Design of Experiments, DOE) entwickelt. Mithilfe des Functional Data Explorer von JMP 19 und generalisierter Regression lassen sich einzelne Peaks identifizieren, modellieren und visualisieren. Der Profiler ermöglicht anschließend die interaktive Optimierung und erlaubt es Anwendern erstmals in JMP, die Auswirkungen von DOE-Parametern auf ganze Chromatogramme zu simulieren.
Dieses Poster demonstriert nicht nur die Implementierung in JMP 19, sondern präsentiert auch aktuelle Updates und neue Anwendungsbeispiele aus der Praxis. Der Ansatz ermöglicht ein tieferes Verständnis des chromatographischen Verhaltens, unterstützt die Methodenentwicklung und trägt den sich wandelnden regulatorischen Anforderungen wie ICH Q14 Rechnung. Durch die Integration fortschrittlicher Modellierung mit den interaktiven Funktionen von JMP bietet dieser Workflow eine leistungsstarke und praxisnahe Lösung für die Optimierung moderner chromatographischer Methoden.
Bitte beachten Sie, dass diese Präsentation nicht aufgezeichnet wurde und nicht zum Abruf verfügbar ist.
