Ronald SneeとRoger Hoerlは、という本を書いています。製剤開発のための戦略 。それが意図されています科学者やエンジニアが処方を作成するのに成功するのを助ける迅速かつ効率的に
次のヒントは、この新しい本からのもので、化学、バイオテクノロジー、および製薬業界で製剤研究を成功させるために必要な情報を提供することに焦点を当てています。
ほとんどの雑誌論文は配合成分のみを含む混合実験およびモデルを提示しているが、ほとんどの実際の用途は温度、圧力、流速などのようなプロセス変数も含む。この場合、実験やモデリングの戦略をどのように修正すればよいでしょうか。重要な考慮事項は、配合成分とプロセス変数が相互作用するかどうかです。相互作用がない場合は、混合効果とプロセス効果を独立して近似する加法モデルを使用できます。
c（x、z）= f（x）+ g（z）ここで、1
f（x）は混合モデル、g（z）はプロセス変数モデルです。独立したデザインもまた使用され得る。しかし、我々の経験では、混合変数とプロセス変数の間には通常相互作用があります。この場合はどうすればいいですか。このような相互作用は通常、式1の加法モデルを乗法モデルで置き換えることによってモデル化されます。
c（x、z）= f（x）* g（z）2
この乗法モデルは実際にはパラメータが非線形であることに注意してください。したがって、Cornell（2002）を含むほとんどの著者は、式2からf（x）とg（z）の個々の項を乗算して線形ハイブリッドモデルを作成することを提案しています。ただし、これは大きなモデルになる傾向があります。これは、線形化されたc（x、z）の項の数がf（x）の数にg（z）の数を掛けたものになるためです。Cornell（2002）の有名なフィッシュパティ実験では、3つの混合変数（7つの項）と3つのプロセス変数（8つの項）がありましたが、線形化されたc（x、z）は7 * 8 = 56の項です。ハイブリッドデザイン
Sneeらによる最近の研究。（2016）は、パラメータが非線形であるハイブリッドモデルを考慮することによって、必要とされる項の数、そしてそれ故に必要とされる設計のサイズは、しばしば50％のオーダーで、かなり減らすことができることを示しました。たとえば、式2を非線形モデルとして直接当てはめると、推定する項の数はf（x）の数にg（z）の数を加えた数になります。魚パテの場合は7 + 8 = 15。Sneeら。（2016）実際のデータを使って、このアプローチがしばしば合理的なモデルを提供することができて、はるかに小さい分数ハイブリッド設計の使用を可能にすることを示しました。そのため、最初にフラクショナルデザインと非線形モデルを使用するが、必要に応じて線形化モデルに移行するという選択肢を含む、全体的な逐次戦略を推奨しました。
もっと情報が欲しい？
あなたは読むことができます無料の章本からそして著者について学びなさいロナルドD.スニーそしてロジャーWホール 。さらに、このアプローチの詳細はSnee and Hoerl's book（2016）のChapter 9にあります。
参考文献
- JA、コーネル （2002）、混合物を用いた実験：混合データの設計、モデル、および分析、第3版 、Ｊｏｈｎ Ｗｉｌｅｙ＆Ｓｏｎｓ、Ｈｏｂｏｋｅｎ、ＮＹ。
- Snee、RD、Hoerl、RW、およびBucci、G。（2016）、「プロセス変数との混合実験への統計工学的アプローチ」 品質工学 、２８：３、２６３〜２７９に記載されている。
- 膝、RD、およびHoerl、RW （2016）、製剤開発のための戦略：JMPを使用したステップバイステップガイド 、ＳＡＳ Ｉｎｓｔｉｔｕｔｅ、ノースカロライナ州ケアリー。
