Ronald Snee와 Roger Hoerl은 제형 개발 전략 . 그것은하기위한 것이다. 과학자와 엔지니어가 공식을 성공적으로 만들 수 있도록 돕는다. 신속하고 효율적으로
다음 팁은 화학, 생명 공학 및 제약 산업에서 제제 연구를 성공적으로 수행하는 데 필요한 필수 정보를 제공하는 데 초점을 맞춘이 새 책에서 나온 것입니다.
대부분의 저널 기사는 제제 성분만을 포함하는 혼합물 실험 및 모델을 나타내지 만 대부분의 실제 응용 분야는 온도, 압력, 유속 등과 같은 공정 변수도 포함합니다. 이 경우 실험 및 모델링 전략을 어떻게 수정해야합니까? 주요 고려 사항은 제형 성분과 공정 변수가 상호 작용하는지 여부입니다. 상호 작용이 없다면, 혼합물과 공정 효과를 독립적으로 맞추는 첨가제 모델을 사용할 수 있습니다 :
c (x, z) = f (x) + g (z)
f (x)는 혼합 모델이고, g (z)는 프로세스 변수 모델이다. 독립적 인 디자인도 사용할 수 있습니다. 그러나 우리의 경험에 따르면 일반적으로 혼합물과 공정 변수간에 상호 작용이 있습니다. 이 경우 우리는 무엇을해야합니까? 이러한 상호 작용은 전형적으로 수학 식 1의 가법 모델을 곱셈 적 모델로 대체함으로써 모델링된다 :
c (x, z) = f (x) * g (z) 2
이 승수 모델은 실제로 매개 변수에서 비선형 임에 유의하십시오. 따라서 코넬 (Cornell, 2002)을 포함한 대부분의 저자는 방정식 2에서 f (x)와 g (z)의 개별 항을 곱하여 선형 하이브리드 모델을 만들 것을 제안합니다. 그러나, 선형화 된 버전의 용어의 수는 f (x)의 수와 g (z)의 수의 곱일 것이므로 큰 모델이됩니다. 코넬 (Cornell) (2002)의 유명한 생선 패티 실험에서 세 가지 혼합 변수 (7 항)와 세 개의 프로세스 변수 (8 항)가 있었지만 선형화 된 c (x, z)는 7 * 8 = 56 항으로 56 회 하이브리드 디자인.
Snee et al.의 최근 연구 (2016)은 매개 변수에서 비선형 인 하이브리드 모델을 고려하여 필요한 용어의 수와 필요한 디자인의 크기를 대폭 축소 할 수 있으며 흔히 50 % 수준으로 줄일 수 있습니다. 예를 들어, 방정식 2를 비선형 모델로 직접 적 으면 추정 할 항의 수는 f (x)의 수와 g (z)의 수를 더한 값입니다. 물고기 패티 경우 7 + 8 = 15. Snee et al. (2016)은이 접근법이 종종 합리적인 모델을 제공 할 수있는 실제 데이터를 사용하여 매우 작은 부분 하이브리드 디자인을 사용할 수 있음을 보여주었습니다. 따라서 우리는 부분 설계와 비선형 모델의 초기 사용을 포함하는 전체적인 순차적 전략을 권장했지만 필요한 경우 선형화 된 모델로 전환 할 수있는 옵션을 제공했습니다.
더 많은 정보를 원하십니까?
당신은 자유 지부 책에서 발견하고 저자에 대해 배울 수 있습니다. 로널드 디 스니 과 Roger W. Hoerl . 또한이 접근법의 세부 사항은 Snee and Hoerl의 저서 (2016)의 9 장에서 찾을 수 있습니다.
참고 문헌
- 코넬, JA (2002), 혼합을 이용한 실험 : 혼합 데이터의 설계, 모델 및 분석, 제 3 판 , John Wiley & Sons, Hoboken, NY.
- Snee, RD, Hoerl, RW 및 Bucci, G. (2016), "공정 변수와 혼합 실험을위한 통계적 공학적 접근법" 품질 공학 , 28 : 3, 263-279.
- Snee, RD 및 Hoerl, RW (2016), 제형 개발 전략 : JMP를 사용한 단계별 가이드 , SAS Institute, Cary, NC.
