안녕하세요. 랩솔루션즈입니다. 

오랜만에 인사드립니다. 

Fusion QbD를 사용하시는 분들이 Fusion QbD에서는 어떤 DOE를 (Design Type)  사용하는지 궁금해 하고 계십니다. 이번 뉴스레터에는 이 부분에 대해 말씀드리고자 합니다. 이번에 말씀드리는 내용은 DOE에 대한 일반적인 내용이기도 합니다. LC Method develop뿐만 아니라 다른 실험계획에도 사용할 수 있는 내용이오니 알고계시면 도움이 되실 듯 합니다. 

Fusion QbD에서는 아래와 같은 Design Type 을 선택할 수 있습니다.

1. Two Level (이중 수준)

• 정의: 이중 수준 디자인에서 각 실험 변수는 두 개의 수준(보통 하나는 높고 하나는 낮음)만을 가집니다.
• 용도: 주로 스크리닝 실험에 사용되며, 많은 수의 변수 중에서 가장 중요한 변수를 식별하는 데 적합합니다.
• 장점: 실험의 수를 제한적으로 유지하면서도 주요 변수 효과와 1차 상호작용을 분석할 수 있습니다.

2. Response Surface (반응 표면)

• 정의: 반응 표면 디자인은 실험 결과를 예측하고 최적화하기 위해 설계되며, 주로 연속 변수에 대해 사용됩니다.
• 용도: 곡선적인 반응 표면을 생성하여 변수의 최적 조합을 찾는 데 사용됩니다. 이 디자인은 반응 변수에 대한 최적의 조건을 결정하는 데 유용합니다.
• 장점: 선형이 아닌 관계와 상호작용 효과를 포함한 복잡한 모델을 적합시킬 수 있습니다.

3. Mixed Level (혼합 수준)

• 정의: 혼합 수준 디자인은 변수마다 다른 수의 수준을 가지는 실험 디자인입니다.
• 용도: 각 변수가 다른 범위의 수준을 필요로 할 때 사용되며, 이는 변수마다 그 중요도나 실험의 영향력이 다를 때 유용합니다.
• 장점: 더 유연한 실험 설계가 가능하며, 각 변수의 특성에 맞추어 설계를 조정할 수 있습니다.

4. A- and G-optimal Process

• 정의: A-최적화와 G-최적화를 결합한 디자인으로, 파라미터 추정의 정확성(A-최적)과 모델 예측의 최대 분산 최소화(G-최적)를 목표로 합니다.
• 용도: 파라미터 추정과 예측 정확도가 중요한 과학적 또는 공학적 과정의 최적화에 사용됩니다.
• 장점: 이중 목적 최적화를 통해 모델의 정확성과 예측 능력을 동시에 높일 수 있습니다.

5. A- and G-optimal Mixture

• 정의: 혼합물 구성 요소의 비율이 중요한 실험에서 A-최적화와 G-최적화를 결합한 디자인입니다.
• 용도: 혼합물의 구성 요소가 결과에 미치는 영향을 최적화하고자 할 때 사용됩니다.
• 장점: 혼합물 구성 요소 간의 최적 비율을 찾아내어 효율적인 결과를 도출할 수 있습니다.

6. A- and G-optimal Mixture-Process

• 정의: 혼합물 구성 요소와 공정 변수가 모두 포함된 실험에서 A-최적화와 G-최적화를 통합한 디자인입니다.
• 용도: 혼합물의 구성과 공정 변수 사이의 복합적인 상호 작용을 최적화하는 데 사용됩니다.
• 장점: 복잡한 실험에서 여러 변수의 상호 작용을 최적화하며, 구성 요소와 공정 변수의 이상적인 조합을 찾을 수 있습니다.

HPLC Method development 를 할때는 많은 변수들이 연구됩니다, 예를들어 컬럼, pH, Gradient Time, 온도, 유속, 유기용매의 종류, 유기용매의 % 등.. 이러한 많은 변수들의 조합을 연구하기 위해서 Fusion QbD에서는  A & G Optimal design을 일반적으로 사용하며, 많지 않은 변수를 연구할 때는 Two Level 디자인을 사용하기도 합니다. 

다음 뉴스레터에는 A-and G-Optimal Design에 대해 좀더 자세히 알아보고, Design Statistics테이블을 보고 어떻게 이해할것인가에 대해 알아보겠습니다.

관련하여 추가 궁금한 사항이 있으시면 help@labsolutions.co.kr 로 연락 부탁드립니다. 

감사합니다.