数据驱动的工程框架与Ginkgo Folium平板电脑制造的人工智能算法.
Lijuan Ma1, Jing Zhang1, Ling Lin1
1Beijing University of Chinese Medicine, Engineering Research Center for Pharmaceutics of Chinese Materia Medica and New Drug Development, Ministry of Education, Beijing 100029, China.
Acta pharmaceutica Sinica. B
|May 30, 2023
概括
一个新的数据驱动框架解决了医药领域的智能制造挑战. 该研究发现,工艺能力较弱,特别是在颗粒化金刚果叶片中,突出了需要提高质量的领域.
科学领域:
- 制药制造业 制药制造业 制药制造业
- 数据驱动工程数据驱动工程
- 智能制造 智能制造是一种智能制造.
背景情况:
- 智能制造在制药生产中提出了重大挑战.
- 现有的方法往往难以有效地诊断和改进复杂的制造过程.
研究的目的:
- 提出一个原始的数据驱动的工程框架,以应对医药智能制造方面的挑战.
- 为了诊断工艺能力和提高品质可追溯性在银杏叶片生产.
主要方法:
- 来自Ginkgo Folium平板电脑制造的近20万个现实世界数据点的表征.
- 开发一个数字过程能力诊断策略,使用与Bootstrap-t集成的多变量Cpk.
- 从单位到端到端的质量可追溯性的分析.
主要成果:
- 在Ginkgo Folium提取物 (0.59),颗粒 (0.42) 和片 (0.78) 中确定了较弱的工艺能力 (Cpk),颗粒化特别具有问题.
- 质量可追溯性分析显示改善,从2.17降至1.73.
- 这些发现强调了需要专注于颗粒化阶段,以提高产品的整体质量.
结论:
- 拟议的数据驱动工程战略为智能制药制造业的工业创新提供了动力.
- 在颗粒化过程中进行有针对性的改进对于提高银杏叶片的质量特征至关重要.
- 该框架提供了一种强大的方法来诊断和改善制药生产中的工艺能力.
关键词:
人工智能的人工智能是人工智能.数据驱动的工程是数据驱动的工程.终端到终端 终端到终端信息融合是一个信息融合.过程能力指数 (Process Capability Index) 是一个指数.质量可追溯性质量可追溯性在现实世界中,Ginkgo Folium的产品是真实的.智能制造是一个智能制造业.更多相关视频
09:16Author Spotlight: Optimization of Processing Technology for Tiebangchui with Zanba Based on CRITIC Combined with Box-Behnken Response Surface Method
Published on: May 12, 2023
1.2K
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
348
