在冷干燥中Kv分布的重要性:第二部分:在Lyo模拟建模中的使用
Lauren Fontana1, Mostafa Nakach2, Benoit Koumurian2
1Sanofi R&D, 68 New York Avenue Framingham, MA 01701, United States.
Journal of pharmaceutical sciences
|July 21, 2024
概括
这项研究将一个新的Kv分布模型集成到冷凍化模擬軟件中. 这种增强的工具准确地预测产品温度,干燥时间和升华流,帮助工艺开发.
科学领域:
- 制药科学 制药科学
- 化学工程是化学工程的重要组成部分.
- 过程分析技术 过程分析技术
背景情况:
- 本系列的第一篇文章介绍了一种新的Kv分布模型及其测量方法.
- 准确预测冷化变异性对于过程开发和优化至关重要.
研究的目的:
- 将Kv分布模型集成到冷凍化模擬工具中.
- 为了提高产品温度,初级干燥时间,升华质量流和Pirani信号的预测准确度.
- 将Kv分布纳入图形设计空间,以改善流程理解.
主要方法:
- 将Kv分布模型集成到现有的 lyo 模拟软件中.
- 通过与实验数据 (产品温度,Pirani信号,升华流) 的比较来验证增强模拟工具.
- 简要讨论整合Rp分布的影响.
主要成果:
- 增强的冷模拟工具在预测关键冷化参数方面表现出高准确度.
- 模拟显示与实际的产品温度监测,Pirani信号和所介绍的案例研究中的整体升华流量非常一致.
- 在Kv分布整合精细预测在关键过程参数的可变性.
结论:
- 结合Kv分布的化模拟工具是工业化开发的宝贵资产.
- 该工具支持诸如流程优化,扩展评估,技术转让和故障排除等关键活动.
- 增强的预测能力导致更强大,更有效的冷化过程.


