Concentration monitoring with near infrared chemical imaging in a tableting press
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Monitoring powder potency and homogeneity is important in achieving real-time release testing in a continuous tablet manufacturing operation. If quality related issues are encountered, monitoring powder potency inside a feed frame offers a last opportunity to intervene in the process before tablet compression. Feed frame monitoring methods based on near infrared (NIR) spectroscopy have been increasingly reported in recent years. New process analytical tools with the potential of being deployed alone or in combination with NIR spectroscopy for feed frame monitoring are now available commercially. The present study evaluated the potential of near infrared chemical imaging (NIR CI) for in-line monitoring of a prototype pharmaceutical composition containing ascorbic acid (AA), microcrystalline cellulose and dicalcium phosphate. NIR spectroscopy was the reference method. In-line calibration models based on partial least square regression were developed and validated with a range of AA concentrations. The ability of NIR spectroscopy and NIR CI to predict concentrations in test runs was ascertained both independently and in combination. NIR CI, with a single bandpass filter, predicted AA concentrations—present at commercially relevant concentrations—with acceptable accuracy. Comparative results showed that NIR CI has the potential for in-line monitoring of blend concentrations inside feed frames. In addition to the advantage of increased sample size, it also has the potential to detect segregation inside feed frames.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle