Predicting granule size via in-line NIR spectroscopy during fluidized bed foam granulation and drying
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
Wet granulation-a unit operation involving mixing polymeric binders with powdered formulations-is well established in the pharmaceutical industry, playing a major role in the manufacturing of oral solid dosage forms and improving the physical properties of granules (size, density, shape factor, etc.) before tableting. The foaming properties of aqueous polymeric binders prove useful for binder delivery within the mixing vessel, with foamed binders leading to enhanced process efficiency (binder distribution, drying time, and temperature) and product quality (heat-sensitive components) during granulation. Given the importance of this stage in producing oral solid dosage forms, understanding the relationship between critical process parameters and critical quality attributes is essential. The process analytical technology (PAT) framework enables process design, analysis, and control and facilitates process development via in-line spectroscopy combined with multivariate data analysis to yield critical product information during the unit operation. Herein, we used in-line NIR spectroscopy to monitor granule size in foam granulations of a pharmaceutical compound. The mean granule diameter was predicted using a partial least squares regression (PLSR) model (with a prediction error of 11.8 μm) and combined with a batch statistical process control (BSPC) approach for the temporal monitoring of granule size during three foam granulations.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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