CN114791477B - 一种大蜜丸质构感官属性检测方法在质量控制中的应用 - Google Patents
一种大蜜丸质构感官属性检测方法在质量控制中的应用 Download PDFInfo
- Publication number
- CN114791477B CN114791477B CN202110096835.1A CN202110096835A CN114791477B CN 114791477 B CN114791477 B CN 114791477B CN 202110096835 A CN202110096835 A CN 202110096835A CN 114791477 B CN114791477 B CN 114791477B
- Authority
- CN
- China
- Prior art keywords
- texture
- large honeyed
- sensory
- honeyed bolus
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000001953 sensory effect Effects 0.000 title claims abstract description 158
- 238000001514 detection method Methods 0.000 title claims abstract description 63
- 238000003908 quality control method Methods 0.000 title claims abstract description 30
- 239000006187 pill Substances 0.000 claims abstract description 55
- 238000005259 measurement Methods 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012216 screening Methods 0.000 claims abstract description 14
- 239000003814 drug Substances 0.000 claims abstract description 9
- 238000003070 Statistical process control Methods 0.000 claims abstract description 7
- 235000013305 food Nutrition 0.000 claims abstract description 6
- 230000036541 health Effects 0.000 claims abstract description 6
- 239000000523 sample Substances 0.000 claims description 85
- 238000012360 testing method Methods 0.000 claims description 26
- 238000002474 experimental method Methods 0.000 claims description 21
- 238000013461 design Methods 0.000 claims description 18
- 238000004519 manufacturing process Methods 0.000 claims description 15
- 239000002131 composite material Substances 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000011160 research Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 238000012954 risk control Methods 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 3
- 238000003050 experimental design method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims 2
- 229940079593 drug Drugs 0.000 abstract description 5
- 206010004542 Bezoar Diseases 0.000 description 17
- 238000011835 investigation Methods 0.000 description 13
- 239000008188 pellet Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000004044 response Effects 0.000 description 9
- 230000001055 chewing effect Effects 0.000 description 8
- 238000007906 compression Methods 0.000 description 6
- 230000009021 linear effect Effects 0.000 description 6
- 235000012907 honey Nutrition 0.000 description 5
- 230000018984 mastication Effects 0.000 description 5
- 238000010077 mastication Methods 0.000 description 5
- TYAQXZHDAGZOEO-KXQOOQHDSA-N 1-myristoyl-2-stearoyl-sn-glycero-3-phosphocholine Chemical compound CCCCCCCCCCCCCCCCCC(=O)O[C@@H](COP([O-])(=O)OCC[N+](C)(C)C)COC(=O)CCCCCCCCCCCCC TYAQXZHDAGZOEO-KXQOOQHDSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 208000014446 corneal intraepithelial dyskeratosis-palmoplantar hyperkeratosis-laryngeal dyskeratosis syndrome Diseases 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 3
- 239000000853 adhesive Substances 0.000 description 2
- 230000001070 adhesive effect Effects 0.000 description 2
- 238000000418 atomic force spectrum Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000005489 elastic deformation Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 210000000214 mouth Anatomy 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 238000000348 solid-phase epitaxy Methods 0.000 description 2
- 241000766699 Taphrina amentorum Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000543 intermediate Substances 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 239000002674 ointment Substances 0.000 description 1
- 239000012450 pharmaceutical intermediate Substances 0.000 description 1
- 239000000825 pharmaceutical preparation Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/15—Medicinal preparations ; Physical properties thereof, e.g. dissolubility
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Pharmacology & Pharmacy (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供一种大蜜丸质构感官属性检测方法在质量控制中的应用,属于感官数字化领域。所述方法步骤包括:设计优化质构仪参数与大蜜丸质构感官属性测定结果的数学关系模型;评价质构仪参数与大蜜丸质构感官属性测定结果数学关系模型的可靠性,获得与质构仪参数具有可靠数学关系模型的大蜜丸关键质构感官属性;应用大蜜丸关键质构感官属性测定结果的稳定性筛选大蜜丸质构仪参数;利用筛选得到的大蜜丸质构仪参数,检测待测大蜜丸样品的质构感官属性。本发明创造性采用数学关系模型建立质构感官属性的检测方法,此外,首次引入区间估计和多元统计过程控制方法,实现医药、保健品和食品样品质构感官属性的质量控制。
Description
技术领域
本发明属于感官数字化领域,涉及一种质构感官属性数字化分析,具体涉及一种大蜜丸质构感官属性检测方法在质量控制中的应用。
背景技术
大蜜丸的质量控制是传统制剂制造过程质量控制的难点问题。混合、炼蜜和合坨过程是大蜜丸制造质量控制的重要单元,已有研究报道了混合和炼蜜过程质量控制的新方法和新技术。然而,合坨缺乏明确的质量控制指标,制造过程仍以人工经验为主,大蜜丸合坨过程关键质量属性表征和质量控制方法亟待建立。
真实世界样品是中药制造质量控制研究的基础,感官质量属性是传统中药制造质量控制的重要内容。质构感官属性包括硬度、粘附性、内聚力、弹性、胶黏性和咀嚼性等,可应用于蜜丸合坨、片剂和软膏剂等药物制剂或中间体的质量评价。然而,质构仪的探头种类、测试模式及其方法参数均会影响质构感官属性测定结果,质构感官属性检测方法优化是其实际应用的技术难点。
本发明创造性采用数学关系模型建立质构感官属性的检测方法,此外,首次引入区间估计和多元统计过程控制方法,实现医药、保健品和食品样品质构感官属性的质量控制。
发明内容
本发明的目的之一在于提供一种大蜜丸质构感官属性检测方法。
本发明的另一目的在于提供所述大蜜丸质构感官属性检测方法在样品质量控制中的应用,所述样品包括医药、保健品和食品领域样品。
为达上述目的,一方面,本发明提供了一种大蜜丸质构感官属性检测方法,其中,所述方法包括:
步骤1:设计优化质构仪参数与大蜜丸质构感官属性测定结果的数学关系模型;
步骤2:评价质构仪参数与大蜜丸质构感官属性测定结果数学关系模型的可靠性,获得与质构仪参数具有可靠数学关系模型的大蜜丸关键质构感官属性;
步骤3:应用大蜜丸关键质构感官属性测定结果的稳定性筛选大蜜丸质构仪参数;
步骤4:利用筛选得到的大蜜丸质构仪参数,检测待测大蜜丸样品的质构感官属性。
根据本发明一些具体实施方案,其中,设计优化质构仪参数与大蜜丸样品质构感官属性的数学关系模型包括如下步骤:
步骤1:质构仪测样探头选择2mm圆柱探头,测试模式选择质地剖面分析;
步骤2:质构仪参数中数据采集分辨率选择100Hz,最小触发力选择0.15N;
步骤3:采用实验设计方法,设计质构仪参数中形变百分率、检测速度和间隔时间的多因素交互实验,包括单因素设计和中心点复合设计;
步骤4:按照多因素交互实验,以大蜜丸合坨丸块真实生产世界样品为研究对象,检测大蜜丸质构感官属性,包括硬度、粘附性、内聚力、弹性、胶黏性和咀嚼性,每个实验重复3次,取平均值;
步骤5:采用向后逐步回归分析,优化质构仪参数与大蜜丸质构感官属性的数学关系模型。
根据本发明一些具体实施方案,其中,所述方法包括利用模型方差和模型失拟值,评价质构仪参数与大蜜丸质构感官属性测定结果数学关系模型的可靠性。
根据本发明一些具体实施方案,其中,所述方法包括利用模型方差和模型失拟值,共同评价质构仪参数与大蜜丸质构感官属性测定结果数学关系模型的可靠性,模型方差具有显著性差异且模型失拟值不具有显著性说明数学关系模型可靠,p<0.05为显著性差异标准。
根据本发明一些具体实施方案,其中,所述方法包括利用大蜜丸质构感官属性3次重复实验测定结果的RSD值,评价大蜜丸关键质构感官属性测定结果的稳定性。
根据本发明一些具体实施方案,其中,所述方法包括利用大蜜丸质构感官属性3次重复实验测定结果的RSD值,评价大蜜丸关键质构感官属性测定结果的稳定性,且RSD值评价稳定性的标准如下:RSD值0%~3%为优秀,RSD值3%~10%为合格,RSD值>10%为差。
根据本发明一些具体实施方案,其中,所述大蜜丸关键质构感官属性包括硬度、粘附性、内聚力和弹性。
根据本发明一些具体实施方案,其中,所述大蜜丸质构仪参数包括以下三种:(1)采集分辨率100Hz,最小触发力0.15N,检测速度30mm/min,形变百分率70%,间隔时间15S;(2)采集分辨率100Hz,最小触发力0.15N,检测速度70mm/min,形变百分率70%,间隔时间25S;(3)采集分辨率100Hz,最小触发力0.15N,检测速度50mm/min,形变百分率16%,间隔时间20S。
根据本发明一些具体实施方案,其中,所述大蜜丸质构仪参数为采集分辨率100Hz,最小触发力0.15N,检测速度30mm/min,形变百分率70%,间隔时间15S。
具体而言,本发明所述的大蜜丸质构感官属性检测方法包括以下步骤:
(1)质构仪测试模式和参数的选择
采用质构仪质地剖面分析(TPA),通过两次压缩过程位移-力量曲线图(图1a)和时间-力量曲线图(图1b),计算样品硬度、粘附性、内聚力、弹性、胶黏性和咀嚼性等质构感官属性。6种质构感官属性计算方法及说明如下:
硬度:图1a中B点力量值,力量值越大,硬度越大,描述样品抵抗咀嚼过程牙齿压入表面的能力;粘附性:图1a中SCDE面积,面积越大,粘附性越大,描述样品在咀嚼过程与牙齿、口腔粘附后剥离所需的做功;弹性:图1a中FG与AB在横坐标投影距离的比值,比值越大,弹性越大,描述样品咀嚼过程发生形变后恢复的能力;内聚力:图1a中SHIJ与SABC面积的比值,比值越大,内聚力越大,描述样品咀嚼过程保持完整的能力;胶黏性:硬度与内聚力乘积,乘积越大,胶黏性越大,描述样品咀嚼过程抵抗力的大小;咀嚼性:弹性与胶黏性乘积,乘积越大,咀嚼性越大,描述样品咀嚼到可吞咽时需要做功的大小。
质构仪TPA测试模式的质构仪参数包括数据采集分辨率、最小触发力,形变百分率,检测速度和间隔时间,其中形变百分率、检测速度和间隔时间为关键质构仪参数。6种质构感官属性计算方法及说明如下:
数据采集分辨率:图1b中数据采集间隔,控制数据采集间隔时间;最小触发力:图1b中A点力量值,控制数据开始采集的时间;形变百分率:图1a中AB横坐标投影距离与样品高度的比值,控制探头进入样品的深度;检测速度:控制探头进入和脱离样品的速度;间隔时间:图1b中EF在横坐标的投影距离,控制两次压缩过程的间隔时间。
(2)质构仪探头的筛选
样品质构仪TPA测试模式选用圆柱探头,可不破坏样品整体形态结构,测定样品内部的质构感官属性。圆柱探头直径应根据样品实际测试情况进行筛选,控制测试过程可能存在的误差。此外,为减少样品自身变异对质构仪参数优化结果的影响,质构仪TPA测试模式方法参数的优化过程应选用大蜜丸合坨丸块真实生产世界样品为研究对象。
(3)质构仪参数的单因素实验考察
以大蜜丸制造过程合坨丸块真实生产世界样品为研究载体,控制数据采集分辨率和最小触发力,设计形变百分率、检测速度和间隔时间的单因素考察实验,每个实验重复测定3次,计算平均值和RSD值。通过质构感官属性测定结果的RSD值,表征质构感官属性测定结果的稳定性,筛选形变百分率,检测速度和间隔时间的因素水平。
(4)质构仪参数的中心点复合设计实验优化
以大蜜丸合坨丸块真实生产世界样品为研究载体,采用三因素三水平的中心点复合设计(CCD),每个实验重复测定3次。通过向后逐步回归分析,建立质构仪参数与质构感官属性测定结果的数学关系模型,确定关键质构感官属性。此外,考虑到偶然误差的影响,将RSD值转化为等级数据评价测定结果的稳定性。RSD值转换等级数据标准:RSD值0%~3%为优秀,RSD值3%~10%为合格,RSD值>10%为差。以关键质构感官属性测量结果的稳定性为优化目标,筛选大蜜丸质构仪参数,建立大蜜丸质构感官属性的检测方法。
综上,本发明创造性采用数学关系模型建立质构感官属性的检测方法,通过设计优化质构仪参数与大蜜丸质构感官属性测定结果的数学关系,采用模型方差和模型失拟值,评价质构仪参数与大蜜丸质构感官属性测定结果数学关系模型的可靠性,获得大蜜丸关键质构感官属性。进一步,通过大蜜丸质构感官属性3次重复实验测定结果的RSD值,评价大蜜丸关键质构感官属性测定结果的稳定性,筛选大蜜丸质构仪参数,建立大蜜丸质构感官属性的检测方法。
根据本发明一些具体实施方案,其中,所述大蜜丸包括同仁牛黄清心丸。
根据本发明一些具体实施方案,其中,所述大蜜丸包括同仁牛黄清心丸等重量达到0.5g以上的中药大蜜丸。
另一方面,本发明还提供了大蜜丸质构感官属性检测方法在样品质量控制中的应用,所述样品包括医药、保健品和食品领域样品。
根据本发明一些具体实施方案,其中,大蜜丸质构感官属性检测方法在样品质量控制中的应用,基于区间估计的应用方法包括如下步骤:
步骤1:检测每个批次样品中心、左上,右上,右下和左下等5个位置的质构感官属性,每个位置分别重复测定三次,取平均值;
步骤2:计算每个批次样品5个位置质构感官属性的马氏距离,表征每个批次样品的批内质量差异,
步骤3:计算每个批次样品5个位置质构感官属性平均值的马氏距离,表征不同批次样品的批间质量差异;
步骤4:建立区间估计模型的区间控制图,选择95%单侧风险控制,实现样品的批内和批间质量控制。
根据本发明一些具体实施方案,其中,大蜜丸质构感官属性检测方法在样品质量控制中的应用,基于多元统计过程控制的应用方法包括如下步骤:
步骤1:检测每个样品的质构感官属性,重复测定三次,取平均值;
步骤2:分别转换每种质构感官属性数值范围到0~1;
步骤3:建立多元统计过程控制MSPC模型的Hotelling T2和平方预测误差SPE控制图,选择95%单侧风险控制,实现样品的质量控制。
综上所述,本发明提供了一种大蜜丸质构感官属性的检测方法在质量控制中的应用。本发明的方法具有如下优点:
本发明创造性采用数学关系模型建立大蜜丸质构感官属性的检测方法,所建立的大蜜丸质构感官属性检测方法稳定、可靠。此外,本发明将大蜜丸质构感官属性检测方法应用于样品的质量控制,首次引入区间估计和多元统计过程控制方法,实现医药、保健品和食品样品质构感官属性的质量控制。
附图说明
图1质构仪TPA测试模式示意图,a.位移-力量曲线图,b.时间-力量曲线图。
图2质构仪TPA测试模式检测后样品图,a.直径2mm圆柱探头成品结果,b.直径4mm圆柱探头成品结果,c.直径2mm圆柱探头合坨丸块结果。
图3质构仪参数单因素考察结果,a.形变百分率与质构感官属性测定结果单因素考察,b.形变百分率与质构感官属性测定结果RSD单因素考察,c.检测速度与质构感官属性测定结果单因素考察,d.检测速度与质构感官属性测定结果RSD单因素考察,e.间隔时间与质构感官属性测定结果单因素考察,f.间隔时间与质构感官属性测定结果RSD单因素考察。
图4质构仪参数中心点复合设计实验结果二维相关图。
图5质构仪参数与质构感官属性多元回归模型响应面,a.硬度的形变百分率回归曲线,b.粘附性的形变百分率、间隔时间响应面,c.内聚力的形变百分率、间隔时间响应面,d.弹性的形变百分率、间隔时间响应面;e.弹性的形变百分率、检测速度响应面,f.弹性的检测速度、间隔时间响应面。
图6 30批同仁牛黄清心丸合坨丸块质构感官属性批内与批间差异区间控制图。
图7 30批同仁牛黄清心丸成品质构感官属性MSPC模型,a.D统计量Hotelling T2控制图,b.Q统计量SPE控制图。
具体实施方式
以下通过具体实施例详细说明本发明的实施过程和产生的有益效果,旨在帮助阅读者更好地理解本发明的实质和特点,不作为对本案可实施范围的限定。
实施例1:大蜜丸质构感官属性检测方法的筛选
(1)质构仪测试模式与方法参数
质构仪主机装备了一个可以上下滑动的机械臂,末端通过力学传感器与探头相连,机械臂根据设定的速度上下移动,探头在接触样品时受到一个作用力,力量传感器实时传输数据质。质地剖面分析(TPA)测试模式,通过两次压缩过程位移-力量曲线图(图1a)和时间-力量曲线图(图1b),计算样品硬度、粘附性、内聚力、弹性、胶黏性和咀嚼性等质构感官属性。
硬度:图1a中B点力量值,力量值越大,硬度越大,描述样品抵抗咀嚼过程牙齿压入表面的能力;粘附性:图1a中SCDE面积,面积越大,粘附性越大,描述样品在咀嚼过程与牙齿、口腔粘附后剥离所需的做功;弹性:图1a中FG与AB在横坐标投影距离的比值,比值越大,弹性越大,描述样品咀嚼过程发生形变后恢复的能力;内聚力:图1a中SHIJ与SABC面积的比值,比值越大,内聚力越大,描述样品咀嚼过程保持完整的能力;胶黏性:硬度与内聚力乘积,乘积越大,胶黏性越大,描述样品咀嚼过程抵抗力的大小;咀嚼性:弹性与胶黏性乘积,乘积越大,咀嚼性越大,描述样品咀嚼到可吞咽时需要做功的大小。
质构仪TPA测试模式的方法参数包括数据采集分辨率、最小触发力,形变百分率,检测速度和间隔时间。数据采集分辨率:图1b中数据采集间隔,控制数据采集间隔时间;最小触发力:图1b中A点力量值,控制数据开始采集的时间;形变百分率:图1a中AB横坐标投影距离与样品高度的比值,控制探头进入样品的深度;检测速度:控制探头进入和脱离样品的速度;间隔时间:图1b中EF在横坐标的投影距离,控制两次压缩过程的间隔时间。
(2)质构仪测样探头的筛选
圆柱探头是质构仪TPA测试模式的常用探头,可不破坏样品整体形态结构,测定样品内部的质构感官属性。如图2所示,选用直径2mm和4mm两种圆柱探头对同仁牛黄清心丸成品进行TPA测试模式分析,结果发现4mm圆柱探头脱离样品时,易粘附部分样品脱离样品主体,造成实验误差。因此,本实验选用直径2mm圆柱探头,同一样品重复测定三次,计算平均值代表样品质构感官属性。
在质构仪TPA测试模式的方法参数的优化过程,选用同仁牛黄清心丸制造过程中间体合坨丸块真实世界样品为实验样品,如图2c所示。与直接选用蜜丸成品相比,合坨丸块为实验样品能够减少样品自身变异对质构仪参数优化结果的影响,且优化结果适用于同仁牛黄清心丸成品的质构感官属性检测。
(3)质构仪参数单因素考察结果
质构仪参数的数据采集分辨率选用100HZ,数据采集间隔为0.01S,此时数据的噪音较小,最小触发力选用仪器可设定最小值0.15N。控制检测速度30mm/min,间隔时间15S,考察形变百分率10%、30%、50%、70%和90%对测试结果的影响;控制形变百分率70%,间隔时间15S,考察检测速度10mm/min、30mm/min、50mm/min、70mm/min和90mm/min对测试结果的影响;控制形变百分率70%,检测速度30mm/min,考察间隔时间5S、10S、15S、20S和25S对测试结果的影响。以同仁牛黄清心丸合坨丸块为实验样品,每种方法参数重复测定三次,计算平均值及其标准差表征质构感官属性测定结果,计算RSD表征质构感官属性测定结果的稳定性,通过z-score标准化消除质构感官属性间的量纲差异,质构仪参数单因素考察结果如图3所示。
图3a是形变百分率与质构感官属性测定结果单因素考察结果,在形变百分率10%~90%范围内,受形变百分率影响粘附性>咀嚼性>胶黏性>硬度>弹性>内聚力,标准值范围分别为0.03~2.78、0.25~2.43、0.40~2.00、0.31~0.187、、0.70~1.43和0.75~1.28,6种质构感官属性测定结果RSD在形变百分率10%时较小(图3b)。在检测速度10mm/min~90mm/min范围内(图3c),受检测速度影响内聚力>硬度>咀嚼性>胶黏性=粘附性>弹性,标准值范围分别为1.37~0.79、1.22~0.67、1.25~0.72、1.15~0.77、1.12~0.75和1.12~0.93,6种质构感官属性测定结果RSD在检测速度50mm/min时较小(图3d)。在间隔时间5S~25S范围内(图3e),受间隔时间影响咀嚼性>胶黏性>粘附性>内聚力>弹性>硬度,标准值范围分别为1.29~0.75、1.20~0.79、1.09~0.72、1.15~0.83、1.09~0.89和1.05~0.96,6种质构感官属性测定结果RSD在间隔时间20S时较小(图3f)。6种质构感官属性测量结果与形变百分率存在一定线性相关,与检测速度和间隔时间线性关系不明显。质构感官属性测定结果RSD与3种质构仪参数线性关系均不明显,可能存在非线性交互作用影响。
(4)质构仪参数中心点复合设计结果
为考察形变百分率、检测速度和间隔时间对6种质构感官属性测量结果及其稳定性的非线性交互作用,选用中心点复合设计(central composite design,CCD)进行因素分析。CCD通过在选定的参数水平范围外,增加参数水平α=1.68的星点实验,从而有利于建立实验参数间的非线性关系模型。基单因素考察结果,控制检测速度范围为30~70mm/min,间隔时间15~25S,形变百分率10%无法有效反应样品内部的质构感官属性,控制形变百分率范围为30%~70%,数据采集分辨率100HZ,最小触发力0.15N。以同仁牛黄清心丸合坨丸块为实验样品,每种实验设计方法参数重复测量三次,计算平均值与标准差,质构仪参数中心点复合设计结果如表1所示。
图4是中心点复合设计实验结果二维相关图,6种质构感官属性与形变百分率相关系数范围为-0.8081~0.7437,检测速度相关系数范围为-0.0147~0.5786,间隔时间相关系数范围为-0.1324~0.1312。结果表明6种质构感官属性测量结果与形变百分率存在一定线性相关,与检测速度和间隔时间线性关系不明显,与单因素考察结果基本一致。6种质构感官属性中,胶黏性是硬度与内聚力的乘积,但测量结果相关性较低,相关系数为0.7625与0.2665,原因在于硬度与内聚力受形变百分率影响变化趋势不同;咀嚼性是弹性与胶黏性的乘积,测量结果相关性较高的,相关系数为0.8327与0.9899,咀嚼性和胶黏性测量结果变化规律基本一致。内聚力与其他5种质构感官属性相关性较低,相关系数范围为-0.3798~0.2798,是同仁牛黄清心丸质构感官属性的重要组成部分。
表1质构仪参数中心点复合设计实验结果
(5)质构仪参数与质构感官属性多元回归模型
基于中心点复合设计实验结果,建立质构仪参数与质构感官属性的多元回归模型,并通过向后逐步回归分析,以显著性p<0.05为因素筛选标准,建立逐步回归模型,提高变量的可解释性,回归模型方差和失拟值F检验结果如表2所示。模型方差F检验p<0.05,表明所建立的回归方程准确性高,模型失拟值F检验p<0.05,表明所建立的回归方程可靠性低。在回归模型准确且可靠的前提下,考虑因素间的非线性交互作用,阐明质构仪参数与质构感官属性的关联关系。结果表明硬度、粘附性、内聚力和弹性的Stepwise-quadratic回归模型准确可靠,胶黏性和咀嚼性由其他质构感官属性计算得到,未能建立有效的回归模型。
建立质构感官属性与质构仪参数的Stepwise-quadratic回归模型,硬度=0.0196*形变百分率+0.4990,调整R2为0.4184,回归曲线如图5a所示,结果表明硬度随形变百分率增加而线性增大;粘附性=0.0464*形变百分率-0.0012*间隔时间*间隔时间-0.1054,调整R2为0.6789,响应面如图5b所示,内聚力=0.5516-0.0041*形变百分率-0.00002*间隔时间*间隔时间,调整R2为0.7511,响应面如图5c所示,结果表明粘附性、内聚力均同时受形变百分率的线性作用和间隔时间的非线性作用;弹性=0.0115*检测速度+0.0016*形变百分率-0.00008*检测速度*检测速度+0.00002*间隔时间*间隔时间,调整R2为0.6652,响应面如图5d、图5e和图5f所示,结果表明弹性同时受3种质构仪参数影响,等高线密度分析结果表明作用强度检测速度>形变百分率>间隔时间。
表2质构仪参数与质构感官属性多元回归模型方差和失拟值F检验结果
注:A表示模型方差F检验p<0.05;a表示模型方差F检验p≥0.05;B表示模型失拟值F检验p<0.05;b表示模型失拟值F检验p≥0.05;/表示模型无法拟合。
(6)质构仪参数优化结果
以硬度、粘附性、内聚力和弹性4种质构感官属性测量结果的稳定性为优化目标,基于中心点复合设计方法参数三次重复实验测定结果的RSD值,筛选优化质构分析最优参数组合。考虑到偶然误差的影响,将RSD值转化为等级数据评价测定结果的稳定性。RSD值转换等级数据标准:RSD值0%~3%为优秀,RSD值3%~10%为合格,RSD值>10%为差。结果表明有三种质构仪参数组合的4种质构感官属性稳定性结果均达到合格,分别为:检测速度30mm/min,形变百分率70%,间隔时间15S;检测速度70mm/min,形变百分率70%,间隔时间25S;检测速度50mm/min,形变百分率16%,间隔时间20S。
进一步筛选质构仪参数,形变百分率16%不利于表征样品内部质构感官属性,选择形变百分率70%为最优参数水平。三种质构仪参数组合中检测速度和间隔时间的参数水平均保持一致,检测速度越大,间隔时间越长。其原因可能是较高的检测速度对样品内部结构破坏越大,同时单次压缩过程所用时间较短,因此需要更长的间隔时间使样品内部结构恢复到平衡状态,提高第二次压缩过程测定结果的稳定性。结果表明相对较低的测试速度有利于控制合坨丸块质构感官属性测定结果的稳定性,因此,确定最优质构仪参数为形变百分率70%,检测速度30mm/min,间隔时间15S,建立大蜜丸质构感官属性的检测方法。
实施例2:质构感官属性检测方法在合坨丸块质量控制中的应用
收集30个批次同仁牛黄清心丸合坨丸块真实生产世界样品,每批样品不少于500g,基于上述大蜜丸质构质构感官属性的检测方法,在每个合坨丸块中心、左上,右上,右下和左下位置分别测定三次,计算平均值,表征合坨丸块不同位置的质构感官属性。通过计算5个位置合坨丸块质构感官属性的马氏距离平均值,表征批内差异。采用5个位置质构感官属性的平均值,表征合坨丸块不同批次的质构感官属性,通过分别计算30批合坨丸块质构感官属性的马氏距离平均值,表征批间差异。
图6是30批合坨丸块质构感官属性批内与批间差异区间控制图,30批合坨丸块批内马氏距离范围为0.859~3.739,批间马氏距离范围为2.104~4.644,采用区间估计模型,选择95%单侧风险控制,单侧控制限为平均值±1.645*标准差,批内控制限为2.656,批间控制限为3.871。批号257和422合坨丸块与其他批次丸块质构感官属性差异较大,批号258和422合坨丸块批内差异相对较大。上述结果表明,质构感官属性的区间估计模型,可检测同仁牛黄清心丸合坨丸块的批内和批间质量波动,实现合坨丸块的质量控制。
实施例3:质构感官属性检测方法在蜜丸成品质量控制中的应用
收集30个批次同仁牛黄清心丸成品真实生产世界样品,编号A1~A30,每批次取3个样品,共计90个样品。基于上述大蜜丸质构质构感官属性的检测方法,测定同仁牛黄清心丸成品的6种质构感官属性,每个样品重复测量三次,计算平均值。为消除质构感官属性测定结果数据的量纲差异,将6种质构感官属性数值范围均转换到0~1进行标准化。采用主成分分析模型提取90个样品6种质构感官属性的特征信息,选择第一和第二主成分,2主成分总解释率为98%,建立30批仁同仁牛黄清心丸成品质构感官属性MSPC模型,结果如图7所示。
图7a为D统计量Hotelling T2控制图代表了90个样品6种质构感官属性数据中被主成分分析模型所解释部分的变化,A2_3和A3_3样品Hotelling T2得分超出99%置信度控制限9.929,A6_2样品Hotelling T2得分超出95%置信度控制限6.340,结果表明上述3个样品的6种质构感官属性结构关系未发生变化,但质构感官属性数值范围与正常样品存在显著差异,同仁牛黄清心丸生产的关键工艺参数可能发生了较大波动。图7b为Q统计量SPE控制图代表了数据中没有被主成分分析模型所解释部分的变化,A3_2和A3_3样品SPE得分超出99%置信度控制限0.0954,A24_3样品SPE得分超出95%置信度控制限0.0600,结果表明上述3个异常样品的6种质构感官属性间结构发生变化,主成分分析模型的解释率降低,同仁牛黄清心丸生产的原料质量可能发生了较大波动。上述结果表明,质构感官属性的MSPC模型可检测同仁牛黄清心丸成品的质量波动,实现蜜丸成品的质量控制。
Claims (10)
1.一种大蜜丸质构感官属性的检测方法,其特征在于,采用数学关系模型筛选质构仪参数,建立质构感官属性的检测方法,该方法包括如下步骤:
步骤1:设计优化质构仪参数与大蜜丸质构感官属性测定结果的数学关系模型;
步骤2:评价质构仪参数与大蜜丸质构感官属性测定结果数学关系模型的可靠性,获得与质构仪参数具有可靠数学关系模型的大蜜丸关键质构感官属性;
步骤3:应用大蜜丸关键质构感官属性测定结果的稳定性筛选大蜜丸质构仪参数;
步骤4:采用筛选得到的大蜜丸质构仪参数,检测待测大蜜丸样品的质构感官属性。
2.根据权利要求1所述的大蜜丸质构感官属性的检测方法,其特征在于,步骤1中所述设计优化质构仪参数与大蜜丸质构感官属性测定结果的数学关系模型,包括如下步骤:
步骤1:质构仪测样探头选择圆柱探头,测试模式选择质地剖面分析;
步骤2:控制质构仪参数中数据采集分辨率和最小触发力;
步骤3:采用实验设计方法,设计质构仪参数中形变百分率、检测速度和间隔时间的多因素交互实验,包括单因素设计和中心点复合设计;
步骤4:按照多因素交互实验,以大蜜丸合坨丸块真实生产世界样品为研究对象,检测大蜜丸质构感官属性,每个实验重复3次以上,取平均值;
步骤5:采用向后逐步回归分析,优化质构仪参数与大蜜丸质构感官属性的数学关系模型。
3.根据权利要求1所述的大蜜丸质构感官属性的检测方法,其特征在于,步骤2所述评价质构仪参数与大蜜丸质构感官属性测定结果数学关系模型的可靠性,数学关系模型可靠性的评价指标包括模型方差和模型失拟值,以p<0.05为显著性差异标准,模型方差具有显著性差异且模型失拟值不具有显著性说明数学关系模型可靠。
4.根据权利要求1所述的大蜜丸质构感官属性的检测方法,其特征在于,步骤3所述应用大蜜丸关键质构感官属性测定结果的稳定性筛选大蜜丸质构仪参数,大蜜丸关键质构感官属性测定结果稳定性通过3次重复实验测定结果的RSD值评价,且RSD值评价稳定性的标准如下:RSD值0%~3%为优秀,RSD值3%~10%为合格,RSD值>10%为差。
5.根据权利要求1所述的大蜜丸质构感官属性的检测方法,其特征在于,所述大蜜丸关键质构感官属性包括硬度、粘附性、内聚力和弹性。
6.根据权利要求1所述的大蜜丸质构感官属性的检测方法,其特征在于,所述大蜜丸质构仪参数中形变百分率为70%,检测速度为30mm/min,间隔时间为15S。
7.根据权利要求1所述的大蜜丸质构感官属性的检测方法,其特征在于,所述大蜜丸为重量达到0.5g以上的中药大蜜丸。
8.根据权利要求1所述的大蜜丸质构感官属性的检测方法在样品质量控制中的应用,所述样品包括医药、保健品和食品领域样品。
9.根据权利要求8所述的应用,其特征在于,所述在样品质量控制中的应用,基于区间估计的应用方法包括如下步骤:
步骤1:检测每个批次样品中心、左上,右上,右下和左下等5个位置的质构感官属性,每个位置分别重复测定三次,取平均值;
步骤2:计算每个批次样品5个位置质构感官属性的马氏距离,表征每个批次样品的批内质量差异,
步骤3:计算每个批次样品5个位置质构感官属性平均值的马氏距离,表征不同批次样品的批间质量差异;
步骤4:建立区间估计模型的区间控制图,选择95%单侧风险控制,实现样品的批内和批间质量控制。
10.根据权利要求8所述的应用,其特征在于,所述在样品质量控制中的应用,基于多元统计过程控制的应用方法包括如下步骤:
步骤1:检测每个样品的质构感官属性,重复测定三次,取平均值;
步骤2:分别转换每种质构感官属性数值范围到0~1;
步骤3:建立多元统计过程控制模型的Hotelling T2和平方预测误差SPE控制图,选择95%单侧风险控制,实现样品的质量控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110096835.1A CN114791477B (zh) | 2021-01-25 | 2021-01-25 | 一种大蜜丸质构感官属性检测方法在质量控制中的应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110096835.1A CN114791477B (zh) | 2021-01-25 | 2021-01-25 | 一种大蜜丸质构感官属性检测方法在质量控制中的应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114791477A CN114791477A (zh) | 2022-07-26 |
CN114791477B true CN114791477B (zh) | 2023-12-05 |
Family
ID=82459720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110096835.1A Active CN114791477B (zh) | 2021-01-25 | 2021-01-25 | 一种大蜜丸质构感官属性检测方法在质量控制中的应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114791477B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052437A (zh) * | 2021-03-05 | 2021-06-29 | 北京中医药大学 | 一种智能制造多源信息融合方法在中药大蜜丸质量评价中的应用 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1078422A (ja) * | 1996-07-31 | 1998-03-24 | Elisabeth Hata Internatl Inc | 薬剤タブレットの試験方法及び装置 |
JP2004005367A (ja) * | 2002-04-10 | 2004-01-08 | Sumitomo Chem Co Ltd | 樹脂製品の設計方法 |
CN106645606A (zh) * | 2016-12-28 | 2017-05-10 | 东阿阿胶股份有限公司 | 一种阿胶感官品质评价方法 |
CN106666481A (zh) * | 2015-11-06 | 2017-05-17 | 上海康沈建筑装潢材料有限公司 | 一种鱼丸及其制备方法 |
CN106709823A (zh) * | 2017-03-19 | 2017-05-24 | 国网福建省电力有限公司 | 一种电力用户用电信息采集系统的运行性能评价方法 |
CN107024446A (zh) * | 2016-01-29 | 2017-08-08 | 九芝堂股份有限公司 | 一种六味地黄丸小蜜丸生药粉多指标快速检测方法 |
CN107515144A (zh) * | 2017-09-06 | 2017-12-26 | 云南中烟工业有限责任公司 | 一种测定胶基型嚼烟质构特性的方法 |
CN107578104A (zh) * | 2017-08-31 | 2018-01-12 | 江苏康缘药业股份有限公司 | 一种中药生产过程知识系统 |
JP2018159655A (ja) * | 2017-03-23 | 2018-10-11 | 全星薬品工業株式会社 | 医薬品の製造工程の工程分析方法 |
CN108918795A (zh) * | 2018-04-12 | 2018-11-30 | 九阳股份有限公司 | 米饭感官评价仪、米饭质构特性替代感官评价及测试方法 |
CN109960146A (zh) * | 2019-01-25 | 2019-07-02 | 石化盈科信息技术有限责任公司 | 提高软测量仪表模型预测精度的方法 |
CN110084315A (zh) * | 2019-05-06 | 2019-08-02 | 河南农业大学 | 一种肉糜制品质构分级方法 |
JP2019192151A (ja) * | 2018-04-27 | 2019-10-31 | 株式会社荏原製作所 | 解析パラメータの推定方法 |
CN111007213A (zh) * | 2020-01-06 | 2020-04-14 | 武汉轻工大学 | 一种汤圆专用米的筛选方法 |
CN111413475A (zh) * | 2019-01-04 | 2020-07-14 | 中国农业大学 | 冷鲜羊肉的物性检测方法 |
WO2020168528A1 (zh) * | 2019-02-22 | 2020-08-27 | 吴宇 | 体征参数检测系统、体征参数的可靠性评价方法 |
CN111713593A (zh) * | 2020-07-02 | 2020-09-29 | 北京中医药大学 | 一种基于药食同源物质的痛经用软糖及其制备方法和应用 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE60020119T2 (de) * | 1999-06-18 | 2005-10-06 | Biacore Ab | Verfahren und Vorrichtung zur Untersuchung von Wirksstoffskandidaten und zur Bestimmung ihrer pharmakokinetischen Parametern |
US8131020B2 (en) * | 2004-05-20 | 2012-03-06 | Mcmaster University | Method for controlling the appearance of products and process performance by image analysis |
CN104792948A (zh) * | 2015-04-30 | 2015-07-22 | 重庆工商大学 | 基于响应面法的珍珠粉圆质构测定方法 |
JP7015317B2 (ja) * | 2017-04-26 | 2022-02-02 | ビューラー アーゲー | 自己最適化する適応性の産業用チョコレート生産システム及びその対応する方法 |
US11113653B2 (en) * | 2018-12-26 | 2021-09-07 | Accenture Global Solutions Limited | Artificial intelligence and machine learning based incident management |
-
2021
- 2021-01-25 CN CN202110096835.1A patent/CN114791477B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1078422A (ja) * | 1996-07-31 | 1998-03-24 | Elisabeth Hata Internatl Inc | 薬剤タブレットの試験方法及び装置 |
JP2004005367A (ja) * | 2002-04-10 | 2004-01-08 | Sumitomo Chem Co Ltd | 樹脂製品の設計方法 |
CN106666481A (zh) * | 2015-11-06 | 2017-05-17 | 上海康沈建筑装潢材料有限公司 | 一种鱼丸及其制备方法 |
CN107024446A (zh) * | 2016-01-29 | 2017-08-08 | 九芝堂股份有限公司 | 一种六味地黄丸小蜜丸生药粉多指标快速检测方法 |
CN106645606A (zh) * | 2016-12-28 | 2017-05-10 | 东阿阿胶股份有限公司 | 一种阿胶感官品质评价方法 |
CN106709823A (zh) * | 2017-03-19 | 2017-05-24 | 国网福建省电力有限公司 | 一种电力用户用电信息采集系统的运行性能评价方法 |
JP2018159655A (ja) * | 2017-03-23 | 2018-10-11 | 全星薬品工業株式会社 | 医薬品の製造工程の工程分析方法 |
CN107578104A (zh) * | 2017-08-31 | 2018-01-12 | 江苏康缘药业股份有限公司 | 一种中药生产过程知识系统 |
CN107515144A (zh) * | 2017-09-06 | 2017-12-26 | 云南中烟工业有限责任公司 | 一种测定胶基型嚼烟质构特性的方法 |
CN108918795A (zh) * | 2018-04-12 | 2018-11-30 | 九阳股份有限公司 | 米饭感官评价仪、米饭质构特性替代感官评价及测试方法 |
JP2019192151A (ja) * | 2018-04-27 | 2019-10-31 | 株式会社荏原製作所 | 解析パラメータの推定方法 |
CN111413475A (zh) * | 2019-01-04 | 2020-07-14 | 中国农业大学 | 冷鲜羊肉的物性检测方法 |
CN109960146A (zh) * | 2019-01-25 | 2019-07-02 | 石化盈科信息技术有限责任公司 | 提高软测量仪表模型预测精度的方法 |
WO2020168528A1 (zh) * | 2019-02-22 | 2020-08-27 | 吴宇 | 体征参数检测系统、体征参数的可靠性评价方法 |
CN110084315A (zh) * | 2019-05-06 | 2019-08-02 | 河南农业大学 | 一种肉糜制品质构分级方法 |
CN111007213A (zh) * | 2020-01-06 | 2020-04-14 | 武汉轻工大学 | 一种汤圆专用米的筛选方法 |
CN111713593A (zh) * | 2020-07-02 | 2020-09-29 | 北京中医药大学 | 一种基于药食同源物质的痛经用软糖及其制备方法和应用 |
Non-Patent Citations (6)
Title |
---|
Near-infrared chemical imaging for quantitative analysis of chlorpheniramine maleate and distribution homogeneity assessment in pharmaceutical formulations;Manfei Xu 等;《Journal of Innovative Optical Health Sciences》;第9卷(第6期);第1650002(1-9)页 * |
Relationship Between Objective and Subjective Wheat Flour Tortilla Quality Evaluation Methods;Alviola, JN 等;《Cereal Chemistry》;第87卷(第5期);第481-485页 * |
中药大品种制造关键质量属性表征:质构感官属性的同仁牛黄清心丸质量控制方法研究;曾敬其 等;《中国中药杂志》;第46卷(第07期);第1598-1605页 * |
党参不同炮制品丸剂溶出前后物性参数及化学成分相关性研究;陈天朝 等;《中国中医药信息杂志》;第27卷(第07期);第81-87页 * |
基于物理特性参数及数学模型拟合的六味地黄丸成型过程研究;付赛;《中国优秀硕士学位论文全文数据库(电子期刊) 医药卫生科技辑》(第12期);第E057-9页 * |
豆腐的物性评价模型构建及感官品质优化研究;任凯;《中国优秀硕士学位论文全文数据库(电子期刊) 工程科技I辑》(第02期);第B024-300页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114791477A (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103054562B (zh) | 基于多路脉搏波波形分析的心血管功能检测方法及其装置 | |
JPH02504232A (ja) | 心臓病死亡確率決定装置 | |
CN107224272A (zh) | 一种脉诊仪及其检测方法 | |
CN114791477B (zh) | 一种大蜜丸质构感官属性检测方法在质量控制中的应用 | |
WO2011147221A1 (zh) | 双感测脉诊仪 | |
CN106539562A (zh) | 一种由脉搏波评估心功能的方法 | |
CN108143419A (zh) | 一种基于滑动窗心率信号分析的静息代谢率快速获取方法 | |
JP5406077B2 (ja) | 超音波診断装置 | |
CN1448876A (zh) | 人体亚健康状态的计算机评测方法 | |
CN112755434B (zh) | 跳绳动作标准度评估方法及装置 | |
CN108872320A (zh) | 一种肉类食物生熟度检测装置 | |
CN1872002A (zh) | 一种脉动信息获取系统 | |
CN1661617A (zh) | 自律神经的自动诊断方法及其装置 | |
CN1559341A (zh) | 一种心率变异性的预测度指标检测分析方法及仪器 | |
CN114468996A (zh) | 基于有序性、多模态及对称性破缺对乳房体征分析的方法 | |
CN101530336A (zh) | 无创性染色体异常出生缺陷孕早期筛查方法 | |
CN208129992U (zh) | 一种脉诊仪 | |
CN113876316A (zh) | 下肢屈伸活动异常检测系统、方法、装置、设备及介质 | |
CN107341365A (zh) | 一种遗传病的筛查方法和试剂盒 | |
CN106491146B (zh) | 一种口唇肌力检测装置、检测方法及装置收纳盒 | |
Sheikh et al. | Relationship between age at menarche, body mass index percentile, and skeletal maturity stages in Indian female orthodontic patients | |
CN204964508U (zh) | 血栓弹力图仪凝血状态测量装置 | |
CN111028906A (zh) | 一种快速检测组织细胞正电荷量的方法 | |
CN117292821B (zh) | 一种基于知识图谱的辅助诊疗系统 | |
CN113116379B (zh) | 一种孕期监测、监护于一体的胎心仪及其工作方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |