• Home
  • Training
  • Corsi open
  • Quality by Design - Corso DOE base + Corso Robustezza e Design Space / 23-24-25-26-27 maggio 2022

Quality by Design - Corso DOE base + Corso Robustezza e Design Space / 23-24-25-26-27 maggio 2022

Titolo: Quality by Design - Corso DOE base + Corso Robustezza e Design Space
Date: 23-24-25-26-27 maggio 2022
Orari: 9-13
Piattaforma: GoToMeeting

Iscrizioni entro il 9 maggio 2022.
È possibile iscriversi all’intero corso, solo alle prime tre giornate (corso DOE base) oppure solo alle ultime due (corso avanzato Robustezza e Design Space) .

Quality by Design (QbD) è un approccio scientifico e sistematico alla progettazione e alla produzione di un manufatto che si propone di conoscere le relazioni tra gli attributi di un prodotto o di un processo produttivo e le performance del prodotto stesso in modo da assicurarne la produzione secondo le specifiche di qualità e mediante un processo robusto e controllato. 

L’approccio è applicato dalle prime fasi di progettazione fino al controllo della qualità di un prodotto e coinvolge più discipline quali il disegno sperimentale (DOE), l’analisi multivariata di dati, il risk assessment. 

Il corso presenta una delle metodologie che costituiscono la struttura portante del QbD e cioè il disegno sperimentale. Particolare attenzione è riservata ai metodi per lo studio della robustezza e per la definizione del design space (l’insieme delle condizioni sperimentali per le quali tutte le caratteristiche del prodotto risultano in specifica secondo un livello di rischio prestabilito). 

Il corso ha carattere applicativo: sono previste lezioni teoriche ed esercitazioni su software MODDE Pro (Sartorius Stedim Data Analytics) 

OBIETTIVI 
Il corso ha l’obiettivo di presentare, a livello base, la metodologia disegno sperimentale ed il suo ruolo nell’approccio QbD. 
Ha lo scopo di fornire le nozioni di disegno sperimentale e le competenze statistiche necessarie per lo studio e la risoluzione di problematiche di screening, di ottimizzazione e per la valutazione della robustezza di un prodotto, di un metodo o di un processo. Particolare attenzione è riservata alle modalità di definizione del design space. 

A CHI È RIVOLTO IL CORSO 
Il corso è rivolto a ricercatori, responsabili di laboratorio o di produzione che abbiano la necessità di integrare nel proprio lavoro metodi di disegno sperimentale, che desiderino acquisite gli strumenti necessari per valutare correttamente una sperimentazione effettuata con metodologia DOE o che partecipino all’introduzione o allo sviluppo in azienda un approccio QbD. 

PROGRAMMA Corso DOE base (23-24-25 maggio 20229:00-13:00)

  • Definizione di QbD, presentazione della metodologia DOE del suo ruolo nell’approccio QbD. 
  • Formulazione del problema 
    • definizione degli obiettivi di una sperimentazione 
    • selezione dei fattori 
    • definizione delle risposte 
    • scelta del piano sperimentale 
  • Presentazione dei piani sperimentali Fattoriali 
  • Metodo di regressione MLR 
    • introduzione del metodo 
    • relazione coi i piani sperimentali fattoriali 
  • Studio dei piani Fattoriali completi 
    • caratteristiche dei piani 
    • analisi dei dati sperimentali 
    • generazione ed interpretazione del modello di regressione 
    • ricerca delle soluzioni di interesse 
    • Esercitazioni 
  • Problematiche di screening 
  • Piani Fattoriali frazionari 
    • caratteristiche dei piani 
    • analisi dei dati sperimentali: il problema del “confounding 
    • generazione ed interpretazione del modello di regressione 
    • metodi di risoluzione del confoundingfold over o disegno D-ottimale 
    • Esercitazioni 
  • Azioni successive alla fase di screening 
    • Esercitazioni 
  • Problematiche di ottimizzazione 
  • Piani Fattoriali compositi 
    • caratteristiche dei piani 
    • analisi dei dati sperimentali 
    • generazione ed interpretazione del modello di regressione 
    • ricerca delle soluzioni di interesse: introduzione all’algoritmo di ricerca automatica delle soluzioni “Optimizer 
  • Azioni successive alla fase di ottimizzazione 
    • Esercitazioni 

Le esercitazioni sono svolte su software MODDE Pro 12 (Sartorius – Umetrics Suite).

PROGRAMMA Robustezza e Design Space (26-27 maggio 2022, 9:00-13:00) 

  • Valutazione della robustezza di un metodo o di un processo: 
    • progettazione di test di robustezza 
    • analisi dei dati e attestazione della robustezza del sistema 
    • azioni successive al test quando il sistema risulta non robusto 
    • Esercitazioni 
  • Simulazioni Montecarlo 
    • identificazione del dominio sperimentale che assicura la qualità desiderata del prodotto 
    • definizione dei NOR 
  • Determinazione del design space: 
    • input delle specifiche e calcolo del design space 
    • interpretazione dei risultati 
    • Esercitazioni 
  • Conclusione del corso.

Le esercitazioni sono svolte su software MODDE Pro 12 (Sartorius – Umetrics Suite) 

Scarica la scheda di iscrizione

 

Latest news

Save the Date! Workshop at AFI Symposium on 8th June in Rimini

Save the Date! Workshop at AFI Symposium on 8th June in Rimini

We will talk with experts about optimization in the integration of analytical, and process data, from R&D to production,

Read more...

See you in Rimini!

See you in Rimini!

We are thrilled to partecipate in 61° AFI Symposium! Stay tuned for more details.

Read more...

Cosmetici, Regolatorio e test alternativi: a che punto siamo?

Cosmetici, Regolatorio e test alternativi: a che punto siamo?

Il regolamento cosmetico europeo parla chiaro: no ai test sugli animali. Tuttavia, quali sono le sfide e i bisogni del settore cosmetico nell’uso di test alternativi?
Ne parlano le nostre colleghe Marta Lettieri e Lorenza Broccardo in questo numero di Cosmetic Technology.

 

Read more...


 

S-IN Soluzioni Informatiche S.r.l. - via G. Ferrari, 14 - 36100 - Vicenza - Italy

E-mail: info@s-in.it - PEC: mail@pec.s-in.it - Tel. +39 0444 1821160 - Fax +39 0444 1821169

 C.F. & P.IVA IT02397280245 - Ufficio del Registro: Vicenza - REA: VI227844 - Capitale sociale € 100.000,00 i.v.

Privacy Policy