라벨이 화공공대생인 게시물 표시

Pharos University ME 253 Fluid Mechanics II - ppt video online download

Pharos University ME 253 Fluid Mechanics II - ppt video online download : External External Flows Bodies in motion, experience fluid forces and moments. Examples include: aircraft, automobiles, buildings, ships, submarines, turbo machines. Fuel economy, speed, acceleration, stability, and control are related to the forces and moments. Airplane in level steady flight: drag = thrust & lift = weight.

과립공정, IPC(In-process Control)[제약공정]

이미지
 제약공정 #취준생 #과립 #화공공대생 안녕하세요 화공공대생입니다. 이전에 배웠던 부형제에 추가로 주성분을 결합하여 물성을 개선시키는 과정인 과립공정에 대하여 알아보겠습니다. 전체적인 공정 내용은 여기를 참조 해주세요. 과립공정 과립공정은 주성분(Active pharmaceutical ingredients)의 물성을 향상시키기 위해서 수행됩니다. 물성이라는 것은 최종 나정 형태를 만들기 위해 좋은 형태로 만들어 나가는 과정이라고 보면 되겠습니다. API가 침상형이라면 떼굴떼굴 잘굴러가지 않겠죠?? 이러한 경우 과립을 통해서 떼굴떼굴 잘굴러가게 부형제들을 옆으로 착착 붙여줍니다. 그러면 큰 동그란 형태가 됩니다. 하지만, 물성이 좋아지는 반면 주성분이 물로 용출이 되지가 않아 용출에서 안 좋습니다. 이를 보완하기 위해서, 챱챱 썰어주는 밀링(정립)과정을 해서 Target으로 한 입도 분포(Particle size Distribution)를 가지도록 만들어 줍니다. 또한, 추가적으로 후혼합 단계에서 잘 섞이도록 만들어줍니다 결론적으로는, 동글동글 하게 만들고, 용출이 용이한 형태를 만들어 줘야 합니다.= IPC 여기서, IPC(Inprocess control) 개념을 설명드려야하는데요, 이는 공정 중에 우리가 원하는 물성이 나왔는지 확인하는 작업입니다. 그러면 개발단계에서는 밀링이 끝난다면 PSD를 측정 함에 따라서 우리가 원하는 공정의 목적성을 달성했는지 확인할 수 있습니다. 다음으로 장비나 방법론을 선택해줘야하는데, 주로 압축성과 유동성이 관련이 있습니다. 아래 내용을 차근차근 살펴보도록 하겠습니다. ![](https://hdchemeng.com/wp-content/uploads/2021/11/image-1.png) 습식과립 습식의 경우를 살펴보자면 물에 취약한 주성분인 경우 기피해야합니다. 하지만, 물성이 너무 안좋은 경우 습식을 선택해야 합니다. (주성분이 ~스틴 계열이라면 수분에 대한 취약성을 탄산칼슘 계열로 보완하기도 합니다.) Shear mixer...

가우시안 프로세스 (Gaussian Process Regression)

이미지
Gaussian Process 가우시안 프로세스 는 Regression을 하는 과정에서 정확한 값을 얻는 것이 아니라 어떠한 확률 분포를 얻는 것입니다. Regression을 할때 정확한 Weight(계수)를 얻는 것이 이전에 방법이 었다면, 가우시안 프로세스 는 확률적으로 Weight를 얻는 것이라고 말할 수 있습니다. Weight가 확률적으로 표현이 되니 평균 값 또한, 확률적 표현을 가지는 Mean function으로 예측이 됩니다. 이러한 Weight는 Covariance Function이 됩니다. 즉, 가우시안 프로세스는 적합한 Coviance를 찾아주는 작업이라고 볼 수 있습니다. Data 란? 우리는 데이터를 해석하기 위해서는 다음과 같은 성질이 있음을 알아야 합니다. Data는 Random error와 Main effect로 구별 할 수 있습니다.![](https://hdchemeng.com/wp-content/uploads/2021/11/가우스프로세스.png)위 그림을 보시면 같은 포인트에서 여러번 실험해서 분산을 구하는 경우가 White noise인 Random error 부분에 해당합니다. 이 Random error는 평균이 0이게 되며, 반복 실험을 통해 얻어진 실험은 노이즈가 제거된 데이터로볼 수 있습니다. 반복 실험의 평균을 모아 전체 평균을 다시 내주게 되면, 우리는 Rnadom variable의 level 변화에 따라 (온도의 변화에 따라), 전체 평균으로 얼마나 멀어지는지 알 수 있습니다. 우리는 이를 가지고 Main effect라고 해주게됩니다.(a) 여기서 Main effcet라는 것이 Variance가 됩니다.즉, 가우시안 프로세스를 수행한다는 것은 이 Main effect에 대한 영향이 얼마나 잇는지 확인해주는 과정이라고도 볼 수 있습니다. 만약, 여러개의 Variable을 해석하는 경우에서는 Main effect들이 증가하게되고, Main effect들 끼리의 상호 작용이 발생할 수 있습니다. ab가 상호작용을 말하게되...