浙江大学学报(工学版), 2020, 54(2): 374-380 doi: 10.3785/j.issn.1008-973X.2020.02.019

机械与能源工程

基于粉体学性质的流化床制粒质量一致性评价方法

赵洁,, 瞿海斌,, 田埂, 魏燕定

Quality consistency evaluation method for granules in fluidized bed granulation based on powder properties

ZHAO Jie,, QU Hai-bin,, TIAN Geng, WEI Yan-ding

通讯作者: 瞿海斌,男,教授. orcid.org/0000-0002-9877-4316. E-mail: quhb@zju.edu.cn

收稿日期: 2018-12-30  

Received: 2018-12-30  

作者简介 About authors

赵洁(1989—),女,博士生,从事药品生产全程质量控制方法研究.orcid.org/0000-0003-0465-1030.E-mail:zhaojie_1021@zju.edu.cn , E-mail:zhaojie_1021@zju.edu.cn

摘要

为了评价流化床脉冲喷雾制粒(PSFBG)产品的质量,采用粉体学评价方法表征颗粒的堆积特性、可压性、流动性等物理属性. 构建由休止角、空隙率、粒径等12个指标构成的物理指纹谱. 基于物理指纹谱对PSFBG产品进行质量一致性评价,并通过构建参数指数、参数轮廓指数和良好可压性指数分析颗粒的压缩特性;运用多变量数据分析对不同批次颗粒的质量属性进行评价. 结果表明,所建立的物理指纹谱不仅可以反映不同制备工艺所获得颗粒的粉体学性质的异同,还能辅助判断颗粒压缩特性,结合多元统计分析方法在多个指标互相关联的情况下分析它们之间的规律. 物理指纹谱是评价产品粉体学性质的有效工具,为PSFBG产品质量一致性的综合评价提供思路.

关键词: 流化床 ; 脉冲喷雾 ; 物理属性 ; 物理指纹谱 ; 压缩特性 ; 多变量数据分析

Abstract

The physical properties of stackability, compressibility and flowability were comprehensively characterized by micromeritics evaluation method, in order to conduct a quality evaluation of granules produced by pulsed-spray fluid-bed granulation (PSFBG). Physical fingerprint were constructed with twelve indexes, such as angle of repose, porosity and particle size, to evaluate the quality consistence of PSFBG products. The parameter index, the parameter profile index and the good compressibility index were established to study the compressibility of particles. Multivariate data analysis was used to evaluate the quality attributes of different batches of granules. Results show that the physical fingerprint can not only reflect the similarities and differences of the properties of granules obtained by different granulation methods, but also assist in judging the compression characteristics of particles. Combined with the method of multivariate statistical analysis, the physical fingerprint can be used to analyze the regularity between multiple indicators when they are related to each other. Physical fingerprint spectroscopy is an effective tool for evaluating the properties of granules, which provides new insights into the quality consistence evaluation of PSFBG products.

Keywords: fluid bed ; pulsed spray ; physical properties ; physical fingerprint ; compressibility ; multivariate data analysis

PDF (962KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

赵洁, 瞿海斌, 田埂, 魏燕定. 基于粉体学性质的流化床制粒质量一致性评价方法. 浙江大学学报(工学版)[J], 2020, 54(2): 374-380 doi:10.3785/j.issn.1008-973X.2020.02.019

ZHAO Jie, QU Hai-bin, TIAN Geng, WEI Yan-ding. Quality consistency evaluation method for granules in fluidized bed granulation based on powder properties. Journal of Zhejiang University(Engineering Science)[J], 2020, 54(2): 374-380 doi:10.3785/j.issn.1008-973X.2020.02.019

流化床一步制粒是指利用气流使物料呈悬浮流化状态,再喷入黏合剂液体,使粉末聚结成粒的方法. 流化床能将传统的混合、干燥、制粒、包衣在同一封闭仪器内一次完成,实现一步制粒. 与其他方法相比,流化床一步制粒具有工艺简单、操作时间短、劳动强度低等优点,在化工、制药、食品等领域中已被广泛应用[1-2]. 流化床脉冲喷雾制粒(pulsed-spray fluid-bed granulation,PSFBG)是指在流化床制粒过程中,通过控制黏合剂的加入方式使液体以间歇的方式进入床体从而控制流化床的制粒过程[3-4]. 在PSFBG过程中,物料在床体内不断干燥再湿润,可以有效控制制粒过程中颗粒中水的质量分数,极大减小颗粒因为水的质量分数过高而引起塌床的几率[4-5].

制粒作为药品生产中的关键加工单元,其质量会随着生产工序传递至最终产品,进而影响产品质量[6]. 颗粒的物理属性是颗粒质量的重要方面,包括粒径、密度、空隙率等微观特征,以及由这些微观特征所决定的均一性、堆积特性、流动性等宏观特性. 其中,松密度、振实密度常常作为粉体的质量指标,休止角、豪斯纳比、流出速度等可以反映粉体的流动性,颗粒中水的质量分数也是表征粉体质量的重要参数[7]. 针对粉体质量属性的检测过于注重单一因素的问题,Suñé-Negre等[8-9]提出SeDeM专家系统综合表征粉体的物理属性;张毅等[10]在SeDeM专家系统的基础上,借鉴中药化学指纹图谱方法,创建中药提取物粉末的物理指纹谱用于评价中药提取物粉末的质量一致性,并预测中药提取物粉末和辅料之间的压缩兼容性. 本研究采用物理指纹谱的评价方法,以雷达图定量直观地展示颗粒的堆积特性、可压性、流动性、稳定性和均一性,并基于颗粒产品的微观特征(包括松密度、振实密度、空隙率、卡尔指数、豪斯纳比率、休止角、水的质量分数、颗粒累积分布为10%、50%、90%的粒径、粒径分布宽度和粒径范围)构建参数指数、参数轮廓指数和良好可压性指数,同时运用多变量数据分析对不同批次PSFBG所得颗粒的质量属性进行评价和比较.

1. 实验材料

材料来源如下:无水乳糖(北京凤礼精求商贸有限责任公司,批号:1320020470),药用淀粉(北京凤礼精求商贸有限责任公司,批号:15101801),聚乙烯吡咯烷酮(ISP TECHNOLOGIES,INC. USA,Lot 0001893639).

设备型号如下:沸腾干燥制粒机(FBL10,浙江小伦制药机械有限公司),粉体密度测定仪(FT-100A,瑞柯仪器有限公司),蠕动泵(BL 100维西尔YZ-15,常州维西尔流体技术有限公司),电子天平(G&G JJ200,常熟市双杰测试仪器厂),电热恒温鼓风干燥箱(DHG_P 123A,上海精密实验设备有限公司),标准检验筛(浙江上虞市华丰五金仪器有限公司).

2. 实验方法

2.1. 脉冲喷雾流化床制粒

将300 g乳糖、1 200 g药用淀粉作为初始物料置于经过预热的流化床内,调节进风风速,使粉末在气流作用下保持较好的流化状态并进行充分混合,在混合约10 min后,利用LabVIEW软件控制蠕动泵将黏合剂(质量分数为15%的聚乙烯吡咯烷酮)泵入喷枪,液体在雾化压力的作用下雾化成细小液滴进入床体. 整个脉冲喷液过程包括喷液区间和停喷区间,雾化压力始终保持设定值. 在喷液结束后进入流化床的干燥阶段,此时关闭雾化压力,其他操作参数保持不变. 在干燥15 min后结束PSFBG过程,停机取样,用于后续分析. 在PSFBG过程中,根据物料的流化状态调节进风风速(0.5~1.5 m/s),保证物料始终处于较好的流化状态. PSFBG实验装置如图1所示. 12批次的实验操作参数如表1所示. 表中,θ为进气温度,Hw为进气湿度,A为雾化压力.

图 1

图 1   流化床脉冲喷雾制粒实验设备示意图

1-顶喷流化床;2-加热模块;3-空气过滤器;4-控制系统;5-采样池;6-空压机;7-黏合剂;8-脉冲喷雾模式(为时间,为速度,为喷雾速率,为脉冲周期,为脉冲宽度);9-喷嘴;10-蠕动泵;11-抖袋;12-空气过滤器   Schematic diagram of pulsed-spray fluid-bed granulation experimental setup


表 1   不同批次流化床脉冲喷雾制粒工艺参数

Tab.1  Process parameters of pulsed-spray fluid-bed granulation in different batches

批次 工艺参数
θ/°C Hw/% V/(r∙min−1 A/MPa T/min c/%
1 60 70 30 0.16 3 70
2 60 50 20 0.12 1 30
3 65 60 20 0.16 3 30
4 55 60 30 0.12 1 70
5 65 50 25 0.12 3 70
6 55 70 25 0.16 1 30
7 55 50 30 0.14 3 30
8 65 50 30 0.16 1 50
9 55 70 20 0.12 3 50
10 60 60 25 0.14 2 50
11 60 60 25 0.14 2 50
12 60 60 25 0.14 2 50

新窗口打开| 下载CSV


2.2. 颗粒物理属性的表征

表征获得样品的物理属性,包括松密度、振实密度、空隙率、卡尔指数、豪斯纳比率、休止角、水的质量分数、粒径及粒度分布、粒径分布宽度和粒径范围.

2.3. 物理质量指标的标准化变换

为了消除不同指标之间的量纲影响,使物理指纹谱中各指标具有可比性,须对数据进行转化处理[11-12]. 数据的归一化能将数据转化为无量纲的纯量,并且与其他数据转换方法相比,该方法不会改变原始数据分布. 本研究使用线性归一化算法将各二级指标进行标准化变换,转换公式如下:

$ y = \frac{{x - a}}{{b - a}} \times 10. $

式中:x为归一化之前的数据,y为归一化之后的数据,ab分别为归一化之前该组数据中的最小值和最大值,通过式(1)将归一化后的数值控制在0~10.

2.4. 物理指纹谱的构建

将颗粒物理质量属性分为5个方面,即颗粒的堆积特性、可压性、流动性、稳定性和均一性,作为颗粒物理指纹谱的一级指标,其包括的二级指标如表2所示.

表 2   物理指纹谱的构成指标

Tab.2  Parameters used in physical fingerprint

一级指标 二级指标 符号 单位
堆积特性 松密密度 ρb g/mL
振实密度 ρt g/mL
可压性 空隙率 ε %
卡尔指数 I
流动性 豪斯纳比率 H
休止角 α °
稳定性 水的质量分数 w %
均一性 颗粒累积分布为10%的粒径 d10 μm
颗粒累积分布为50%的粒径 d50 μm
颗粒累积分布为90%的粒径 d90 μm
粒径分布宽度 S
粒径范围 W μm

新窗口打开| 下载CSV


采用雷达图展示PSFBG产品的物理指纹谱. 对不同制备工艺制得的12批次颗粒(见表1)按照2.2节所述方法进行粉体学评价,按照2.3节所述方法将检测的各二级指标转化至0~10. 在各二级指标值等于10的条件下,用线段将各指标值连接起来形成正十二边形,然后再将各个指标经过标准化后的转换值进行连接,所构成的不规则十二边形即构成PSFBG制备颗粒的物理指纹谱[13-14].

2.5. 压缩特性的评价

基于PSFBG制备颗粒的12个二级指标的数值,可以分别构建参数指数IP、参数轮廓指数IPP、良好可压性指数IGC,用于评价粉体的压缩特性[15-16]. IP为物理指纹谱中二级物理指标标准化后数值大于5的个数占物理指纹谱中二级物理指标总数的百分比,可接受范围为IP≥50%;IPP为所有物理指纹谱二级指标的平均值,可接受范围为IPP≥5;IGCIPP与可靠性因子f的乘积,f为所构建物理指纹谱的正多边形的面积与半径为10的圆的面积的商,IGC的可接受范围为IGC≥5[17].

3. 结果与讨论

3.1. PSFBG制备颗粒的物理指纹谱

测量12批次PSFBG制备颗粒的物理属性并按照2.3节所述方法将检测的各二级指标进行归一化,按照2.4节所述方法构建不同批次PSFBG产品的物理指纹谱,如图2所示.

图 2

图 2   不同批次流化床脉冲喷雾制粒产品的物理指纹谱

Fig.2   Physical fingerprint of granules obtained from different PSFBG batches


物理指纹谱可以直观地展示颗粒的物理属性[18],如图2所示. 图中,图A~L分别对应批次1~12. 可以看出,E、G、J、K、L相似性较高,说明与此对应的制粒批次,即批次5、7、10、11、12有相似的物理属性. 另外,基于各二级指标的半径(即归一化后的数值),可以计算出一级指标的属性均值. 以批次3为例(见表3),批次3的颗粒具有较好的堆积特性、可压性和流动性(相应属性均值≥5),但稳定性及均一性表现较差(相应属性均值<5). 所建立的物理指纹谱能定量直观地呈现不同批次PSFBG制备颗粒的物理属性,还可以评价所制颗粒的质量一致性及粉末压缩特性.

表 3   批次3颗粒物理指纹谱相关物理质量指标

Tab.3  Related physical parameters of granules obtained from PSFBG batch 3

一级指标 二级指标 单位 实验值 转化值 属性均值
堆积特性 ρb g/mL 0.30 10.00 10.00
ρt g/mL 0.42 10.00 10.00
可压性 ε % 29.44 6.97 6.97
I 0.29 6.97 6.97
流动性 H 1.42 6.72 5.00
α ° 47.02 3.28 5.00
稳定性 w % 5.46 3.47 3.47
均一性 d10 μm 84.62 0.00 2.00
d50 μm 121.66 0.00 2.00
d90 μm 219.27 0.00 2.00
S 1.11 10.00 2.00
W μm 134.65 0.00 2.00

新窗口打开| 下载CSV


3.2. 物理指纹谱的应用

3.2.1. 质量一致性评价

物理指纹谱可以用于评价粉体的质量一致性,包括直观评价法和相似度法[10]. 采用直观评价法,将所制颗粒的物理指纹谱叠加,直观地显示不同批次颗粒在各指标上的相似或差异程度(见图3).

图 3

图 3   不同批次流化床脉冲喷雾制粒产品的物理指纹谱叠加图

Fig.3   Physical fingerprint mapping of granules obtained from different PSFBG batches


基于颗粒物理指纹谱,采用相似度评价法,计算夹角余弦s,从整体角度比较不同批次PSFBG制备颗粒的相似性:

$ s({ x},{ y}) = \sum\limits_{i = 1}^n {{x_i}{y_i}}\left/\left( \sum\limits_{i = 1}^n {x_i^2} \sum\limits_{i = 1}^n {y_i^2} \right)\right.^{1/2}. $

式中:x=[x1, x2, ···, xn],y=[y1, y2, ···, yn]为2组待分析的数据,n为数据维度. 夹角余弦的计算结果如表4所示,s越接近1表示颗粒的粉体学性质越相近.

表 4   不同批次流化床脉冲喷雾制粒产品的夹角余弦

Tab.4  Cosine ratio of granules obtained from different PSFBG batches

批次 批次
1 2 3 4 5 6 7 8 9 10 11 12
1 1
2 0.759 9 1
3 0.391 0 0.550 1 1
4 0.813 6 0.926 7 0.578 0 1
5 0.858 7 0.624 2 0.491 0 0.805 5 1
6 0.395 4 0.657 4 0.967 1 0.632 6 0.443 5 1
7 0.745 6 0.639 7 0.589 6 0.828 6 0.964 9 0.564 4 1
8 0.396 9 0.666 1 0.809 3 0.566 6 0.348 6 0.921 2 0.462 8 1
9 0.736 6 0.885 9 0.793 8 0.946 0 0.787 1 0.833 6 0.851 0 0.750 2 1
10 0.824 9 0.599 0 0.498 3 0.816 3 0.988 3 0.440 7 0.964 1 0.315 4 0.793 9 1
11 0.860 3 0.645 3 0.448 4 0.833 3 0.980 3 0.434 0 0.959 1 0.384 6 0.801 1 0.979 4 1
12 0.827 0 0.654 4 0.358 8 0.828 3 0.939 2 0.382 6 0.934 4 0.386 7 0.772 8 0.933 4 0.983 2 1

新窗口打开| 下载CSV


在所制备的12批颗粒中,批次10~12采用相同的制粒工艺,其物理指纹谱相似度均大于0.9(见表4),批次1~10采用不同的制备工艺,其物理指纹谱相似度与批次10~12相比,除批次5、7以外,s=0.315 4~0.885 9. 批次5、7两者本身制备工艺不同,与批次10~12的制备工艺也不同,但是在PSFBG过程中,工艺参数与产品质量属性之间的关系较复杂,一些关键工艺参数与产品质量属性之间不仅存在着主效应,还与其他因素之间存在交互作用,因此在不同的工艺参数下也有可能生产出性质相似的产品[19]. 批次5、7(见图3)的物理指纹谱重叠度高,s也反映两者的相似程度.

3.2.2. 粉末压缩特性评价

按照2.5节所述方法评价粉末的压缩特性. 在本实验中,正十二边形面积为300.00,半径为10的圆的面积为314.16,计算得到可靠性因子f=0.954 9,计算各批次颗粒压缩特性参数用于评价粉体的压缩特性,结果如表5所示. 可以看出,批次5、7、10、11、12的各压缩特性参数均在可接受范围内,说明此5批颗粒可压性较好. 这5个批次获得了可压性质相似的产品,佐证了3.2.1节的实验结果.

表 5   不同批次流化床脉冲喷雾制粒产品的压缩特性参数

Tab.5  Compression characteristic parameters of granules obtained from different PSFBG batches

批次 IP/% IPP IGC
 1)注:*表示数值在可接受范围内
1 33.33 4.78 4.56
2 50.00 4.85 4.63
3 50.00 4.78 4.57
4 50.00 4.84 4.62
5 66.67*1) 6.17* 5.89*
6 25.00 3.90 3.72
7 75.00* 6.19* 5.91*
8 25.00 2.64 2.52
9 50.00 5.03 4.81
10 75.00* 7.22* 6.90*
11 75.00* 6.47* 6.18*
12 50.00* 5.94* 5.67*

新窗口打开| 下载CSV


3.3. 颗粒物理属性的多变量数据分析

主成分分析(principal component analysis,PCA)是常见的多元统计分析方法,能将多个指标转化为少数几个综合指标并尽可能的保持原有信息从而简化数据集. 颗粒的物理性质众多,可以通过PCA分析综合反映颗粒的物理性质. 在对12批颗粒的粉体学性质标准化后进行主成分分析,提取出2个主成分,两者的累计方差贡献率为85%,其中第1主成分(P1)和第2主成分(P2)分别提取62.3%、22.7%的数据信息. 12个批次颗粒的得分图如图4所示,载荷图如图5所知,颗粒具体物理属性对P1、P2的贡献率如图6所示.

图 4

图 4   12批次流化床脉冲喷雾制粒产品的主成分得分图

Fig.4   Score scatter plot of granules obtained from twelve PSFBG batches


图 5

图 5   12批次流化床脉冲喷雾制粒产品的载荷图

Fig.5   Loading scatter plot of granules obtained from twelve PSFBG batches


图 6

图 6   颗粒不同物理属性对P1和P2的贡献率

Fig.6   Contribution rate of different physical properties of granules to P1 and P2


P1、P2得分图(见图4)可知,不同批次PSFBG制备颗粒的物理性质存在差异,其中,批次5、7、10、11、12主成分得分较接近,得分图中这些批次的位置分布也相对集中,可知此5批次颗粒物理性质相近. 由P1载荷图(见图6)可知,ρbρtd50d90W等物理参数对P1的贡献较大,εIHS等物理参数对P2的贡献较大. 由载荷图还能得到各指标之间的关系,一般认为,在载荷图中,位于相邻位置的变量之间为正相关,位于原点两侧的变量之间为负相关[20]. 由图5可知,在所测量的12个物理指标中,d10d50d90S位于同一个区域且互为正相关,IεHαM也呈现出同样的规律;ρbρt分别位于原点的两侧,呈负相关.

4. 结 语

本研究针对PSFBG制备的颗粒质量一致性评价问题,采用粉体学方法构建物理指纹谱进行综合分析. 所建立的物理指纹谱能表征PSFBG不同工艺所制备产品在粉体学性质上的差异;结合多元统计分析方法能在多个指标互相关联的情况下分析它们的统计规律,综合评价各批次间粉体学性质,从而进行颗粒质量的一致性评价. 本研究首次将物理指纹谱分析方法应用到流化床制粒的颗粒质量一致性评价问题中,为PSFBG制备颗粒的粉体学性质的综合评价提供了新的思路.

参考文献

LIM L J J, LIM E W C

Mixing and segregation behaviors of a binary mixture in a pulsating fluidized bed

[J]. Powder Technology, 2019, 345: 311- 328

DOI:10.1016/j.powtec.2019.01.026      [本文引用: 1]

PENN A, BOYCE C M, CONZELMANN N, et al

Real-time magnetic resonance imaging of fluidized beds with internals

[J]. Chemical Engineering Science, 2019, 198: 117- 123

DOI:10.1016/j.ces.2018.12.041      [本文引用: 1]

NÄRVÄNEN T, LIPSANEN T, ANTIKAINEN O, et al

Controlling granule size by granulation liquid feed pulsing

[J]. International Journal of Pharmaceutics, 2008, 357 (1): 132- 138

[本文引用: 1]

LIU H, WANG K, SCHLINDWEIN W, et al

Using the Box-Behnken experimental design to optimise operating parameters in pulsed spray fluidised bed granulation

[J]. International Journal of Pharmaceutics, 2013, 448 (2): 329- 338

DOI:10.1016/j.ijpharm.2013.03.057      [本文引用: 2]

EHLERS H, LIU A, RÄIKKÖNEN H, et al

Granule size control and targeting in pulsed spray fluid bed granulation

[J]. International Journal of Pharmaceutics, 2009, 377 (1): 9- 15

[本文引用: 1]

MADERUELO C, ZARZUELO A, LANAO J M

Critical factors in the release of drugs from sustained release hydrophilic matrices

[J]. Journal of Controlled Release, 2011, 154 (1): 2- 19

DOI:10.1016/j.jconrel.2011.04.002      [本文引用: 1]

刘涛, 付春梅, 唐玉, 等

不同干燥方式对桑枝提取物物理指纹图谱及其总黄酮含量的影响

[J]. 中国实验方剂学杂志, 2018, 24 (20): 65- 69

[本文引用: 1]

LIU Tao, FU Chun-mei, TANG Yu, et al

Effect of different drying methods on physical fingerprint and total flavonoids content of Mori Ramulus extract

[J]. Chinese Journal of Experimental Traditional Medical Formulae, 2018, 24 (20): 65- 69

[本文引用: 1]

SUÑÉ-NEGRE J M, PÉREZLOZANO P, MIÑARRO M, et al

Application of the SeDeM diagram and a new mathematical equation in the design of direct compression tablet formulation

[J]. European Journal of Pharmaceutics and Biopharmaceutics, 2008, 69 (3): 1029- 1039

DOI:10.1016/j.ejpb.2008.01.020      [本文引用: 1]

SUÑÉ-NEGRE J M, PÉREZLOZANO P, ROIG M, et al

Optimization of parameters of the SeDeM diagram expert system: Hausner index (IH) and relative humidity (%RH)

[J]. European Journal of Pharmaceutics and Biopharmaceutics, 2011, 79 (2): 464- 472

DOI:10.1016/j.ejpb.2011.04.002      [本文引用: 1]

张毅, 徐冰, 孙飞, 等

中药提取物粉末物理指纹谱研究及应用

[J]. 中国中药杂志, 2016, 41 (12): 2221- 2227

[本文引用: 2]

ZHANG Yi, XU Bing, SUN Fei, et al

Physical fingerprint for quality control of traditional Chinese medicine extract powders

[J]. China Journal of Chinese Materia Medica, 2016, 41 (12): 2221- 2227

[本文引用: 2]

崔向龙, 徐冰, 张毅, 等

质量源于设计在银杏叶片制粒工艺中的应用(Ⅰ): 颗粒粉体学性质综合评价

[J]. 中国中药杂志, 2017, (6): 1037- 1042

[本文引用: 1]

CUI Xiang-long, XU Bing, ZHANG Yi, et al

Application of quality by design in granulation process for ginkgo leaf tablet(I): comprehensive characterization of granule properties

[J]. China Journal of Chinese Materia Medica, 2017, (6): 1037- 1042

[本文引用: 1]

NOFRERIAS I, NARDI A, SUÑÉPOU M, et al

Comparison between microcrystalline celluloses of different grades made by four manufacturers using the SeDeM diagram expert system as a pharmaceutical characterization tool

[J]. Powder Technology, 2019, 342: 780- 788

DOI:10.1016/j.powtec.2018.10.048      [本文引用: 1]

SAURÍ J, MILLÁN D, SUÑÉNEGRE J M, et al

The use of the SeDeM diagram expert system for the formulation of Captopril SR matrix tablets by direct compression

[J]. International Journal of Pharmaceutics, 2014, 461 (1): 38- 45

[本文引用: 1]

GALDÓN E, CASAS M, GAYANGO M, et al

First study of the evolution of the SeDeM expert system parameters based on percolation theory: monitoring of their critical behavior

[J]. European Journal of Pharmaceutics and Biopharmaceutics, 2016, 109: 158- 164

DOI:10.1016/j.ejpb.2016.10.004      [本文引用: 1]

LUO G, XU B, ZHANG Y, et al

Scale-up of a high shear wet granulation process using a nucleation regime map approach

[J]. Particuology, 2017, 31: 87- 94

DOI:10.1016/j.partic.2016.04.007      [本文引用: 1]

李延年, 伍振峰, 尚悦, 等

基于浸膏物理指纹谱评价不同干燥方式对浸膏粉体性质的影响

[J]. 中草药, 2018, (10): 2372- 2377

DOI:10.7501/j.issn.0253-2670.2018.10.019      [本文引用: 1]

LI Yan-nian, WU Zhen-feng, SHANG Yue, et al

Effect on different drying methods on powder properties of extraction paste based on physical fingerprint of extract

[J]. Chinese Traditional and Herbal Drugs, 2018, (10): 2372- 2377

DOI:10.7501/j.issn.0253-2670.2018.10.019      [本文引用: 1]

DAI S, XU B, SHI G, et al

SeDeM expert system for directly compressed tablet formulation: a review and new perspectives

[J]. Powder Technology, 2019, 342: 517- 527

DOI:10.1016/j.powtec.2018.10.027      [本文引用: 1]

SCHOLTZ J C, STEENEKAMP J H, HAMMAN J H, et al

The SeDeM expert diagram system: its performance and predictability in direct compressible formulations containing novel excipients and different types of active ingredients

[J]. Powder Technology, 2017, 312: 222- 236

DOI:10.1016/j.powtec.2017.02.019      [本文引用: 1]

ZHAO J, LI W, QU H, et al

Application of definitive screening design to quantify the effects of process parameters on key granule characteristics and optimize operating parameters in pulsed-spray fluid-bed granulation

[J]. Particuology, 2019, 43: 56- 65

DOI:10.1016/j.partic.2018.03.007      [本文引用: 1]

OTSUKA T, IWAO Y, MIYAGISHIMA A, et al

Application of principal component analysis enables to effectively find important physical variables for optimization of fluid bed granulator conditions

[J]. International Journal of Pharmaceutics, 2011, 409 (1): 81- 88

[本文引用: 1]

/