这项研究利用机器学习(ML)来改善伊朗石化行业两级可持续供应链中决策单位(DMU)的评估。在90个时间段内进行了28个单位的效率计算。根据可持续性标准选择了供应链的输入和输出,通过使用机器学习和网络数据信封分析(NDEA)的混合方法来促进生产计划和单位开发的准确估计。目标是将ML聚类方法与网络NDEA模型一起使用,以确定用于对均质单元进行分类的最有效的聚类算法。我们研究的主要目标是利用机器学习技术来提高决策过程的准确性,特别是在类似单元的聚类中以评估效率。主要目标是通过将它们与每个集群中最有效的单元进行比较来创建提高低效单元的性能的策略。通过实施深层嵌入式聚类算法,我们发现了效率评估和开发计划的实质性改善。聚类结果与传统NDEA模型之间的对比突出了聚类在评估有效边界和启用集中发展策略的近端方面的重要性。这项研究强调了使用ML进行聚类的重要性,以提高工业设施可持续发展的效率评估和战略计划。结果表明,与使用DEA的非聚类方法相比,使用聚类来评估单位的相对效率,可以平均降低与群集效率边界效率低下的单位距离的18%,这代表了效率低效率单位的更可实现的理想目标。
引言自2018年起,美国FDA和其他国家的监管机构已警告某些原料药和产品中存在N-亚硝胺杂质。亚硝胺(NSA,见表1)是有毒化学物质,其中一些例如NDMA和NDEA被归类为可能的人类致癌物。NDMA和NDEA首次发现存在于血管紧张素II受体阻滞剂(ARB),如氯沙坦等原料药和产品中。在雷尼替丁和二甲双胍药品中发现了NDMA,由于NDMA含量超过可接受摄入量限值(AI,96 ng/天),因此产品被召回。利用高灵敏度和选择性的GC-MS、LC-MS/MS [1]和LC-HRMS [2-4]质谱方法,可以对药品中痕量NDMA和其他有关亚硝胺进行检测和定量。
• 如果出票时限在 AO 批准授权之前到期,DTS 将阻止批准,并要求 AO 使用“返程票价已过期”印章将文件退还给旅客。出票时限到期时,DTS 还会向您以及所有适用的 NDEA、路线官员和 AO 发送电子邮件。该时间过后,您不得尝试使用同一授权重新预订其他航班。相反,您必须取消原始授权并创建新文件来处理您的行程。
• 已知的 300 多种 NOC 在动物实验中超过 90% 具有致癌性。• NDMA、NDEA 和烟草特有的 NOC(如 NNK)对非常广泛的动物物种产生致癌作用,甚至包括亚人类灵长类动物。没有发现任何物种具有抗性。• 结构-活性研究有助于确定导致致癌性的结构元素,反之亦然,有助于确定消除致癌性的结构元素。• NOC 的有机向性作用是此类化合物的一个特征:肿瘤可在靶器官中特异性诱发,包括肺、鼻腔、食道、胃、胰腺、结肠、膀胱、中枢神经系统。• NOC 的生物活化及其与关键细胞靶标的相互作用在动物和人体组织中基本相似。
液相色谱-电喷雾电离-高分辨率质谱 (LC-ESI-HRMS) 法测定二甲双胍药物物质和药物产品中的亚硝胺杂质背景:二甲双胍是一种处方药,用于控制 2 型糖尿病患者的高血糖。NDMA(N-亚硝基二甲胺)被归类为 2A 类化合物,因此将其定义为“可能对人类致癌”。FDA 已将药品中 NDMA 的每日可接受摄入量限制为 96 纳克(基于 2550 毫克最大日剂量 (MDD),速释 (IR) 剂量为 0.038 ppm;基于 2000 毫克 MDD,缓释 (ER) 剂量为 0.048 ppm)。FDA 检测与研究办公室已在通过制造商商业购买或直接获得的选定药品样品中筛查了二甲双胍药物物质和药物产品中的 NDMA。已建立二甲双胍的初级 LC-HRMS 筛选并发布于此处。可以使用正交方法 LC-ESI-HRMS 确认阳性 NDMA 结果。结论:根据 ICH Q2(R1) 开发并验证了一种 LC-ESI-HRMS 方法,用于检测和定量二甲双胍药物物质和药物产品中的八种亚硝胺杂质,包括 N-亚硝基二甲胺 (NDMA)、N-亚硝基二乙胺 (NDEA)、N-乙基-N-亚硝基-2-丙胺 (NEIPA)、N-亚硝基二异丙胺 (NDIPA)、N-亚硝基二正丙胺 (NDPA)、N-亚硝基甲基苯胺 (NMPA)、N-亚硝基二正丁胺 (NDBA) 和 N-亚硝基-N-甲基-4-氨基丁酸 (NMBA)。该方法的检测限(LOD)、定量限(LOQ)和范围总结如下: