图博数智
AI化工

SPF人体测试一轮上万防晒配方AI送检前先算一轮

· 图老师

SPF人体测试一轮上万?防晒配方AI送检前先算一轮

最近碰到一家做防晒产品的工厂,配方负责人开口第一句就是:SPF人体测试太贵了。

一轮做下来费用上万起步,检测机构的档期还要排队,送一轮不过,改完再送,一个夏天就耗在排队上。

新体系的防晒配方马上要定型,防晒剂组合换了一半,SPF能到多少,工程师心里没底。

估高了,送检一轮被打回来,估低了,宣称撑不起来,两头都是一轮人体测试的钱。

更愁的是防晒配方动一处牵三处,SPF、PA、抗水性互相咬着,改哪一版送去,赌的成分一直不小。

图老师跟他说,这笔账有个省法:送检前先用AI算一轮,把大概率过不了的版本先拦下来。

这条线图博数智交过一批项目,帮防晒配方把送检轮次压下来的办法,跑通过不止一次。

人体测试按《化妆品安全技术规范》来做,这一步AI替不了,能替的是送检之前那些盲目的打样和估数。

场景一:新体系SPF区间先算

新体系最怕心里没底。

防晒剂组合一换,SPF落在哪个段,PA顶不顶得上去,工程师手上有经验值,可经验值给不出区间,也说不清把握有多大。

差得远的,一轮人体测试直接废掉,钱和档期一起沉进去。

AI的做法,是把厂里的历史配方和实测值挂起钩来。

每一版送过检的配方,配方表对上当时的实测SPF和PA,几百组配比连同实测结果连成一张网。

新配方进系统,AI在网里找结构最像的几版历史配方,给出一组SPF和PA的预测区间,同时摆出参考的是哪几版配方、哪几份检测报告。

工程师要判断的事,从猜一个数变成信不信这个区间,AI给的是区间和把握度,单点数字反而没人敢用。

区间稳的进实验室,区间悬的先调再算,一轮人体测试的钱,很多时候就省在这一下。

场景二:防晒剂降解组合先拦

防晒剂有个坑,单看每一支都合格,搭在一起会互相拖累。

有些组合在光照下降解会加快,刚做出来测着没问题,放着几个月,SPF悄悄往下掉。

等稳定性数据出来,排好的送检档期已经搭进去了,第二轮还得重新约。

以前拦这个坑,靠工程师脑子里记着哪几支不能搭,人一流动,坑又埋回来。

AI先查的就是组合。

防晒剂两两组合的稳定性结论、文献里的光降解记录、厂里留样跟踪的数据,全部挂在组合这条线上,新配方一进来先过一遍筛查。

掉过链子的组合,先标红,出处跟着带出来,是哪篇文献、哪一批留样的跟踪记录。

组合是新的、厂里没有数据,AI不装懂,给一个风险等级,提示这个搭配要靠加速实验补数据。

边界也直说,配方层面的组合风险AI能拦,光照温度下的实测结论,还是留样实验说了算。

场景三:防水成膜搭配先对照

做抗水抗汗宣称的产品,翻车翻在成膜上的不少。

成膜剂和防晒剂的配比不合适,涂上去膜不均匀,下水一趟,SPF保留率掉得难看,一轮抗水性测试就白做了。

这部分的对照数据,厂里其实一直有,散在一份份报告里,没人串起来过。

AI把这些报告拆开,做过抗水宣称的历史配方,成膜剂种类、用量、防晒剂组合,连同抗水前后的实测值,一一对上号。

新配方要做防水,AI把它跟成膜体系最接近的几版历史配方摆在一起,人家抗水前后掉了多少,你的配比处在什么位置,看得清清楚楚。

配比落在安全区还是危险区,送检之前就看得见。

提醒一句,成膜跟工艺也相关,均质转速、乳化温度一变,历史对照只能当参考,工艺动了的版本还是得小样验证。

场景四:分散细度泛白先比对

防晒剂分散不到位,涂开泛白,消费者一上手就看出来。

麻烦在于泛白不泛白,以前要打完样、涂到皮肤上才能确认,确认的时候料已经做出来了。

泛白跟分散细度强相关,细度又是测出来的,历史配方的粒径数据和成品表现,厂里攒了不少。

AI把这部分数据接进来,新配方的防晒剂组合和用量输进去,对照相似组合的历史细度区间,泛白风险先给一个预判。

翻过车的组合,对照的时候会一并提示,提示后面照样跟着出处。

到这里四道关就齐了,SPF和PA的区间先算,降解组合先拦,防水成膜先对照,分散泛白先比对,一层一层往下筛。

大概率过不了的版本,拦在送检之前,人体测试留给最有把握的那一两版。

图老师在图博数智做inFab交付,防晒这条线干的事说起来就三件。

头一件是给配方建业务本体,原料、批次、检测报告全部关联起来。

第二件是结论可溯源,算出来的每个判断,点得开落到报告原文的出处。

第三件,让一堆沉在档案柜里的文件,变成敢拿去做送检决策的依据。

图博数智结论溯源:回答可查证到报告原文

防晒配方先算后送怎么起步

起步的顺序,图老师建议从数据最厚的地方下手。

先把历史配方表和检测报告归拢,几百份PDF解析入库,这一步做扎实,后面的算才有底子。

不少厂光是把十几年的检测报告理进来,就发现同一支防晒剂前后用过三个商品名,对齐这一步本身就值。

配方是命根子,整套系统部署在厂里自己的服务器上,数据不出厂。

再挑一个马上要送检的配方先算一轮,拿AI给的区间对一遍上次的实测,对得上,再放大到整个体系去用。

这套流程在图博数智inFab上有现成功能,配方跟检测数据的挂钩、结论的出处,拿自己的资料进去跑一遍就知道合不合用。

再多说一句,AI算的替不了人体测试,也替不了法规要求的检测项目,它替的是送检前那几轮盲目的打样和排队。

省下来的每一轮,都是实打实的预算和档期。


关注我,图老师每天分享一个企业AI落地的真问题、真办法。

先进团队正在用的 AI 落地方案

判断您的业务里哪些环节已经适合用 AI 替代?