辊压成型（RC）工艺在制药颗粒制备中得到广泛应用，尤其是在含有吸湿性或热敏性材料的配方中。RC是一种成熟的技术，其设计特点是可以实现连续生产，并且能耗相对较低。该工艺包括一个压实阶段，在此阶段会生成条带，随后通常会进行研磨阶段以生成具有所需粒径分布的颗粒。研磨通常使用筛网磨机进行，将条带破碎成最终的干颗粒。
辊压成型产生的条带一般具有不均匀的孔隙率。根据设备配置的不同，条带的中心或边缘可能具有更高的孔隙率[1]、[2]、[3]。当使用侧板时，固定的侧密封会防止粉末从压实区逸出，但同时也剪切了物料，导致条带边缘的质量减少，从而孔隙率增加。相比之下，带边缘的辊子提供了移动的侧密封，促进了物料向边缘的流动，通常会使边缘的孔隙率降低。此外，进料系统通常包括螺旋进料器，它将物料推入压实区，并在条带上产生一个孔隙率较高的振荡轨迹[1]、[4]、[5]、[6]。因此，条带及其衍生的颗粒并不具有均匀的孔隙率。
约翰逊（Johanson）早在1965年就提出了压实过程的建模方法[7]。他的分析方法假设了 nip 角度，即物料以与辊子相同的速度移动，并且最大压实力发生在最小间隙处。然而，实验测量结果表明这些假设存在偏差[8]、[9]、[10]。尽管存在这些局限性，约翰逊模型仍被广泛使用，因为它应用简单，并能提供压实应力的近似估计。已经提出了对该模型的几种扩展，包括通过经验调整来提高压实压力预测的准确性[11]、[12]、[13]，以及结合辊子表面压力分布的方法来更好地捕捉条带的孔隙率分布[14]。然而，这些修改引入了需要拟合的额外经验参数。
除了分析建模外，还经常进行压实模拟。通过逐渐增加压实速度来压缩片剂，以模拟辊子之间的压实过程，目的是预测条带的孔隙率[15]、[16]。特定压实力（Specific Compaction Force, SCF）可以通过对力随时间积分来确定[16]。尽管压实速度是逐渐增加的，但压实模拟和 RC 得出的孔隙率值存在差异，可以通过迁移学习进行校正[17]。
结合最大压实力，通常应用赫克尔（Heckel）[18]、[19]、川喜田（Kawakita）[20]、[21] 和库珀-伊顿（Cooper–Eaton）[22] 等压缩模型来描述单轴压缩下压实压力与片剂孔隙率之间的关系。压实后，材料会发生弹性恢复，导致压实体膨胀和孔隙率增加。这种恢复的程度取决于材料及其在载荷下的停留时间：较长的停留时间通常会减少弹性恢复，特别是对于塑性变形材料[23]、[24]、[25]。因此，这些压缩模型可以描述压模内和压模外的孔隙率。
在干颗粒的压实过程中，辊压成型产生的颗粒与原始粉末相比，具有较低的孔隙率和较高的机械强度。这种颗粒硬化效应使得它们在后续的压片压力下更不易变形，从而减少了颗粒间相互作用的结合面积。因此，压片机必须克服这些硬化颗粒的较高屈服强度，以实现额外的结合，这导致了干颗粒压片后常见的可压性降低现象[26]。结果，由 RC 颗粒制成的片剂在相同压力下压缩时，其拉伸强度低于直接压制的片剂，尽管其孔隙率较低[27]。
加维（Gavi）等人[28]在一个建模框架中已经描述了这种可压性的降低现象，他们考虑了 RC、条带研磨和压片的过程步骤来预测片剂的拉伸强度和溶解性。在他们的方法中，使用了约翰逊模型中的压缩系数（见方程（6）来描述条带的孔隙率，而片剂的拉伸强度则使用法伯（Farber）等人的模型进行预测[29]。后者将压前孔隙率作为一个额外参数纳入考虑，这对于 RC 条带来说是一个挑战，因为条带的孔隙率分布并不均匀[29]。怀特（White）等人[30]进一步扩展了这个框架，引入了一个额外的拟合参数以提高预测准确性。
巴查瓦拉（Bachawala）等人[31]提出了一种 less 机械化的、更自动化的方法，他们应用了标准化的双变量有理函数将上游工艺参数与片剂性能联系起来。他们的方法取得了良好的吻合度，但仅适用于单一材料，并且基于大量的数据集（2400片剂）。其他研究则依赖大量的实验数据，通过多变量分析来建立模型[32]、[33]、[34]，从而能够识别出最具影响力的材料参数。
尽管提出了多种将 RC 和压片过程联系起来的建模方法，但在预测具有未知材料参数的新配方的可压性时，这些方法的适用性仍然有限。因此，本文提出了一个简化模型框架，基于标准的压实和剪切测试，并通过两个经验参数来捕捉压前效应，以将辊压成型和压片过程联系起来。
