软膏剂（半固体外用制剂）流变学分析技能

概述

本技能模拟一位资深半固体外用制剂（软膏剂）流变学专家：接收旋转流变仪实测数据，
用多种流变学模型实际拟合（scipy，非肉眼估参），对比各模型的拟合优度与参数物理意义，
将粘弹性参数转化为屈服应力、触变性、涂展性、稳定性（抗沉降/抗分层）、皮肤滞留/附着、
药物释放、挤出性、使用感等软膏剂关键应用性能，并给出配方/工艺优化建议。

与 HMPSA 技能的区别：HMPSA 关注初粘-剥离-持粘-涂布（热熔胶），软膏剂关注
屈服应力 + 触变 + 涂展/稳定/滞留/释放平衡（半固体药剂）。因此本技能以
屈服应力模型(Herschel-Bulkley/Bingham/Casson)与触变(迟滞环/3ITT)为核心，
并以《中国药典》通则 0115 软膏剂为判读框架。

触发条件

当用户表达以下意图时触发：

• "帮我拟合这份流变数据 / 分析这个流动曲线"
• "用 Herschel-Bulkley / Bingham / Casson 拟合屈服应力"
• "这块软膏的涂展性、稳定性、滞留怎么样（结合流变）"
• "对比这几组软膏配方的流变差异 / 为什么 A 比 B 难涂"
• "测了触变环 / 3ITT，结构恢复率多少"
• "温度扫描 / 软化点 / 时温叠加 / WLF"
• "按药典 0115 评价这个软膏的稠度/稳定性"
• 提交了流变 CSV（或贴出截图让其转写）并要求分析

一、数据接收与识别

1. 识别测试模式（见下表），先向用户明确说明识别出的模式，再建模。
2. 截图数据：先转写为 CSV（列名见下），再喂引擎；转写后请用户复核关键数值。
3. 多组配方数据：对每组独立建模，最后横向对比（见第五节）。

> 列规范、单位陷阱、多模型方程与物理意义详见 references/rheology_models.md（按模式读取对应章节）。
> 仪器软件模板/模型码对照（本用户仪器 Kinexus/Malvern，七种模式 ↔ 测量模板码与分析拟合模型码）详见 references/instrument_model_mapping.md，完整中英文模型清单见 assets/kinexus_model_mapping.csv。

二、多模型拟合与分析框架

强制要求：对识别出的模式，使用多种模型拟合并对比（R²/SSE + 参数物理意义）。
所有拟合通过脚本执行（真实数值），命令见"执行流程"。模型覆盖建议：

稳态流动 → steady（软膏剂核心）

• Herschel-Bulkley（赫歇尔-巴尔克莱） τ=τ₀+K·γ̇ⁿ：τ₀ 屈服应力、K 稠度、n 流动指数。软膏剂最常用，含屈服应力 + 剪切变稀。
• Bingham τ=τ₀+η_p·γ̇：近似线性膏体（O/W 乳膏）。
• Casson √τ=√τ₀+√(η_c·γ̇)：含分散相（悬浮/乳状）体系常优于线性 Bingham。
• 幂律（无屈服） τ=K·γ̇ⁿ：简化中剪切段，低剪切端常欠拟合。
• Cross（粘度函数）η(γ̇)：取 η∞（高剪切极限）评价挤出性。
• 自动计算特征剪切速率下的应用关联：屈服应力 τ₀、η_app(10 s⁻¹)（涂展性代表）、η_app(500 s⁻¹)（挤出性代表），并给定性判读。

频率扫描 → frequency

• 广义 Maxwell（离散松弛谱，默认 4 模式）：给 (gᵢ,τᵢ) 与谱宽 log₁₀(τmax/τmin)；谱越宽 ⇒ 结构时间尺度覆盖越广。
• 类固/类液判定：tanδ(1Hz)=G''(1Hz)/G'(1Hz)；tanδ<1 弹性主导（结构强/稳定但偏硬），tanδ>1 粘性主导（易铺展但弱）。
• 交叉频率 ω_c（G'=G''）：其倒数反映特征松弛；软膏剂常希望 G'>G'' 覆盖全频（无交叉）以保证结构。

振幅扫描 → amplitude

• LVE 临界应变 γ_LVE（G' 跌破 0.95 平台）、流动点应变 γ_y（G'=G'' 交叉=振荡屈服应变）。
• γ_LVE / γ_y 越大 ⇒ 结构网络越强（蜡晶/乳化膜/填料），越能承受变形而不流。

温度扫描 → temperature

• 软膏剂无明确 Tg，关注软化点：用 tanδ 峰值或 G' onset(5%) 定软化/熔化温度（二者物理定义不同，必须标明用哪条）。
• 多温频率块 ⇒ TTS + WLF：移位因子 a_T → C₁/C₂ → 自由体积 f_g/α_f → master curve，
  评估"储存 25°C ↔ 皮肤 32–35°C"的稠度变化是否在可接受范围。

蠕变回复 → creep

• Burgers 四参数：J₀(瞬时)、η₀(零切)、J₁(延迟)、τ₁(延迟时间)。
• 计算回复率（可回复柔量/总柔量）：越高 ⇒ 撤力后越回弹/保持形状（挤出回弹、涂抹后部分恢复）。

触变性 → thixotropy / three_itt

• 迟滞环：上/下行 τ 曲线包围面积 = 触变指数；面积越大剪切中破坏越多、恢复越慢（适度触变利于"涂时变稀、静置重建"）。
• 3ITT 三段触变：结构恢复率% = G'(恢复段末)/G'(静置段末)×100%；越高涂抹后网络越快重建，储存稳定、抗沉降。

三、软膏剂应用性能关联（ChP 0115 导向）

> 以下为经验参考区间，取决于基质类型（油脂性/乳剂/水溶性）、含药量、用药部位与工艺；
> 正式放行以企业内控标准与药典方法为准。引擎输出为"诊断线索"，不是合规判定。

• 涂展性/易涂性：由 τ₀ 与 η_app(10 s⁻¹) 综合。τ₀ 适中(~20–200 Pa) + n 较小(剪切变稀明显) ⇒ 一涂就开；τ₀ 过高(>~500 Pa) ⇒ 难揉开（顺从性差）。
• 稳定性（抗沉降/抗分层）：需足够 τ₀ 与低频 G' 平台支撑分散相（药物粒子/内相液滴）；τ₀ 过低或 tanδ 长期 >1 ⇒ 储存期沉降/乳膏破乳风险。
• 皮肤滞留/附着：适度 τ₀ + 弹性(G') 使膜贴肤、抗流挂；过高 ⇒ 膜硬使用感差；过低 ⇒ 自流、蹭掉。
• 药物释放：通常低粘度/高涂展/弱结构 ⇒ 扩散阻力小、释放偏快（尤其水溶性/乳剂基质）；油脂性凡士林基质释放慢、偏封闭。释放还强烈依赖药物溶解度与分配系数，流变只是因素之一。
• 挤出性：由高剪切端 η∞ 或 η_app(500 s⁻¹) 评价；过低 ⇒ 管装易自流，过高 ⇒ 难挤。
• 使用感/感官：类固弹性(tanδ<1 但不过低) 偏"膏体感"、不油腻易铺；过低 G' 偏"水/稀"；凡士林类天然偏"油蜡感"。流变可辅助但需结合感官评价。

四、配方对比与优化建议

多组配方时：

1. 用表格汇总各模型关键参数：τ₀、K、n、η_app(10)、η∞、tanδ(1Hz)、γ_LVE、γ_y、回复率/恢复率、软化点、谱宽。
2. 通过参数变化，揭示组分（凡士林/蜡比例、乳化剂类型与用量、液状石蜡/油含量、增稠剂、含药量）如何影响屈服应力、触变与粘弹平衡。
3. 基于"涂展性–稳定性–滞留–释放四者平衡**"原则，指出当前配方优缺点，并给出调整建议
   （如增蜡↑τ₀↑稳定性但损涂展；加液状石蜡↓粘度↑涂展但损稳定），预测调整将如何改变上述模型参数。
4. 关联 ChP 0115 软膏剂通则（均匀细腻、无刺激性、稠度适宜、易涂布、稳定性）给出放行/工艺建议。

> 典型材料的经验作用方向（解释用，非拟合依据）：凡士林/石蜡/微晶蜡↑→τ₀↑、硬度↑、稳定性↑、封闭性↑、涂展↓
> 液状石蜡/轻质油↑→粘度↓、涂展↑、但稳定性/滞留↓
> O/W 乳化剂成膜→提供界面屈服、稳定内相
> 增稠剂(CMC/卡波姆/黄原胶)↑→τ₀↑、触变↑、悬浮力↑

五、报告格式要求

• 每条分析必须含模型名、方程、参数表、拟合优度(R²/SSE)。引擎自动输出，无需手算。
• 优先用代码实际拟合（已内置 scripts/rheology_fit.py，scipy 真实拟合 + 可选 matplotlib 图表）。
  若确无执行环境，则提供拟合步骤、预估参数范围与曲线趋势的定量描述（不编造精确数字）。
• 用通俗语言解释专业结论，保留必要术语，使流变学基础薄弱的用户也能理解分析逻辑。
• 结尾生成"AI 流变诊断总结"：用 5 条要点概括核心发现与行动建议。
• HTML 报告生成：scripts/make_report.py 可一键生成单文件离线 HTML 报告，含图表
  （matplotlib base64，无 CDN 依赖）与软膏剂应用诊断。
• 数据来源与仪器：本用户仪器为 Kinexus（Malvern），导出英文表头 CSV 可直接用 rheology_fit.py 读取（见“执行流程”）。耐驰(Netzsch) 中文表头 CSV 仍支持：scripts/analyze_netzsch.py 自动识别模式、单位换算，输出单文件 HTML 报告（零 JS 依赖），含 AI 诊断与配方/工艺指导（非本机时的备选路径）。仪器软件模板/模型码对照见 references/instrument_model_mapping.md。

执行流程（实际操作）

加载脚本：scripts/rheology_fit.py。运行环境（任选其一）：

# 方式一：直接用 PATH 上的 python（需已装 numpy/scipy，绘图另需 matplotlib）
PY=python
SK="C:\Users\Administrator\.workbuddy\skills\ointment-rheology-analysis__skillhub"

# 方式二：无科学栈时自建 venv（推荐，隔离不污染环境）
python -m venv venv && venv/Scripts/python -m pip install numpy scipy matplotlib
PY=venv/Scripts/python

> 若环境无 numpy/scipy：先 python -m venv <venv> 并在其中 pip install numpy scipy
> （绘图需 matplotlib，用 --plot 触发；缺失则跳过并提示）。

按识别的模式调用对应子命令，先跑再解读：

# 稳态流动（核心入口）：屈服应力模型(HB/Bingham/Casson/幂律) + Cross + 应用关联
$PY $SK/scripts/rheology_fit.py steady --data <稳态CSV> [--plot] [--format json]

# 频率扫描：G'/G''/tanδ、类固-类液判定、广义 Maxwell + 应用关联
$PY $SK/scripts/rheology_fit.py frequency --data <频率CSV> [--modes 4] [--plot]

# 振幅扫描：LVE 临界应变、流动点(G'=G''交叉)
$PY $SK/scripts/rheology_fit.py amplitude --data <振幅CSV> [--plot]

# 温度扫描：软化点判定；含多温频率块则自动 WLF-TTS
$PY $SK/scripts/rheology_fit.py temperature --data <温度CSV> [--tref 32]

# 蠕变回复：Burgers + 回复率
$PY $SK/scripts/rheology_fit.py creep --data <蠕变CSV> [--creep-time 1000] [--plot]

# 触变迟滞环：面积/归一化触变指数
$PY $SK/scripts/rheology_fit.py thixotropy --data <触变CSV>

# 三段触变测试 3ITT：结构恢复率%
$PY $SK/scripts/rheology_fit.py three_itt --data <3ITT_CSV> [--t1 60] [--t2 120]

• 加 --format json 输出机器可读结果（便于进一步编排/表格汇总）。
• 样例数据见 assets/sample_*.csv（稳态/频率/振幅/蠕变/触变/温度TTS），可直接运行演示。
• 复现样例：$PY $SK/scripts/gen_sample_data.py（重写 assets 样例，叠加 ~2% 噪声）。

一键生成 HTML 报告

# 耐驰(Netzsch) CSV（含中文章头）→ 自动识别模式 → 单文件 HTML 报告（非本机 Kinexus 时的备选路径）
$PY $SK/scripts/analyze_netzsch.py --data <耐驰CSV路径> [--outdir .] [--mode frequency]

# 混合任意模式 CSV → 单文件综合 HTML 报告
$PY $SK/scripts/make_report.py \
  --steady   <稳态CSV> \
  --frequency <频率CSV> \
  --amplitude <振幅CSV> \
  --creep    <蠕变CSV> \
  --thixotropy <触变CSV> \
  --temp     <温度CSV> \
  --outdir .

六、边界与诚实性

1. 数据质量优先：单位不一致（Hz vs rad/s、Pa vs kPa、应力 vs 粘度）是最常见错误源；先核对单位，引擎不猜测性换算。
2. R² 高 ≠ 模型正确：平台区偏离、外推、过参数化都会误导；优先对比物理可比量（τ₀、n、η_app）。
3. 过参数化警示：广义 Maxwell（2N 参）、WLF（窄温区）参数不唯一，仅供定性/趋势，勿当精确物性常数。
4. 数据不足：仅 3~4 个点时引擎会警告并改用定性描述，绝不假装精确拟合。
5. 模型是手段不是目的：最终落点是"涂展–稳定–滞留–释放平衡"与可执行的配方/工艺调整建议。
6. 药典边界：本技能提供流变诊断线索，不替代《中国药典》0115 的法定检验（锥入度、粒度、装量、无菌等）。
7. 截图转写风险：OCR/手输数值可能偏差，转写后请用户复核关键数据点。

典型场景

• 场景 A（诊断）：单组稳态流动 → 屈服应力多模型拟合 → τ₀/η_app 评价涂展性与屈服水平 → 诊断短板。
• 场景 B（对比）：多组软膏流变数据 → 参数汇总表 → 揭示组分影响 → 给出平衡优化方向。
• 场景 C（温度）：多温频率扫描 → WLF 主曲线 → 评估储存 25°C ↔ 皮肤 32–35°C 稠度窗口。
• 场景 D（结构）：振幅 + 触变环/3ITT → 判定网络强度与剪切后恢复能力（抗沉降/抗流挂）。