流化床包衣过程是固体制剂生产过程中的典型单元操作,其包衣产品多样,关键质量属性（Critical Quality Attributes,CQAs）众多,过程的质量监控缺乏标准,推行评价的相关技术准则势在必行。过程分析技术（Process Analytical Technology,PAT）的优势就是能够对过程实时分析,通过建立流化床包衣过程CQAs的在线监测方法,使流化床生产过程封闭不可见的问题得以解决,实时掌握生产过程产品质量的变化。近红外光谱分析技术（Near Infrared Spectroscopy,NIRS）可以作为PAT工具用于过程在线监控,用来反映生产过程的真实状态。流化床微丸包衣工艺通过在基材表面喷雾形成包衣膜层,需要检测衣膜厚度的大小及均匀性、上药过程的原料药（Active Pharmaceutical Ingredients,API）含量的均一性,包衣微丸的释放特性,使之达到质量标准。本研究采用一种微型近红外光谱仪对流化床包衣过程实时监测,建立流化床包衣过程CQAs（微丸衣膜厚度变化,上药过程的含药丸芯API浓度变化以及缓释包衣过程微丸的溶出行为）的在线定量模型,并对近红外模型预测结果进行分析与评价。本文具体研究内容如下:（1）NIRS用于流化床包衣过程包衣膜厚度在线监测研究。本研究将一种微型近红外探头集成到流化床设备中,用于在线监测微丸颗粒包衣过程中的包衣厚度。设计并测试了一种酶标仪方法测量包衣膜厚度,该方法用于测定包衣过程中所取样本的实际衣膜厚度。建立了流化床包衣标示剂浓度、衣膜厚度的偏最小二乘回归（Partial Least Squares Regression,PLSR）在线定量分析模型。经过原始数据预处理,对比了三种光谱波段选择方法以提高模型的预测能力,得到标示剂浓度最佳在线定量模型评价参数 R2cv,R2p,RMSECV,RMSEP 分别为 0.9749,0.9911,0.9843 μg/ml,1.203μg/ml;包衣膜厚度最佳在线定量模型评价参数R2cv,R2p,RMSECV,RMSEP分别为0.9749、0.9911、0.2800μm、0.3422μm,RPD值为3.689。外部验证标示剂浓度、衣膜厚度RMSEP值分别为1.331μg/ml、0.3786μm,本文验证了 NIRS测定流化床包衣过程中衣膜厚度变化的可行性。（2）NIRS用于流化床包衣上药过程API含量监控研究。本研究继续针对实验型小试流化床微丸包衣上药过程进行研究,建立可用于监测流化床包衣上药过程中API含量的模型。经过原始数据预处理,对比了三种光谱波段选择方法以提高模型的预测能力,得到包衣上药过程API浓度最佳在线定量模型评价参数R2cv,R2p,RMSECV,RMSEP 分别为 0.9874、0.9973、8.509μg/ml、5.060μg/ml,RPD 值为12.9696。外部验证API浓度RMSEP为8.896μg/ml,实验结果验证了 NIRS用于流化床包衣上药过程在线监测API浓度的可行性。（3）NIRS用于流化床包衣微丸溶出度预测研究。本章采用微型近红外光谱仪对小试流化床缓释功能层包衣过程进行研究,对包衣前、中、后期三个时间点微丸的累计溶出度进行在线监测,建立定量模型。经过原始数据预处理,对比了三种光谱波段选择方法以提高模型的预测能力,得到流化床包衣第一溶出点最佳模型评价参数 R2cv,R2p,RMSECV,RMSEP 分别为 0.9755、0.9823、3.233%、4.500%;第二溶出点最佳模型评价参数R2cv,R2p,RMSECV,RMSEP分别为0.9358、0.9965、2.598%、0.7939%;第三溶出点最佳模型评价参数 R2cv,R2p,RMSECV,RMSEP分别为0.9867、0.9927、0.4085%、0.4726%。本部分研究对模型进行了批内验证,预测结果良好,证明了 NIRS在线预测流化床包衣微丸溶出度的可行性。本论文创新点包括:将微型近红外光谱仪引入流化床包衣过程,结合新的衣膜厚度测量方法与化学计量学分析,建立了微丸衣膜厚度监测的在线定量分析模型并进行在线监测;采用微型近红外光谱仪在线监测了流化床微丸包衣上药过程的API含量变化;采用微型近红外光谱仪对流化床包衣过程微丸溶出行为进行预测。