Статистический контроль качества в лабораториях

Обеспечение соответствия процесса требованиям с помощью СКК, контроля наполнения и динамического взвешивания

Позвонить специалисту
Статистический контроль качества (СКК) в лаборатории

Uniformity of Dosage Units



Перейдите в один из следующих разделов, чтобы узнать больше:

  1. Как производится статистический контроль качества (СКК)? Типичный рабочий процесс
  2. Ноу-Хау статистического контроля качества
  3. Поддержка экспертов по применению статистического контроля качества
  4. Сложности при организации статистического контроля качества: отклонения по массе таблетированных форм лекарственных препаратов (однородность дозирования)
  5. Система СКК МЕТТЛЕР ТОЛЕДО для проверки однородности дозирования
  6. Рекомендации по применению «Гарантированная однородность дозирования»
  7. Система СКК МЕТТЛЕР ТОЛЕДО для оптимизации процессов наполнения в лабораториях по контролю качества
  8. Решение МЕТТЛЕР ТОЛЕДО для СКК и управления производственными процессами в промышленных условиях
  9. FAQ — часто задаваемые вопросы о контроле наполнения, динамическом взвешивании и статистическом контроле качества

Рабочий процесс СКК

Эксперт в области статистического контроля качества

Проблемы СКК

Лучшее решение для СКК

Рекомендации по применению «Гарантированная однородность дозирования»

Система СКК для оптимизации процессов наполнения в лабораториях контроля качества

Решение для СКК и управления производственными процессами в промышленных условиях

Другие продукты

Публикации

Публикации

Часто задаваемые вопросы о статистическом контроле качества

Часто задаваемые вопросы о статистическом контроле качества


 

1. В чем разница между статистическим контролем качества (СКК) и статистическим контролем процесса (СКП)?

Статистический контроль качества (СКК) подразумевает использование статистических инструментов для мониторинга и поддержания качества продукции. При статистическом контроле процесса (СКП) статистические инструменты используются для оценки качества процесса, как правило, связанного с производством.


 

2. Мы выпускаем препараты в нескольких дозированных формах, и у всех них есть разные СОП для измерения отклонений массы. Как это сделать наиболее эффективно?

На весах XPR можно хранить до 50 различных прикладных методов. После настройки метода в соответствии с СОП его можно запустить с помощью ярлыка быстрого запуска на главном экране весов. Нажав на ярлык, пользователь весов получит готовую к работе СОП со всеми предустановленными допусками.


 

3. Чем отличаются метод прямого определения содержания действующего вещества и метод определения отклонений массы?

В фармацевтическом производстве проверка отклонения массы (или однородности дозированных единиц) представляет собой неразрушающее испытание, в ходе которого значения массы отдельных таблеток в проверяемой выборке сравниваются со средней массой образца. Таблетки выбираются случайным образом из одной производственной партии, взвешиваются по отдельности, и по результатам определяется отклонение массы. По требованиям Фармакопеи США, вне допустимого предела может оказаться масса не более двух таблеток, и ни у одной из них масса не должна превышать допустимое значение более чем в два раза. Испытание на отклонение массы подходит для таблеток, твердых капсул и твердых веществ в однодозовой упаковке, но не для мягких капсул и некоторых таблеток с покрытием.

Прямое определение содержания действующего вещества — это разрушающее испытание, в котором требуется проведение анализа для определения количества действующего вещества в каждой дозированной единице лекарственной формы. Это испытание проводится на случайной выборке таблеток из партии. Среднее значение для образцов сравнивается с эталонным значением; партия принимается или бракуется в соответствии с установленным допустимым отклонением. Обычно прямое определение однородности содержания используется для ингаляторов, суппозиториев, пластырей и некоторых таблеток с покрытием.


 

4. Достаточно ли расчета среднего значения и стандартного отклонения?

Согласно центральной предельной теореме, процесс, подвергающийся влиянию большого количества факторов, ни один из которых не является доминирующим, всегда будет демонстрировать результаты, которые подчиняются закону нормального распределения. Было установлено, что нормальное распределение является наилучшей основой для оценки разброса значений, типичного для наполнения упаковок. Среднее значение и стандартное отклонение однозначно определяют нормальное распределение. Если при измерении результатов наполнения выясняется, что они не подчиняются закону нормального распределения, возможно, что в процессе наполнения преобладает один или несколько факторов, и, вероятно, процесс можно оптимизировать.


 

5. Сколько образцов нужно проверить?

Количество образцов, необходимых для проведения испытания, зависит от типа образца и действующих нормативных правил. Например, в Фармакопее США указано, что для испытания на отклонение массы нужно взять не менее 30 единиц дозированной лекарственной формы. Как показывает опыт, лучше чаще проводить испытания с небольшим количеством случайно отобранных образцов, чем реже — с большим количеством. Этот подход полезен, если процесс наполнения не очень стабилен.


 

6. Мы проводим испытания на отклонение массы вручную, что отнимает много времени, потому что все данные необходимо проверять и оценивать дважды. Как сделать процесс более эффективным?

Подключите автоподатчик LV12 к аналитическим или техническим весам XPR. LV12 автоматически поштучно подает образцы дозированной лекарственной формы в контейнер на весах. Все значения массы регистрируются автоматически, а в промежутках весы выполняют тарирование. После запуска системы оператор может перейти к другим задачам.


 

7. Как правило, мы выполняем СКК вручную. При этом результаты иногда получаются немного разными. В чем может быть причина?

Процесс, выполняемый вручную, по своей природе сопряжен с ошибками. Возможно, неточность возникла при подсчете или во время регистрации данных. Такие ошибки могут легко исказить результаты. Необходимо выяснить, чем обусловлен необычный результат — ошибкой оператора или дефектом продукта. Чтобы избежать таких проблем, лучше внедрить более автоматизированный подход.