Reglas prácticas del SPC en el mundo real de un plan de verificación de procesos continuos: Parte 2. Reglas prácticas del SPC para aplicar en datos de procesos farmacéuticos

Este artículo sugiere herramientas o mediciones para reducir el alcance de señales de falsa alarma al relajar o ajustar reglas convencionales de SPC para generar límites de control prácticos y reglas prácticas. Algunas de estas mediciones fueron sugeridas previamente por Wheeler (5–6), Laney (7), Bar (8–10), Call et al. en un reporte de la industria (11), y por Scherder (12) y Scherder y Giacoletti (13). Este artículo sugiere mediciones adicionales y consolida el tema en el marco del entorno farmacéutico regulado a la vez que muestra ejemplos de datos de procesos reales. Todas estas mediciones son esencialmente un resultado de un enfoque basado en riesgos, y su implementación permitirá que el fabricante adopte el concepto de "estado de control" tal como lo definen las agencias regulatorias (1, 2).

Minimizar señales de falsa alarma
Como se muestra en la Parte 1, el hecho de que los datos del proceso rara vez sean independientes, a menudo se autocorrelacionen y, a menudo, no sean normales conduce a frecuentes desviaciones formales detectadas por las reglas de Nelson, incluyendo una cantidad excesiva de señales falsas de más allá de los límites. El fabricante que opera bajo un sistema de calidad GMP está obligado a investigar y documentar cada desviación e implementar una acción correctiva. Sin embargo, muchas de estas falsas alarmas son, de hecho, parte de la variación de rutina, y el fabricante tiene dificultades para justificar su ocurrencia en un proceso que se considera que se comporta bien. Se dedican esfuerzos y recursos que requieren mucho tiempo para detectar, investigar y registrar las "causas especiales" de estas falsas alarmas. Esta sección sugerirá herramientas o mediciones que el fabricante puede considerar, en el contexto de su proceso, para minimizar estas falsas alarmas. La Tabla I enumera 10 de esas herramientas aplicadas en ejemplos de datos de procesos de la vida real, como se muestra en las figuras enumeradas correspondientes.



Es extremadamente importante tener en cuenta que la implementación de cualquiera de las 10 herramientas debe justificarse demostrando al mismo tiempo una "garantía de desempeño aceptable del proceso y calidad del producto" (es decir, un estado de control). Los datos históricos y la experiencia pasada o en evolución deberían, de hecho, justificar el enfoque pragmático de ajustar las reglas tradicionales de SPC en la evaluación de los gráficos de comportamiento de los procesos farmacéuticos.

Uso de desviación estándar global
Los gráficos de control tradicionalmente emplean la llamada "desviación estándar a corto plazo" (es decir, la "variación dentro del grupo" para datos agrupados o una desviación estándar [SD, por sus siglas en inglés] derivada de los rangos móviles de datos individuales) para calcular los límites de control y de advertencia. Este enfoque permite una separación efectiva de una señal con respecto del ruido. Cuando los datos están auto-correlacionados, la SD a corto plazo es aún más pequeña, los límites de control son más estrechos y, en consecuencia, esto puede conducir a una mayor cantidad de puntos fuera de los límites.

CONTINUAR LEYENDO...