Kontrollkártyák a gyógyszeriparban

1. Kontrollkártyáka gyógyszeriparban Magyar András Richter Gedeon NyRT Minőségbiztosítási Főosztály

2. Bemutatkozás 2002-2007 SZTE-GYTK Diákköri munka ÁOK Biokémiai Intézetében Enzimkinetikai mérések, szövetfestési eljárások 2004: nyári gyakorlat a Richterben 2007 aug. – 2008 okt.: Készítményfejlesztés, Tablettázó Üzem, Biotechnológiai Osztály 2008 okt. óta: minőségbiztosító

3. Egyedi érték – mozgó terjedelem kártya

4. Milyen paraméterekre alkalmazható? Normális eloszlást követő paraméterekre Az átlagértékekre és sok egyedi értékre alkalmazható Jellemző, hogy az eredmények 99,73%-a µ±3σ határon belül van

5. Mi az, amire biztosan nem alkalmazható? Bizonyos származtatott paraméterekre CU AV, CU RSD Szélsőérték-eloszlást követő paraméterekre

6. Content uniformity – Acceptance Value

7. A többi feltétel Lehet, hogy a paraméterre valamilyen transzformációt kell elvégezni, pl. pH Legalább 25-30 adatpont eredménye álljon rendelkezésre Legyen az összes eredmény számszerű Szennyezések QL alatti értékei! Legyen elégséges az eredmények felbontása, pontossága Jobb legyen a felbontás, mint az ingadozási tartomány 5%-a

8. QL alatti értékek – kimutatható, de nem kvantifikálható

9. Legalább 25-30 adatpont szükséges:

10. A hagyományos és a kontrollkártyán alkalmazott szórás (egyedi érték kártya)

11. Jobb felbontás, mint az ingadozási tartomány 5%-a Kioldódási eredmények közül Legkisebb 86 Legnagyobb 99 Felbontás: egész számra kerekítés, 100 99-86=13, ennek 5%-a 0,65 Legalább 0,65 kellene, hogy legyen a pontosság, hogy alkalmazzuk a kártyát(0,1-es pontosság már jó)

12. Felbontás

13. Mire használhatók a kontrollkártyák? • A paraméter stabil váltakozásának ellenőrzésére • Visszacsatolás arról, hogy a gyártási folyamatunk paraméterei stabilan ingadoznak • Mindarra alkalmazhatóak, amire a paraméter egyszerű lefutását ábrázoló ábrák („run chart”)

14. Mire nem használhatók a kontrollkártyák? • Önmagában nem elég a kimutatott változások okának kiderítésére, de lehetnek tipikus hibák • Olyan paraméterek kontrollálására, amelyek nem követnek normális eloszlást

15. A termék előállításában változás történt, tudjuk a változás okát…

16. Eredmények a változtatás előtti adatokból becsült µ±3σ-ból

17. Eredmények a változtatás utáni adatokból becsült µ±3σ-ból

18. A lefutás ábrázolása

19. Hisztogram

20. Hisztogram • Egymástól tR-ben különböző ismeretlen szennyezők

21. A folyamat-képességi indexek számítása (egyedi értékek)

22. Folyamat-képesség • Akkor alkalmazható, ha • A paraméternek van specifikációs határa • Csak normális eloszlást követő paraméterekre • Ezen belül csak stabil ingadozású paraméterekre • Arról ad képet, mennyire képes tartani a specifikációt a paraméter

23. Mik az előnyeiennek a szemléletnek? • Már az előírt értékek túllépése előtt objektív figyelmeztetést kapunk a gyártási folyamatba való beavatkozás szükségességéről • Mennyire szabályozott a folyamat, ismerjük-e az összes kritikus gyártási paramétert, jók-e a beállítások? • Ne elégedjünk meg azzal, hogy megfelelünk a specifikációnak, gyártsunk jobbat

24. Mik az előnyeiennek a szemléletnek? • Arról kaphatunk kiterjesztettebb becslést, milyen lehet a minősége azoknak a tételeknek, amelyeket nem mértünk meg • Minta, amit megmértek és pontosan ismert a termékjellemző, pl. hatóanyag-tartalom • A minta alapján felszabadított „sokaság” – az áru, amit a beteg bevesz

25. Mik az előnyeiennek a szemléletnek? • Elemzők szerint a vevői megelégedettség fogja egyre inkább kikényszeríteni a minőségjavítást a gyógyszeriparban is • Néhány termékcsoporttól eltekintve a generikus piac telítődik, új termékkel egyre kisebb hányadát lehet megszerezni a piacnak • Ebben a kiéleződő versenyben ez az új típusú minőség-szemlélet jelenthet előnyt

26. A jelen • Az adatok feldolgozásának automatizálása szoftver-kiegészítések segítségével,pl. Statistica EnterpriseTM • Tablettázás során bevethető módszerek • Folyamatos NIR és Raman spektroszkópia • Lézer-diffrakció • QbD, DoE • Már meglévő gyártási folyamatokat nehéz megváltoztatni a már érvényes törzskönyv miatt • A hatóságoknak is fel kell készülniük

27. Szakirodalom • Six Sigma For Dummies • By Craig Gygi, Neil DeCarlo, Bruce Willians Wiley Publishing Inc. • Statistical Methods for Six Sigma In R&D and Manufacturing • Anand M. Joglekar, Wiley-Interscience • Six Sigma in the Pharmaceutical Industry • Brian K. Nunnally, John S. McConnell, Taylor and Francis Group, LLC