Kontrollkártyák a gyógyszeriparban

Slides:



Advertisements
Hasonló előadás
I. előadás.
Advertisements

„Esélyteremtés és értékalakulás” Konferencia Megyeháza Kaposvár, 2009
Sarangolt faválasztékok tömör köbtartalmának meghatározása
Statisztika I. VI. Dr. Szalka Éva, Ph.D..
3. Két független minta összehasonlítása
6) 7) 8) 9) 10) Mennyi az x, y és z értéke? 11) 12) 13) 14) 15)
Validálás & verifikálás
3. Folytonos wavelet transzformáció (CWT)
1 terv (régi szint a szürke): x 4 =  x 1 x 2 x 5 =  x 1 x 3 x 6 =  x 2 x 3 x 7 =x 1 x 2 x 3 1. példa: Ina Tile.
Az Univerzum térképe - ELTE 2001
Programozási alapismeretek 8. előadás. ELTE 2/  További programozási tételek További programozási tételek 
Csoportosítás megadása: Δx – csoport szélesség
Ez a dokumentum az Európai Unió pénzügyi támogatásával valósult meg. A dokumentum tartalmáért teljes mértékben Szegedi Tudományegyetem vállalja a felelősséget,
Mérés és adatgyűjtés laboratóriumi gyakorlat Sub-VI és grafikonok 1 Makan Gergely, Mingesz Róbert, Nagy Tamás v
Statisztikai folyamatszabályozás
Becsléselméleti ismétlés
Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék STATISZTIKA I. 11. Előadás.
Mindenki az egyenes illesztést erőlteti. Kell olyan ábra ahol 1 ismeretlen pont van Kell olyan ábra ami a görbék párhuzamos lefutását mutatja Kell olyan.
STATISZTIKA II. 5. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék.
RFID labor az Intézetünkben
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.
Közlekedésstatisztika
E L E M Z É S. 1., adatgyűjtés 2., mintavétel (a teljes sokaságot ritkán tudjuk vizsgálni) 3., mintavételi információk alapján megállapítások, következtetések.
Előnyök és alkalmazási területek
Előadó: Prof. Dr. Besenyei Lajos
ADATBÁZISOK
6. Előadás Merevítő rendszerek típusok, szerepük a tervezésben
A KÖZBESZERZÉSEKET TÁMOGATÓ OBJEKTÍV INFORMATIKAI RENDSZER 1 Tudományos Diákköri Konferencia Troll Gergely.
Kvantitatív módszerek
ÖSSZEFOGLALÓ ELŐADÁS Dr Füst György.
Kvantitatív módszerek

Nominális adat Módusz vagy sűrűsödési középpont Jele: Mo
Dr. Balogh Péter Gazdaságelemzési és Statisztika Tanszék DE-AMTC-GVK
Az opciók értékelése Richard A. Brealey Stewart C. Myers MODERN VÁLLALATI PÉNZÜGYEK Panem, 2005 A diákat készítette: Matthew Will 21. fejezet McGraw Hill/Irwin.
Statisztika.
Készítette: Horváth Zoltán (2012)
Kvantitatív módszerek
Valószínűségszámítás
Hipotézis vizsgálat (2)
4 Négyzet probléma Készen vagy? B A
Alapsokaság (populáció)
Adatleírás.
t A kétoldalú statisztikai próba alapfogalmai
A klinikai transzfúziós tevékenység Ápolás szakmai ellenőrzése
Költség-minimalizálás az ellenőrző kártyák alkalmazásánál Feladatmegoldás, kiegészítés.
Kemény Sándor Doktoráns Konferencia 2007.
Minőségbiztosítás II_5. előadás
Crossflow kerámia membrán szűrés fermentációnál a gyógyszeriparban
A t e r m é s z d a l Csak az erős ember ismeri a szeretetet,
I. előadás.
1 Gyorsul a gazdaság növekedése. 2 Nő a beruházás.
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
A sürgősségi osztály indításával és működtetésével nyert tapasztalataink. CSMEK Hódmezővásárhely - Makó Dr. Lóczi Gerda.
hatásterület lehatárolása az IMMI 2011 szoftver segítségével
Programozási alapismeretek 8. előadás. ELTE Szlávi-Zsakó: Programozási alapismeretek 8.2/  További programozási.
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Programozási alapismeretek 10. előadás. ELTE Szlávi-Zsakó: Programozási alapismeretek 10.2/  Kiválogatás + összegzés.
Minőségbiztosítás II_4. előadás
Mérés és adatgyűjtés laboratóriumi gyakorlat

Statisztikai folyamatszabályozás
Statisztikai folyamatszabályozás
Statisztikai folyamatszabályozás
I. Előadás bgk. uni-obuda
Szabályozott és képes termékek/szolgáltatások, folyamatok, rendszerek
Kockázat és megbízhatóság
Gazdaságinformatikus MSc
Mérések adatfeldolgozási gyakorlata vegyész technikusok számára
Mérések adatfeldolgozási gyakorlata vegyész technikusok számára
Előadás másolata:

Kontrollkártyák a gyógyszeriparban Magyar András Richter Gedeon NyRT Minőségbiztosítási Főosztály

Bemutatkozás 2002-2007 SZTE-GYTK 2007 aug. – 2008 okt.: 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

Egyedi érték – mozgó terjedelem kártya

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

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

Content uniformity – Acceptance Value

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

QL alatti értékek – kimutatható, de nem kvantifikálható

Legalább 25-30 adatpont szükséges:

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

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)

Felbontás

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”)

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

A termék előállításában változás történt, tudjuk a változás okát…

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

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

A lefutás ábrázolása

Hisztogram

Hisztogram Egymástól tR-ben különböző ismeretlen szennyezők

A folyamat-képességi indexek számítása (egyedi értékek)

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

Mik az előnyei ennek 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

Mik az előnyei ennek 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

Mik az előnyei ennek 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

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

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