Herramientas estadsticas tiles para la validacin y

la optimizacin farmacutica.
M. en C. IGNACI G!A"A##AMA N$%&'
(#)&*# &NC+,I(N
guadarrama_nez@msn.com
ignacioguadarraman@yahoo.com.mx
Hay muchas herramientas que pueden utilizarse como parte de una validacin: cartas
de control, estudios de capacidad, diseo de experimentos, anlisis de tolerancias,
diseo de m!todos ro"ustos, anlisis de moda e#ecto y #alla, planes de muestreo y
prue"as de #allas. $uadro %o. &.
$uando existe la presencia de no con#ormidades en una planta #armac!utica y se hace
la investigacin de causas, se puede encontrar que algunas de !stas suelen ocurrir por
errores que cometen los operadores 'entonces evita"les( o por e-ceso de variacin
del proceso 'ms di#)ciles de evitar(. *"tener un proceso que cumpla repetitivamente
las especi#icaciones requiere una aproximacin equili"rada usando herramientas de
prue"as de #allas y de reduccin de la varia"ilidad. +stos m!todos intentan hacer
imposi"le que ocurra un error o al menos que si ocurre nuestro sistema se encuentre lo
su#icientemente #ortalecido para detectarlo.
,in em"argo, algunas no con#ormidades no son resultados de errores, sino que son
resultado de varia"ilidades excesivas del proceso. -ara reducir la variacin y dirigir
adecuadamente un proceso se requiere identi#icar el proceso y sus caracter)sticas
controlando las entradas varia"les 'imputs( y esta"leciendo controles en dichas
entradas para asegurar que las salidas 'outputs( cumplan los requerimientos. .na
respuesta del plan de validacin es el desarrollo de un plan de control: la #ase #inal del
proceso de validacin requiere demostrar que el plan #unciona 'es decir que el proceso
proporciona los resultados previstos(.
.na herramienta ser el estudio de capacidad de calidad de un proceso o de una
m./uina concreta. .n estudio de capacidad mide la aptitud para cumplir la
especi#icacin repetitivamente
0
por lo cual, lo que se intenta es demostrar que los datos
num!ricos generales para cada parmetro cr)tico estn entre los l)mites estad)sticos de
control 'es decir / 0 desviaciones estndares( y que no existe una causa de variacin
asigna"le al proceso. +sta herramienta es apropiada para caracter)sticas que son
suscepti"les de medir, donde la ausencia de con#ormidad se de"e a variaciones #uera
de control o a la varia"ilidad del proceso. +l anlisis de"e realizarse no slo en
condiciones normales, sino tam"i!n para las condiciones extremas 'situacin
comnmente denominada como 1el peor de los casos2(3 as) en situaciones de errores
potenciales durante la #a"ricacin, las prue"as pueden demostrar que los m!todos
designados para prevenir los errores #uncionan.
4os )ndices de capacidad de mquina relacionan las tolerancias del producto 'Cp( o el
nivel de tendencia central de la mquina en el valor nominal '$p5( con la capacidad de
la mquina respecto a la varia"le estudiada. ,e considera que un proceso es capaz
siempre que el )ndice supere la unidad. 6unque actualmente el grado de exigencia de
calidad en el sector #armac!utico impone que supere &,00 para decir que una mquina
es capaz '/ 7(, mientras que para el proceso se asigna &,8 '/ 0(. +n otras industrias
incluso se requiere superar &,9: '/ ;( y las ltimas tendencias en ingenier)a de calidad
requieren < '/9(.
$p = '4>, ? 4>@( A 9B
Cpk = valor mnimo ((LTS m) / 3) ((LTI m) / 3
Conde,
4>, = 4)mite tolerancia superior
4>@ = 4)mite de tolerancia in#erior
m = media del proceso
B = desviacin estndar del proceso.
+l $p5 indica la dispersin del proceso adems de controlar que no se excedan las
especi#icaciones, ya que un proceso descentrado puede dar un valor de $p mayor de
uno y sin em"argo existir valores que se salgan del intervalo de tolerancia.
$uanto ms centrado se encuentre el proceso ms se acercar la media al valor
nominal, por lo que $p5, siempre ser menor que $p, pudiendo llegar a ser cero, si
estuviese el proceso centrado so"re un extremo del intervalo de tolerancias y negativo
si se encontrara #uera de tolerancias.
4os planes de muestreo pueden usarse para optimizar el nmero de muestras que han
de ser controladas y demostrar con ellas que se cumple la especi#icacin. .na nueva
tendencia en ingenier)a de calidad es plantear que el proceso est! centrado en la
especi#icacin y que a cada lado del valor nominal quede un margen de 9 sigmas 'es
decir 9 desviaciones estndares del proceso(, lo cual asegurar)a que el DD,DDD E de la
produccin cumplir tolerancias o lo que es lo mismo slo 8,88< unidades por milln de
las producidas tiene pro"a"ilidad de considerarse como unidad de#ectuosa, lo que es lo
mismo que decir que ha"r cero de#ectos3 el pro"lema para aplicar esta metodolog)a en
una planta #armac!utica es que es muy di#)cil o impro"a"le que las mquinas
tradicionales lo cumplan, ya que de por s) presentan pro"lemas para cumplir tres
sigmas a cada lado del valor nominal, en este caso 'aspecto considerado valido a
principios de los D8Fs( la seguridad acepta"le era que si se cumpl)a el DD,:0E de los
productos pro"a"lemente esta"an correctos, pero segn la pro"a"ilidad,
aproximadamente <:88 productos de cada milln sern de#ectuosos respecto a esta
especi#icacin, nmero inacepta"le para otras industrias 'electrnica, aeronutica,G(
pero no para la industria #armac!utica.
+l o"Hetivo se "asar, para las caracter)sticas medi"les de los productos #armac!uticos,
en optimizar la media y reducir la variacin del proceso. *ptimizar el proceso puede ser
centrarlo, maximizar o minimizar la media segn convenga. -ero en todos los casos se
requiere asegurar que todas las unidades estn dentro de especi#icaciones.
Ieducir las variaciones requiere que se alcance un proceso capaz y esta"le y que se
mantenga entre especi#icaciones. 6 pesar de la gran variedad de herramientas
estad)sticas aplica"les a la validacin y optimizacin de los procesos, es de resaltar que
la mayor)a de tra"aHos pu"licados para la optimizacin de procesos utilizan el diseo
#actorial y las super#icies de respuesta por su sencillez y #cil aplicacin, #rente a otros
m!todos ms ela"orados, por lo tanto, nuestro en#oque de"er #ocalizarse no a
encontrar la metodolog)a especi#ica para la resolucin de nuestros pro"lemas, si no a
"uscar aquellas herramientas estad)sticas que en su conHunto de uso y maneHo nos
ayuden a encontrar nuestras respuestas.
$uadro %o. &:6lgunas herramientas estad)sticas empleadas para la validacin de procesos.
H&##AMI&N1A
CA#AC1&#2*1ICA "& 3A
H&##AMI&N1A
A(3ICACI4N &N
1&CN3G2A
)A#MAC5!1ICA
-lan de
muestreo
estad)stico
Jediante una muestra representativa se
rechaza o se aprue"a un lote de producto.
+l resultado permite dar
resultados del tipo: 1con un
D;E de con#ianza el de#ecto
esta por de"aHo del &E2.
+stad)stica
param!trica
't de
student(
+studio estad)stico para determinar si
existen di#erencias signi#icativas entre
resultados, muestras de po"laciones, etc.
Cecidir si existen di#erencias
signi#icativas entre operadores,
dosi#icadores, etc.
6nlisis de
media '6%*J(
6nlisis de
varianza
'6%*K6(
+studio estad)stico para determinar si
existen di#erencias signi#icativas entre
instrumentos, etc.
Cecidir si existen di#erencias
signi#icativas entre operadores,
dosi#icadores, etc. -ara
demostrar que los resultados
o"tenidos cumplen las
especi#icaciones.
+studios de
$apacidad de
proceso '$+-(
,e toman pequeas muestras durante el
proceso, se calcula la media y su intervalo
y se representan gr#icamente respecto al
tiempo. @ndicadores $p y $p5.
-ara determinar si los
procesos o equipos son
esta"les: media centrada y
variacin reducida.
Lr#icas de
control
-ara detectar cam"ios en condiciones
durante el proceso. ,e toman &8 unidades
consecutivas, se calcula su media y su
intervalo y se registran gr#icamente. +n la
gr#ica se di"uHan los l)mites de control,
entre los que se de"en mantener los
puntos3 si se superan indicarn que ha
existido un cam"io y por lo tanto de"e ser
investigado para determinar y anular la
causa.
4a esta"ilidad de la media indica si el
proceso cam"ia, mientras que la
esta"ilidad en el intervalo indica que la
varia"ilidad del proceso no aumenta.
Mtil en validacin retrospectiva
y concurrente, para determinar
las causas de variacin del
proceso.
Ciseo de
experimentos
'C*+(
,upone introducir cam"ios controlados en
& o < varia"les del proceso y compro"ar el
cam"io en & o < respuestas del proceso,
para esta"lecer la relacin ms
interesante.
.tiliza: investigacin de experimentos,
estudios de super#icie de respuesta y el
anlisis de la varianza.
*ptimizacin de la #a"ricacin
y en el desarrollo de #ormas
#armac!uticas: encontrar las
varia"les que ms a#ectan a la
calidad.
6nlisis del
Jodo, +#ecto y
Nalla
'6J+N(
6nlisis sistemtico de #allos potenciales.
@ncluye la identi#icacin de modelos de
#allos, determinacin de causas y
consecuencias y el desarrollo de un
anlisis riesgos asociados. @ncluye,
adems, esta"lecer un plan de control
detallado y el registro de las secciones
correctoras y controles implementados.
,e inicia desde el nivel de componentes
'en#oque desde arri"a( empezando con
#allos potenciales y desarrollndolo hasta
Mtil en el diseo de un proceso
para identi#icar pro"lemas
potenciales, "aHo un en#oque
de prevencin.
sus consecuencias.
H&##AMI&N1A
CA#AC1&#2*1ICA "& 3A
H&##AMI&N1A
A(3ICACI4N &N
1&CN3G2A
)A#MAC5!1ICA
6r"ol de
anlisis de
#allos o
1Ciagrama de
espina de pez2
o 1Ciagrama de
@shi5aOa2
,e enlistan las posi"les consecuencias y
se investigan sistemticamente hasta
aca"ar en las causas.
4os #actores 'y sus distintos niveles( que
pueden in#luir en la calidad o consistencia
se enlistan y ensayan para conocer su
e#ecto so"re la varia"le #inal.
$aracterizacin del proceso:
determinar las varia"les
cr)ticas, para eliminar las
causas del pro"lema.
J!todos de
ensayo de
errores.
,e disponen autocontroles o
veri#icaciones dentro del proceso que
hacen imposi"le que ocurra un de#ecto o
que si ocurre sea imposi"le que no se
detecte.
Mtil en el control de procesos,
al detectarse se para la
mquina o equipo.
Histograma
s, gr#ico
multivariante o
de -areto.
Lr#icamente se determina cual es la
principal causa de variacin del proceso
para su control.
Mtil para determinar las
caracter)sticas cr)ticas del
proceso y eliminar las causas
principales de error.
,eleccin
de
experimentos o
diseos
#actoriales
#raccionados
+l o"Hetivo principal es determinar las
varia"les cr)ticas. ,e desarrolla el
experimento con di#erentes valores para
las entradas 'ensayos( y medir los
resultados en las varia"les de salida. $on
esto se puede de#inir que varia"les de
entrada a#ectan a los resultados.
%ormalmente se necesitan dos ensayos
por varia"le y as) se simpli#ica el tiempo,
se recomienda empezar con todas las
posi"les varia"les hasta encontrar las
importantes. 4as super#icies de respuesta
ayudan a determinar estas relaciones.
Mtil para determinar las
varia"les cr)ticas del proceso.
J!todo de
>aguchi
,e desarrollan diseos experimentales
para entender pro#undamente la relacin
entre las entradas y las respuestas en la
medida y en la variacin.
4os resultados se utilizan para centrar la
media y disminuir la variacin.
Juy til en diseo #actorial,
para desarrollo de #ormas
#armac!uticas.
Mtil para la optimizacin del
%o. de varia"les para el control
del proceso.
#eferencias 6i6lio7r.ficas8
&. %ash I.6. .nderstanding the process capa"iity index concept. Pournal o# validation
technology &DDQ3 7'<(: &7DR&;Q.
<. %*JR8;DR,,6& 1Suenas prcticas de #a"ricacin para esta"lecimientos de la industria
qu)mico #armac!utica dedicados a la #a"ricacin de medicamentos2.
0. Lrant, +ugene 4., $ontrol estad)stico de calidad, +d. $+$,6, J!xico, <888.
7. Jontgomery, Couglas $., -ro"a"ilidad y estad)stica aplicada a la ingenier)a, +d. 4imusa
Tiley, J!xico, <880.
;. 6sociacion latinoamericana de calidad de UNC: http:AAOOO.q#dlat.com
9. @nternational society o# six sigma pro#essional: http:AAOOO.isssp.com