QbD(Quality by Design)는 규제 요구 사항을 충족하기 위한 위험 기반의 유연한 접근 방식으로 국제 규제 기관에서 10년 이상 강조해 왔습니다. QbD가 규정 준수에 대한 자세한 증거를 제공하는 것은 사실입니다. 그러나 그것은 접근 방식에서 나오는 가치의 작은 부분에 불과합니다. JMP는 제약 및 의료 기기 제품의 수명 주기 전반에 걸쳐 가치를 제공하기 위해 QbD 사례를 포함할 수 있는 탁월한 실험 계획법(DOE) 및 모델링 도구를 제공합니다.
제품 개발 팀은 다음에서 DOE Custom Designer를 사용했습니다. JMP 고전단 과립화 공정의 4가지 공정 입력에 대한 12-런 반응 표면 설계를 개발합니다. 과립의 물리적 특성을 테스트하고 각 과립의 샘플을 슬러그로 압축하여 코어 분해 시간을 테스트할 수 있습니다. 그만큼 과립 공정 실험 결과 Simulation.jmp 실험을 위한 데이터 테이블은 아래 표 1에 나와 있으며 다음을 통해 액세스할 수 있습니다. https://support.sas.com/lievense .
테이블 1 - 결과를 이용한 과립화 실험

내 책, JMP를 사용한 설계별 의약품 품질 , 이 블로그에 자세히 설명된 예를 포함하여 몇 가지 예가 포함되어 있습니다. 실행이 완료되면 데이터가 JMP DOE 파일에 직접 입력되었으므로 모델 스크립트를 실행하여 빠르게 분석할 수 있습니다. 중요한 효과만 포함하도록 모델을 줄이면 각 효과가 그림 1에 표시된 출력에 미치는 영향의 양을 추정하기 위한 정확도가 향상됩니다.
수치 1 - 축소된 모델 효과

그림 2에 표시된 예측 프로파일러는 제품 개발자가 물리적 과립을 생성하고 테스트하는 데 리소스를 소비하지 않고도 공정 설계 공간을 완전히 탐색할 수 있는 놀라운 도구입니다.
수치 2 - 감소된 과립화 모델 프로파일링

모델 프로파일러를 사용하기 전에 시뮬레이터 분석 옵션을 선택하고 출력에 대한 예상 사양 제한을 설정합니다(그림 3).
수치 삼 - 시뮬레이터 설정

변동성의 일반적인 모양과 범위에 대한 지식은 모델 추정치에 견고성을 추가합니다. 주제 전문가(SME)는 설계 공간 내에 있는 프로세스 설정에 대해 예상되는 다양한 실제 결과를 제공합니다. SME는 입력의 변화가 설정점 위와 아래에서 동일하게 변하는 경향이 있다고 지적했습니다. 따라서 각 입력이 정규 분포에 따라 변한다고 가정하는 것이 합리적입니다. 각 입력에 대한 표준 편차는 보고된 값 범위를 6으로 나누어 추정합니다. 표 2는 공정 변수에 대한 연구 결과이다.
테이블 2 - 프로세스 입력의 역사적 변화

예제 데이터에는 표시된 시뮬레이션 설정으로 모델 분석을 실행하는 스크립트가 있습니다. 회의 중에 JMP를 빠르고 효율적으로 사용하여 배치의 운영 인구 예측을 설명할 수 있습니다. 운영 팀은 분당 9갤런의 분무 속도, 30% 유체 추가, 45RPM 임펠러 속도 및 11분의 습식 질량 시간으로 과립화 공정을 실행하는 것을 선호합니다. 그림 4에는 5,000개의 모델 시뮬레이션 실행을 생성하는 시뮬레이션 버튼을 누른 상태에서 기본 설정이 포함되어 있습니다.
수치 4 - 계획된 프로세스 설정 및 결과

JMP는 출력 사양 중 하나 이상을 충족하지 않는 실행의 76%를 산출하는 예상 과립화 결과를 보여줍니다. 입자 크기 분포 50 일 백분위수 크기[PSD d(0.5)]는 크기가 큰 입자로 인해 거의 모든 결함이 발생하는 출력입니다. 작업 기본 설정은 전혀 제대로 작동하지 않습니다.
새로운 기본 처리 입력 값 세트가 사용됩니다. 프로파일러는 새 설정을 반영하도록 조정되고 그림 5와 같이 새로운 5,000회 실행 세트를 시뮬레이션합니다.
수치 5 - 최적화된 설정 및 결과

검정 값으로 표시된 출력에 대한 95% 신뢰 구간이 사양 내에 있으므로 결함에 대한 기대치는 0입니다. 시뮬레이터가 포함된 Prediction Profiler는 제품 및 프로세스 개발에 막대한 가치를 추가합니다. 이러한 부가 가치 QbD 기술로 개발된 제품은 사용되는 리소스를 50% 줄이고 최대 70% 더 빠르게 시장에 출시되는 경향이 있습니다. Profiler 시뮬레이션을 사용하여 미래의 운영 성능을 예측하는 것은 가능한 가장 강력한 프로세스를 보여줍니다.