《工艺验证检查指南》学习笔记七十一:数据分析和趋势分析

6.5.4 数据分析和趋势分析 

6.5.4.1 持续工艺确认计划应当说明收集的数据如何进行分析。一方面可与预定的可接受标准进行比较，特别是对于严格受控的数据； 另一方面可进行数据的统计分析，评估工艺趋势，此时应当在持续工艺确认计划中明确持续工艺控制的统计方法和原则。通常可用控制图 评估一段时间的工艺控制情况，其适用于评价过程控制并分析工艺趋 势。根据持续工艺确认要求，控制图可按批为基础建立和评估。 

6.5.4.2 应当建立预期标准以确认工艺处于受控状态。如监测工 艺发现了漂移与偏离，应当进行分析评估；若超出控制范围（如趋势 超标、超出控制限、检验结果超标、超出行动限等），则应当启动调 查，根据调查结果，如果是工艺问题应当针对具体原因采取必要的措 施，如增加取样、调整工艺及后续的持续工艺确认计划（如必要）或 开展必要的再验证等。持续工艺确认期间如发生关键工艺参数等可能 影响产品质量的改变时，应当进行变更控制。

学习与思考

现在我们开始学习数据分析和趋势分析，它正是持续工艺确认（CPV）从“数据收集”跃升到“知识获取”的关键桥梁。

一、 核心思想解读：两个维度，一个目标

法规6.5.4.1明确指出，数据分析需从两个并行且互补的维度开展：

1. 符合性比较（静态的、标准驱动的分析）

   是什么： 将每个批次的检测结果（如含量、溶出度、杂质）与预定的、固定的质量标准（如药典标准、注册标准、内控标准）进行直接比对。

   目的： 回答一个根本问题：“这批产品合格吗？” 这是产品放行的基础，确保每一批都满足法定要求。

   适用数据： 特别是“严格受控的数据”，即那些有明确法定接受限度的关键质量属性（CQA）。

2. 统计趋势分析（动态的、工艺驱动的分析）

   是什么： 将一系列批次的工艺参数（CPP）和质量属性（CQA）数据，运用统计工具进行整体分析，观察其随时间的变化模式。

   目的： 回答更前瞻性的问题：“我的工艺稳定吗？它正在如何变化？未来会出问题吗？” 旨在揭示工艺的内在波动性、稳定性和潜在漂移趋势。

   核心工具：控制图。这是实施SPC（统计过程控制）的主要工具。

二者的关系与终极目标：符合性比较是“底线思维”，保证单批合格；趋势分析是“卓越思维”，追求工艺持续稳定。CPV的精华在于后者——通过对趋势的分析，在单批数据触及不合格标准之前，就提前发现工艺的异常苗头并干预，从而实现真正的“持续”确认和预防。最终目标是构建丰富的工艺知识，证明工艺处于持续的受控状态。

二、 统计趋势分析的精品实施要点

法规提到“明确统计方法和原则”，以下是如何高水准地落实方法：

1. 控制图的科学建立与使用：

   “按批为基础”：意味着X轴通常是批号或生产时间顺序，每个批次的数据作为一个子组或单点绘制在图上。

   控制限的计算：控制图的上下控制限（UCL/LCL）不是质量标准限，而是根据您工艺自身的历史数据（如初始验证批次或第一阶段CPV数据）的变异度（±3σ）计算得出。它代表了您工艺的“自然波动范围”。

   控制图的选择：

   对于可连续测量、通常服从正态分布的数据（如含量、片重、溶出度、pH、相对密度），使用均值-极差图或单值-移动极差图。

   对于缺陷率等计数型数据，使用P图或U图。

2. “预期标准”与受控状态判定：

   预期标准不仅包括控制限，还应包括趋势判定规则（如西方电气规则）。例如：

   连续7点位于中心线同一侧（预示均值发生了偏移）。

   连续6点持续上升或下降（预示存在趋势性漂移）。

   过多点靠近控制限（预示波动增大）。

   工艺“处于受控状态”意味着：所有点随机分布在中心线附近，且未超出控制限，也未违反任何趋势判定规则。此时，工艺的变异仅来自“偶然原因”（固有波动），不存在“特殊原因”（异常波动）。

三、 异常处理与持续改进的闭环管理

6.5.4.2 描述了一个完整的管理闭环，是CPV价值的体现：

1. 分级响应机制：

   趋势超标/超出行动限：这是一个“早期预警”。虽未生产出不合格品，但表明工艺有偏离受控状态的迹象。应启动调查，查找根本原因（如原料细微变化、设备部件开始磨损），并采取预防性措施。

   超出控制限/检验结果超标（OOS）：这是一个“偏差/失败”。必须启动正式的偏差调查。这属于特殊原因，必须被识别和消除。

2. 措施的升级与迭代：

   调查后，措施可能包括：对特定批次增加取样、对设备进行维护（调整工艺）、甚至修订工艺参数。

   这些措施可能导致CPV计划本身需要更新（例如，将一个新发现的敏感参数纳入监控，或调整抽样频率）。

   对于重大变更或纠正，可能需要开展再验证，以重新建立工艺受控的证据基础。

3. 变更控制的绝对红线：

   法规最后一句是重中之重。在CPV期间，任何有意改变关键工艺参数的行为，都必须通过正式的变更控制程序。不能因为CPV正在做，就随意调整工艺。变更前需评估，变更后需验证，并基于变更后的新工艺数据，重新建立或调整CPV的基线与控制限。

总结：打造精品CPV数据分析模块的关键

1. 双轨并行：在方案中明确列出哪些指标仅做符合性比较，哪些必须进行统计趋势分析（通常是所有CPP和关键CQA）。

2. 方法明确：明确规定使用的具体统计工具（如Xbar-R图）、软件、控制限更新周期（如每年或积累一定批次后）。

3. 标准清晰：定义具体的“受控状态”标准，包括固定的行动限、警戒限和采用的趋势判定规则。

4. 流程闭环：将数据分析结果与偏差调查、CAPA、变更控制、再验证等质量体系要素无缝链接，形成书面化的流程图。

5. 知识输出：确保分析结果以可视化报告（控制图、能力指数图表）形式呈现，并归档于年度产品质量回顾中，作为工艺知识的核心资产。

通过这样的设计，读者君你的的CPV方案就不再是一份简单的数据记录表，而成为一个主动的、科学的、能够驱动工艺持续改进和卓越运营的智能系统。

希望这份剥离了具体产品、聚焦于方法论和法规精髓的解读，能满足您的期待，并对您的工作有切实的帮助。

后面会以贝诺酯为虚拟案例，做一个情景模拟。