Consecvența QC — Mod de utilizare

• Construiește o bibliotecă de referință din loturi istorice calificate în care aveți deja încredere.
• Compară fiecare probă recepționată cu biblioteca de referință specifică materialului respectiv.
• Afișează un rezultat gradat împreună cu dovezi spectrale și numerice.
• Evidențiază diferențele spectrale importante și regiunile care trebuie monitorizate.
• Păstrează un istoric QC datat pentru trasabilitate și revizuire ulterioară.

• Screeningul materiilor prime la recepție.
• Verificări ale consecvenței între loturi.
• Investigație privind furnizorul sau modificarea procesului.
• Comparație pentru stabilitate sau cu o probă păstrată.
• Verificări de rutină în care întrebarea este: acest spectru seamănă cu materialul meu calificat?

Creați o bibliotecă separată pentru fiecare material sau calitate pe care doriți să o monitorizați. Setul de referință ar trebui să reprezinte variația normală și calificată, nu un amestec de materiale fără legătură între ele.

• Nume material — Utilizați un nume clar, precum „Aspirin API” sau „Polyethylene Grade A”.
• Loturi de referință — Încărcați loturile istorice care au trecut deja de procesul dumneavoastră normal de calificare.
• Context — Păstrați informațiile despre compoziție și lot atunci când ajută la explicarea variației așteptate.

Bune practici: Adăugați în timp loturi calificate reprezentative, dar nu adăugați un lot nou doar pentru că nu a trecut comparația curentă.

Modul implicit se modifică în funcție de dimensiunea bibliotecii de referință:

• Similitudine: 1–19 referințe — Similaritate spectrală directă și dovezi bazate pe diferențele dintre picuri.
• PCA: 20–49 de referințe — Adaugă modelarea multivariată a variației din setul de referință calificat.
• Model de clasă de tip SIMCA: peste 50 de referințe — Adaugă diagnostice ale modelului de clasă pentru seturi de referință calificate mai mari.

Notă: Acestea sunt pragurile implicite. O implementare poate configura praguri diferite, iar bancul de lucru afișează modul activ.

Nu vă bazați doar pe eticheta principală. Examinați dovezile care au condus la aceasta:

• Eticheta rezultatului — Formularea depinde de mod; modul de similitudine poate raporta „Foarte consistent”, „Moderat consistent” sau „Inconsistent”.
• Suprapunere spectrală — Afișează spectrul primit comparativ cu modelul de referință calificat.
• Vârfuri de diferență — Arată unde proba primită diferă cel mai mult de referință.
• Diagnostice de similaritate sau multivariate — Dovezile numerice exacte depind de activarea Similarity, PCA sau a modelului de clasă.

Rezultat puternic concordant — Spectrul se încadrează în criteriile de referință configurate. Efectuați verificările obișnuite de control al calității și revizuirea conform procedurii standard de operare înainte de luarea deciziei.

Rezultat la limită sau moderat — Examinați suprapunerea, vârfurile de diferență, condițiile de achiziție și contextul lotului înainte de a decide ce trebuie făcut în continuare.

Rezultat neconsecvent — Spectrul se află în afara criteriilor de referință configurate. Acest lucru indică faptul că proba diferă; nu identifică prin ea însăși cauza.