Pagkakapare-pareho ng QC — Paano Gamitin

• Bumubuo ng reference library mula sa mga kwalipikadong makasaysayang batch na pinagkakatiwalaan mo na.
• Inihahambing ang bawat dumarating na sample sa library ng sangguniang partikular sa materyal na iyon.
• Nagpapakita ng resultang may antas kasama ang ebidensiyang spectral at numerikal.
• Itinatampok ang mahahalagang pagkakaiba sa spectrum at mga rehiyong dapat subaybayan.
• Nagtatago ng may petsang kasaysayan ng QC para sa traceability at pagsusuri sa hinaharap.

• Pagsusuri sa mga papasok na hilaw na materyales.
• Mga pagsusuri sa consistency mula sa isang batch patungo sa isa pa.
• Pagsisiyasat sa supplier o pagbabago sa proseso.
• Paghahambing ng katatagan o ng mga napanatiling sample.
• Mga routine check kung saan ang tanong ay: kamukha ba ng kwalipikadong materyal ko ang spectrum na ito?

Gumawa ng hiwalay na library para sa bawat materyal o grado na nais mong subaybayan. Dapat kumatawan ang set ng sanggunian sa normal at kwalipikadong pagkakaiba-iba, sa halip na maging halo ng mga materyal na walang kaugnayan.

• Pangalan ng materyales — Gumamit ng malinaw na pangalan tulad ng ＇Aspirin API＇ o ＇Polyethylene Grade A＇.
• Mga reference batch — Mag-upload ng mga makasaysayang batch na nakapasa na sa iyong karaniwang proseso ng kwalipikasyon.
• Konteksto — Panatilihin ang mga tala tungkol sa komposisyon at batch kung makatutulong ang mga ito sa pagpapaliwanag ng inaasahang pagkakaiba-iba.

Mabuting kasanayan: Magdagdag sa paglipas ng panahon ng mga kinatawang kwalipikadong batch, ngunit huwag magdagdag ng bagong batch dahil lamang bumagsak ito sa kasalukuyang paghahambing.

Nagbabago ang default mode batay sa laki ng reference library:

• Pagkakatulad: 1–19 reference — Direktang pagkakatulad ng spectrum at ebidensya mula sa mga pagkakaiba ng peak.
• PCA: 20–49 na sanggunian — Nagdagdag ng multibaryabol na pagmomodelo ng baryasyon sa kwalipikadong set ng sanggunian.
• Modelong klasipikasyon na estilo ng SIMCA: 50+ sanggunian — Nagdudagdag ng mga diagnostic ng class model para sa mas malalaking kwalipikadong reference set.

Tandaan: Ito ang mga default na threshold. Maaaring mag-configure ang isang deployment ng ibang mga threshold, at ipinapakita ng workbench ang aktibong mode.

Huwag umasa sa headline label lamang. Suriin ang ebidensiyang nagbunga nito:

• Label ng resulta — Depende sa mode ang pananalita; maaaring mag-ulat ang mode ng pagkakatulad ng Lubos na pare-pareho, Katamtamang pare-pareho, o Hindi pare-pareho.
• Overlay ng spektrum — Ipinapakita ang papasok na spectrum laban sa kwalipikadong reference pattern.
• Mga difference peak — Ipinapakita kung saan pinakamalaking naiiba ang dumarating na sample sa reference.
• Mga diagnostic sa similarity o multivariate — Nakadepende ang eksaktong ebidensiyang numerikal sa kung Similarity, PCA, o ang class model ang aktibo.

Lubos na pare-parehong resulta — Ang spectrum ay nasa loob ng mga na-configure na pamantayan ng sanggunian. Isagawa ang iyong karaniwang pagsusuri sa QC at SOP bago ang disposition.

Borderline o katamtamang resulta — Suriin ang overlay, mga peak ng diperensiya, mga kondisyon ng pagkuha ng datos, at konteksto ng batch bago magpasya kung ano ang susunod na gagawin.

Hindi pare-parehong resulta — Ang spectrum ay nasa labas ng mga naka-configure na pamantayan ng sanggunian. Ipinapakita nito na naiiba ang sample; hindi nito sa sarili nito tinutukoy ang sanhi.