Archivo del June, 2017

Es muy probable que ya manejen este tema y no les resultará nuevo este concepto, pero muchas veces siento que es oportuno volver a principios básicos para nuestra operación diaria.

En un mundo ideal, cualquier producción podría producir productos perfectos. Podría no ser necesario efectuar el control de calidad dado que cada unidad del lote de un comprimido de 125 mg exactos contiene el 100 % de la droga declarada reproduciendo el diseño original del producto.

Desafortunadamente, en el mundo real de la producción, muchos factores se combinan e interactúan para hacer cada unidad única.

Temperatura, humedad, materiales utilizados, la parametrización de las máquinas, todo puede variar y afectar al producto. Los elementos actuales que salen del proceso de producción pueden ser más delgados, más gruesos, más largos o más cortos, más pesados o más livianos, diferentes de sus dimensiones ideales.

Si cada uno de los ítems producidos podría ser testeado, poco necesaria sería la estadística para control de calidad. Las formas de dosificación individuales que resultan ser insatisfactorias podrían descartarse y sólo los artículos buenos se liberarían para su distribución posterior. Pero en la mayoría de los casos el 100% de muestreo es difícil si no imposible y el gasto probablemente sería prohibitivo tanto para el fabricante como para el consumidor. La variación inevitable de la calidad del producto y las limitaciones económicas hacen necesaria alguna forma de control estadístico de la calidad para cualquier proceso de fabricación.

El desafío es económico tanto para el productor como para el consumidor: para el productor que desea reducir el número de artículos rechazados, para el consumidor que espera recibir únicamente productos que correspondan estrictamente a sus propias especificaciones.

El interés común no solo debería ser el control del proceso de manera de obtener productos de calidad aceptables para el cliente, sino también la optimización del proceso para mejorar continuamente los productos. El uso de las técnicas estadísticas en Control de Calidad y la optimización de métodos es la más eficiente forma para alcanzar estos objetivos.

Conceptos básicos

La primera idea que debemos tener siempre en nuestra mente es: “hay una variación natural en todo”. Un proceso de manufactura está principalmente afectado por el entorno, los materiales, los métodos, las máquinas y también los operadores. Cuando la variación de un proceso es la suma de un gran número de parámetros independientes teniendo individualmente poca influencia en toda la variación, este proceso puede ser descrito por la distribución normal bien conocida caracterizada por la media y la desviación estándar. Los parámetros independientes se llaman causas naturales, aleatorias o inherentes de la variación. La eliminación de cualquiera de estas causas menores es en su mayoría no rentable y a menudo no imposible.

Cuando un proceso de fabricación falla repentinamente, está bajo la influencia de causas de variación aislables o asignables. Por el contrario, estas causas son generalmente exteriores al proceso, fáciles de localizar, fáciles de eliminar y, por tanto, rentables.

Para un proceso de fabricación, el objetivo de importancia principal es distinguir entre las variables aleatorias y las causas de variación asignables. Trabajar sin tener este objetivo siempre como principio sería engañoso. Aún hoy en día, un gran error de juicio a menudo consiste en suponer que cada accidente de proceso o no conformidad se debe a una causa asignable y esto sin tener en cuenta la variación natural del proceso. La consecuencia principal de los sobre seteos de los equipos es por un lado la pérdida de tiempo y por otro lado conducir en el peor de los casos a un aumento artificial de la variación del proceso.

Tomemos el ejemplo de un producto cuya característica durante la producción varía en realidad como la curva de gauss de la figura siguiente.

Si el operador a cargo del proceso toma un ítem individual y mide su característica, existe una probabilidad que esta medición se realice en posición cerca a más 3 sigma. Si este operador es informado acerca de la variación del proceso y no está acostumbrado a alguna estadística básica, configurará la máquina para poner dicho punto en la posición 0 correspondiente al valor objetivo central.

Entonces, la distribución de producción se traduce a la derecha, dando una nueva curva de distribución. En esta situación hay una probabilidad de tomar un ítem que característico está en la posición cerca de menos 3 sigma. Utilizando siempre el mismo razonamiento, los trabajadores pondrán la máquina de nuevo a la meta Valor en posición 0. La nueva distribución de producción corresponderá a otra curva a le izquierda de la inicial.

Con la mejor de las intenciones, desde el ajuste hasta el ajuste, el operador está incrementando la variación natural del proceso. En el peor de los casos puede ser el doble de la inicial.

Por lo que parece una gran necesidad de herramientas estadísticas que permitan, en primer lugar, estudiar y luego controlar la variación del proceso.

Antes de comenzar con la guía rápida de FMEA, creo que sería bueno revisar el proceso general.

Visión global del Proceso

  • Es deseable un buen entendimiento del proceso.
  • Los procesos largos, deben ser fraccionados en subprocesos, en etapas o componentes.
  • Cada punto o modo de falla de cada etapa o componente, debe ser identificado.
  • Luego debe ser identificado el efecto de cada uno de los puntos o modos de falla.
  • Finalmente es evaluado cada uno de los simples puntos de falla, para ver su riesgo y la necesidad de acciones de mitigación.

Hay diferentes herramientas para efectuar dicho análisis, nosotros hemos optado por el uso del FMEA (o en español AMFE = Análisis de Modo de Falla y Efectos).

A los interesados en el tema, disponemos de una Planilla Excel, que les servirá para llevar adelante el análisis de riesgo con FMEA, donde en una de las solapas encontrará los criterios de aceptación para cada uno de los 3 criterios utilizados y en la otra una planilla para registrar las evaluaciones efectuadas, solicítela enviando email a: info@cgmpdoc.com.

El FMEA utiliza 3 criterios:

  1. Severidad
  2. Probabilidad
  3. Detectabilidad

Los criterios están establecidos en un rango numérico, los valores altos implicando un mayor impacto. El rango utilizado puede ser bajo, como por ejemplo de 1 a 3 (Bajo, Medio o Alto) para usar la herramienta de forma más simple, sin embargo lo más común es usar un rango de 1 a 5 o de 1 a 10, dependiendo de la definición deseada del score. Un estudio largo con muchos eventos que evaluar debería estar adecuado con largos rangos de valores.

Para cada etapa o componente del proceso, determinar el o los modos de fallas y cómo la falla podría ser presentada por sí misma (efecto de la falla – qué defecto es creado).

La pregunta en esta etapa es ¿Qué podría salir mal?

Luego para casa caso de falla, es importante determinar el impacto, el efecto o el riesgo.

Para cada uno de estos casos, se determinan los 3 criterios anteriores (severidad, probabilidad y detectabilidad).

Severidad

Es una medida de las consecuencias / impacto si el evento ocurre, ¿Cuáles son las consecuencias si esto sale mal?

  • Si el riesgo identificado ha sucedido, ¿Cuál es el impacto para el usuario final o para el proceso?
  • NO incluir o considerar cualquier mitigación o control actual, o método de detección en el racional cuando se determina el rango de severidad.
  • El peor escenario debería ser usado si hay una duda entre dos scores, el score más alto debe ser usado.

Probabilidad (Ocurrencia)

Es una medida de la probabilidad de que el evento suceda. ¿Cuál es la probabilidad que esto salga mal?

  • ¿Cuál es la probabilidad que el riesgo ocurra o cuál es la historia de ocurrencia del evento?
  • ¿Hay datos históricos que pueden ser usados?

o   Para el sistema actual que está establecido o

o   Para un sistema análogo si el sistema aún no está establecido

Detectabilidad

Es una medida de la probabilidad que el evento sea detectado si ocurre. ¿Será detectado?

  • ¿Qué métodos están en el lugar disponibles para la detección si el evento ha ocurrido?
  • ¿Cuál es la probabilidad de este método de detectar el evento?

Luego con estos tres scores se calcula el RPN o Risk Priority Number, que es el producto de los 3 puntajes anteriores.

RPN = S x P x D

  • A > RPN > Riesgo
  • Para los scores de RPN que están en el mismo nivel de riesgo, el score de Severidad le da mayor peso, luego el de Probabilidad y finalmente el de Detectabilidad.

Mitigaciones

Los scores de Severidad (impacto al paciente), raramente pueden ser cambiados, pero hay instancias donde el cambio del material / proceso puede disminuir el impacto al paciente.

Prioridades de mitigación:

Las mitigaciones que reducen la probabilidad deberían ser siempre precedentes a las que mejoran la detectabilidad de la falla (es mejor reducir la probabilidad de que el evento ocurra que depender del método de detección para identificar el problema).

Si la probabilidad no puede ser reducida a nivel aceptable, entonces el método de detección que puede identificar que los eventos han ocurrido deberían ser lo más cercanos / próximos al punto de falla como sea posible

Métodos de detección de ingeniería (ejemplo sistemas de visión, alarmas, etc.), son preferidos sobre aquellos procedimentales como (muestreo AQL, testeos sobre el proceso, etc.). Las mitigaciones procedimentales son las medidas de mitigación más débiles, generalmente recaen sobre el muestreo o testeo para detectar la falla, lo cual probablemente aumenta el impacto del evento. En este caso el producto ya está hecho y el defecto puede impactar de una forma la calidad antes que sea detectado.

Documentación del FMEA

Utilizar la planilla Excel adjunta, en la misma encontrará un ejemplo para ver el uso de la misma. Además contiene notas aclaratorias sobre los campos.

Se establecen para el RPN, rango de valores para clasificar a los riesgos como Bajos, Medio o Altos (la planilla tiene una tabla con criterios, los mismos pueden ser ajustados, pudiendo uno ser más o menos exigente).

Finalmente para todos aquellos riesgos de scores alto (Alto riesgo), deben ser tomadas acciones de mitigación adicionales para reducir el nivel de riesgo a nivel bajo o medio al menos.

Luego de planeadas las acciones de mitigación adicional, el factor de RPN debe ser recalculado de acuerdo a la nueva situación.

Las acciones de mitigación (CAPAs) son seguidas usualmente a través del sistema CAPA del laboratorio y además es vital la verificación de la efectividad de las mismas.

NOTA: es sumamente importante a la hora de estimar la probabilidad de ocurrencia de la falla, conocer las posibles causas de la misma (conocimiento del proceso), de la misma forma que para la determinación de las acciones de mitigación.