KR101904864B1

KR101904864B1 - 프로세스 파라미터들 및 생산 결과 파라미터들의 타입들을 지정, 디스플레이 및 선택하기 위한 시스템

Info

Publication number: KR101904864B1
Application number: KR1020137032400A
Authority: KR
Inventors: 저스틴 뉴웨이
Original assignee: 에이지스 애널리티컬 코포레이션
Priority date: 2011-05-20
Filing date: 2012-05-04
Publication date: 2018-10-05
Also published as: KR20140093611A

Abstract

프로세스의 하나 이상의 제 1 프로세스 파라미터들이 중요 프로세스 파라미터들이라는 것을 표시하는 하나 이상의 제 1 시각적 표시자들의 시각적 디스플레이 디바이스 상에서의 디스플레이가 기재된다. 중요 프로세스 파라미터들은 계층적 데이터 구조의 일부로서 시각적 디스플레이 디바이스 상에 디스플레이된다.

Description

프로세스 파라미터들 및 생산 결과 파라미터들의 타입들을 지정, 디스플레이 및 선택하기 위한 시스템{A SYSTEM FOR DESIGNATING, DISPLAYING AND SELECTING TYPES OF PROCESS PARAMETERS AND PRODUCT OUTCOME PARAMETERS}

본 출원은, 발명의 명칭이 "A SYSTEM FOR DESIGNATING, DISPLAYING AND SELECTING TYPES OF PROCESS PARAMETERS AND PRODUCT OUTCOME PARAMETERS" 으로 2011년 5월 5일자로 출원된 가특허출원 제 61/482,702호, 및 발명의 명칭이 "THE ROLE OF DISCOVERANT IN QbD" 으로 2011년 5월 20일자로 출원된 미국 가특허출원 제 61/488,202호의 이점을 주장하는, 발명의 명칭이 "A SYSTEM FOR DESIGNATING, DISPLAYING AND SELECTING TYPES OF PROCESS PARAMETERS AND PRODUCT OUTCOME PARAMETERS" 으로 2012년 5월 4일자로 출원된 미국 특허 출원 제 13/464,199호에 대한 우선권의 이익을 주장하며, 이들의 내용들 및 개시물들은 그 전체가 여기에 참조로서 포함된다.

본 발명은 품질 제어 방법들에 관한 것이다.

약제 (pharmaceutical) 제조 프로세스들에서 설계 방법들에 의해 품질을 구현하기가 어렵다.

제 1 광범위한 양태에 따르면, 본 발명은 다음의 단계들: (a) 프로세스의 하나 이상의 제 1 프로세스 파라미터들이 중요 (critical) 프로세스 파라미터들이라는 것을 표시하는 하나 이상의 제 1 시각적 표시자들을 시각적 디스플레이 디바이스상에 디스플레이하는 단계를 포함하는 방법을 제공하며, 여기서, 중요 프로세스 파라미터들은 계층적 데이터 구조의 일부로서 시각적 디스플레이 디바이스 상에서 디스플레이된다.

제 2 광범위한 양태에 따르면, 본 발명은 실행된 경우, 다음의 단계들: (a) 프로세스의 하나 이상의 제 1 프로세스 파라미터들이 중요 프로세스 파라미터들이라는 것을 표시하는 하나 이상의 제 1 시각적 표시자들을 시각적 디스플레이 디바이스 상에 디스플레이하는 단계를 포함하는 방법을 수행하는 복수의 컴퓨터-실행가능 명령들을 이용하여 인코딩된 컴퓨터-판독가능 저장 매체를 제공하며, 여기서, 중요 프로세스 파라미터들은 계층적 데이터 구조의 일부로서 시각적 디스플레이 디바이스 상에서 디스플레이된다.

여기에 포함되고 본 명세서의 일부를 구성하는 첨부한 도면들은, 본 발명의 예시적인 실시형태들을 도시하며, 상기 주어진 일반적인 설명 및 아래에 주어진 상세한 설명과 함께, 본 발명의 특성들을 설명하도록 기능한다.

도 1은 본 발명의 일 실시형태에서 사용될 수도 있는 위험 평가 방법에서의 단계들을 도시한 흐름도이다.
도 2는 본 발명의 일 실시형태에 따른 약제 제품에 대한 제조 프로세스의 개략도이다.
도 3은 본 발명의 일 실시형태에 따른, 데이터 분석 프로그램에 나타낸 바와 같은, 도 2의 제조 프로세스에 대한 계층적 데이터 구조를 도시한다.
도 4는 도 2의 제조 프로세스의 일부에 대한 인과관계 (cause-and-effect) 매트릭스이다.
도 5는 본 발명의 일 실시형태에 따른, 도 2의 제조 프로세스를 분석하는데 사용되는 프로세스 지능형 소프트웨어 플랫폼의 일반 속성 (Universe Property) 윈도우의 스크린샷이다.
도 6은 본 발명의 일 실시형태에 따른, 도 2의 제조 프로세스를 분석하는데 사용되는 프로세스 지능형 소프트웨어 플랫폼의 파라미터 속성들의 스크린샷이다.
도 7은 롤러 압연 (roller compaction) 의 압하력 (roll force) 파라미터 및 업데이트되는 도 2의 제조 프로세스의 제분 (milling) 단계에 대한 프로세스 영향 (PI) 랭크값을 도시한 도 6의 파라미터 속성 윈도우의 스크린샷이다.
도 8은 본 발명의 일 실시형태에 따른 프로세스 지능형 소프트웨어 플랫폼을 사용하는 도 2의 제조 프로세스의 사용자 액세스 지정된 파라미터들의 스크린샷이다.
도 9는 본 발명의 일 실시형태에 따른 프로세스 지능형 소프트웨어 플랫폼의 윈도우에서의 도 2의 제조 프로세스의 약제 제품에 대한 제조 및 제어 (CMC) 연구들, 케미스트리 (Chemistry) 에 대한 약제 제품에 대한 규격들에 관련된 연구 결과들을 저장하는 사용자의 스크린샷이다.
도 10은 도 9에서 액세스되는 약제 제품에 대한 규격들의 일부인 기본 회귀 (regression) 분석의 탭된 (tab) 윈도우 요약의 스크린샷이다.
도 11은 도 9에서 액세스되는 약제 제품에 대한 규격들의 일부인 약제 제품에 대한 피트된 (fitted) 모델에 관한 스크린 사이즈 대 균일도의 그래프를 도시하는 탭된 윈도우의 스크린샷이다.
도 12는 도 9에서 액세스되는 약제 제품에 대한 규격들의 일부인 약제 제품에 관한 압하력 및 스크린 사이즈 대 균일도의 상호작용 플롯들을 도시한 탭된 윈도우의 스크린샷이다.
도 13은 도 9에서 액세스되는 약제 제품에 대한 규격들에 관한 수 개의 연구들의 결과들을 포함하는 일련의 윈도우들의 스크린샷이다.
도 14는 본 발명의 일 실시형태에 따른 프로세스 지능형 소프트웨어 플랫폼을 사용하여 생성될 수도 있는 도 2의 제조 프로세스에 의해 제조된 약제 제품에 대한 CMC 제안 (submission) 에 관한 함유량들의 표를 도시한다.
도 15는 본 발명의 일 실시형태에 따른 약제 제품에 대한 제조 프로세스 및 키 (key) 프로세스 파라미터들 및 키 품질 특성들의 식별을 도시하는 개략도이다.
도 16은 본 발명의 일 실시형태에 따른, 데이터 분석 프로그램에서 도시된 바와 같은 도 15의 제조 프로세스에 대한 계층적 데이터 구조를 도시한다.
도 17은 도 15의 제조 프로세스의 일부에 대한 인과관계 매트릭스이다.
도 18은 본 발명의 일 실시형태에 따른 도 2의 제조 프로세스를 분석하는데 사용되는 프로세스 지능형 소프트웨어 플랫폼의 일반 속성 윈도우의 스크린샷이다.
도 19는 본 발명의 일 실시형태에 따른 도 15의 제조 프로세스를 분석하는데 사용되는 프로세스 지능형 소프트웨어 플랫폼의 파라미터 속성 윈도우의 스크린샷이다.
도 20은 업데이트되는 도 15의 제조 프로세스의 제분 단계 및 롤러 압연의 압하력에 대한 프로세스 영향 (PI) 랭크값을 도시하는 도 19의 파라미터 속성 윈도우의 스크린샷이다.
도 21은 본 발명의 일 실시형태에 따른 프로세스 지능형 소프트웨어 플랫폼을 사용하는 도 15의 제조 프로세스의 사용자 액세스 지정된 파라미터들의 스크린샷이다.
도 22는 본 발명의 일 실시형태에 따른 데이터 분석 소프트웨어 플랫폼의 윈도우에서의 도 15의 제조 프로세스의 약품 (drug) 제품에 대한 제조 및 제어 (CMC) 연구들, 케미스트리에 대한 약품 제품에 관한 규격들에 관련된 사용자 저장한 연구 결과들의 스크린샷이다.
도 23은 도 22에서 액세스되는 약제 제품에 관한 규격들의 일부인 기본 회구 분석의 탭된 윈도우 요약의 스크린샷이다.
도 24는 도 22에서 액세스되는 약제 제품에 관한 규격들의 일부인 약제 제품에 대한 피드 유동율 대 오염물 A의 양에 관한 피트된 모델을 도시하는 탭된 윈도우의 스크린샷이다.
도 25는 도 22에서 액세스되는 약제 제품에 관한 규격들의 일부인 약제 제품에 대한 초기 및 피드 유동율 대 오염물 A의 양의 상호작용 플롯들을 도시하는 탭된 윈도우의 스크린샷이다.
도 26은 도 22에서 액세스되는 약제 제품에 관한 규격들을 포함하는 일련의 윈도우들의 스크린샷이다.
도 27은 본 발명의 일 실시형태에 따른 프로세스 지능형 소프트웨어 플랫폼을 사용하여 생성될 수도 있는 도 15의 제조 프로세스에 의해 제조되는 약제 제품에 대한 CMC 제안에 관한 함유량들의 표를 도시한다.
도 28은 본 발명의 일 실시형태에 따른 제조 프로세스에 대한 파라미터 기능 카테고리들을 시각화함으로써 위험 평가의 결과들을 디스플레이할 시에 프로세스 지능형 소프트웨어 플랫폼에 의해 실행되는 흐름도를 도시한다.

정의

달리 나타내지 않는다면, 용어의 정의가 그 용어의 일반적으로 사용되는 의미를 벗어나는 경우, 출원인은 아래에 제공된 정의들을 이용하도록 의도한다.

본 발명의 목적들을 위해, 여기에 제공된 바와 같은 맥락이 달리 명확하게 나타내지 않는다면, 단수형 "한 (a)", "일 (an)" 및 "그 (the)" 가 복수에 대한 참조를 포함함을 유의해야 한다.

본 발명의 목적들을 위해, "상단", "바닥", "상부", "하부", "위", "아래", "좌측", "우측", "수평", "수직", "위쪽", "아래쪽" 등과 같은 방향 용어들은, 본 발명의 다양한 실시형태들을 설명할 시에 편의를 위해서만 사용된다. 본 발명의 실시형태들은 다양한 방식들로 배향될 수도 있다. 예를 들어, 도면 도들에 도시된 다이어그램들, 장치들 등은 플립 (flip) 되거나, 임의의 방향으로 90°만큼 회전되거나, 반전되거나 등을 행할 수도 있다.

본 발명의 목적들을 위해, 값 또는 속성은, 그 값이 그 값, 속성 또는 다른 인자를 사용하여 수학적 계산 또는 논리 결정을 수행함으로써 도출되면, 특정한 값, 속성, 조건 또는 다른 인자의 충족에 "기초" 한다.

본 발명의 목적들을 위해, "분석 그룹" 이라는 용어는 사용자에 의해 선택될 수도 있는 데이터 세트들의 집합이며, 여기서, 모든 데이터 세트들은 하나 이상의 데이터 값들에 대한 "데이터 제한들" 을 충족한다. 예를 들어, 분석 그룹은, 3개의 상이한 시간 포인트들, 즉 7 초과의 최소 pH 값, 동일한 원 (raw) 재료 공급기 값, 1월의 원 재료 공급된 데이터 값 등에 대한 35 내지 38°의 중간 온도값들을 갖는 모든 데이터 세트들을 포함할 수 있다. 분석 그룹은 표준화된 인터페이스들을 통해 데이터의 신속하고 효율적인 이용을 지원하는 구조화된 데이터 컨테이너이다. 분석 그룹의 구조는 그것이, 모든 타입들의 데이터, 예를 들어, 이산, 연속, 복제 등의 데이터를 동시에 보유하도록 허용한다. 분석 그룹이 드물게 거주된 (sparsely populated) 다차원 데이터 큐브로서 고려될 수 있으며, (제조된 제품의 개별적 배치들에 관련된) 데이터 세트들은 하나의 축을 구성하고, 데이터 명칭들은 다른 축을 구성하고, (연속적인 데이터에 대한) 시간 오프셋들은 또 다른 축을 구성하며, 복제 정보는 또 다른 축을 구성한다. 분석 그룹들은 또한, 분석 그룹들 내의 부가적인 데이터의 동적 생성을 허용하고, 후속 동작들에 대해 서브셋팅 (subset) 될 그들 내의 데이터를 허용하며, 요구 기반으로 (on-demand basis) 데이터 소스들로부터의 새로운 데이터를 이용하여 그들이 업데이트되도록 허용한다.

본 발명의 목적들을 위해, "배치 (batch)" 라는 용어는 주어진 양의 제품을 제작하는데 사용되는 그 주어진 양의 제품 및 재료들을 지칭한다. 수 개의 타입들의 이산 데이터, 연속적인 데이터 및 복제 데이터 모두는 제품의 특정한 배치에 관련될 수도 있다.

본 발명의 목적들을 위해, "블렌드 (blend) 균일도" 라는 용어는, 혼합물의 약제적으로 활성인 컴포넌트가 블렌드 전반에 걸쳐 어떻게 균등하게 분배되는지를 지칭한다. 블렌드 균일도는 블렌드 내의 랜덤하게 분배된 위치들로부터 취해진 수 개의 샘플들 내의 (일반적으로 중량 퍼센티지로서) 총 함유량들 대 활성 성분의 비율을 측정함으로써 결정될 수도 있다.

본 발명의 목적들을 위해, "화학적 조성" 은 임의의 타입의 화학적 조성을 지칭한다. 화학적 조성은, 순수한 화학물질 또는 2개 이상의 화학물질들의 혼합물일 수도 있다. 화학적 조성은 플라스틱, 약제, 식품 제품 등일 수도 있다.

본 발명의 목적들을 위해, "코딩된-쌍 (coded-pair) 값" 이라는 용어는, 값 칼럼 (column) 에서의 다수의 타입들의 데이터 뿐만 아니라 데이터 타입 식별자 칼럼을 포함하는 데이터 세트 또는 데이터베이스를 지칭한다. 코딩된-쌍 값 데이터베이스의 일 예는, 명칭이 TYPE인 칼럼 및 명칭이 VALUE인 칼럼을 갖는 데이터베이스이며, TYPE 칼럼의 내용들은 VALUE 칼럼에 저장된 데이터 인스턴스 (instance) 들을 어떻게 해석할지를 표시한다. TYPE 칼럼의 엔트리 (entry) 들은 TEMP, PH, VISCOSITY 등을 포함할 수 있다. VALUE 칼럼의 엔트리들은 TEMP, PH 또는 VISCOSITY 등에 대한 데이터 값들의 실제 인스턴스들일 것이다. 코딩된 쌍은 데이터의 2개의 칼럼들 또는 데이터의 3개 이상의 칼럼들을 포함할 수도 있다.

본 발명의 목적들을 위해, "컴퓨터" 라는 용어는, 개인용 컴퓨터, 랩탑 컴퓨터, 태블릿 컴퓨터, 메인프레임 컴퓨터, 미니-컴퓨터 등과 같은 개별 컴퓨터를 포함하는, 소프트웨어를 구현한 임의의 타입의 컴퓨터 또는 다른 디바이스를 지칭한다. 컴퓨터는 또한, 스마트폰, 이북 리더, 셀 전화기, 텔레비전, 핸드헬드 전자 게임 콘솔, 비디오 게임 콘솔, MP3 플레이어와 같은 압축된 오디오 또는 비디오 플레이어, 블루-레이 플레이어, DVD 플레이어, 마이크로파 오븐 등과 같은 전자 디바이스들을 지칭한다. 부가적으로, "컴퓨터" 라는 용어는 비지니스, 컴퓨터 뱅크, 클라우드, 인터넷 등 내의 컴퓨터들의 네트워크와 같은 컴퓨터들의 임의의 타입의 네트워크를 지칭한다. 컴퓨터는, 컴퓨터 프로그램들 또는 다른 명령들을 컴퓨터로 로딩하기 위한 저장 디바이스, 메모리 또는 다른 하드웨어 및/또는 소프트웨어를 포함할 수도 있다. 컴퓨터는 통신 유닛을 포함할 수도 있다. 통신 유닛은 컴퓨터가 I/O 인터페이스를 통해 다른 데이터베이스들 및 인터넷에 접속하게 할 수도 있다. 통신 유닛은, 다른 데이터베이스들로의 데이터의 전달 뿐만 아니라 다른 데이터베이스들로부터의 데이터의 수신을 허용할 수도 있다. 통신 유닛은, 컴퓨터 시스템이 LAN, MAN, WAN 및 인터넷과 같은 데이터베이스들 및 네트워크들에 접속할 수 있게 하는 모뎀, 이더넷 카드 또는 임의의 유사한 디바이스를 포함할 수도 있다. 컴퓨터는, I/O 인터페이스를 통해 시스템에 액세스가능한 입력 디바이스를 통한 사용자로부터의 입력들을 용이하게 할 수도 있다. 컴퓨터는, 입력 데이터를 프로세싱하기 위해 하나 이상의 저장 디바이스들에 저장된 명령들의 세트를 실행할 수도 있다. 저장 디바이스들은 또한, 원하는 바와 같이 데이터 또는 다른 정보를 보유할 수도 있다. 저장 엘리먼트는, 프로세싱 머신에 존재하는 정보 소스 또는 물리적 메모리 엘리먼트의 형태로 존재할 수도 있다. 명령들의 세트는, 본 발명의 기술의 방법을 구성하는 단계들과 같은 특정한 태스크들을 수행하도록 프로세싱 머신에 명령하는 다양한 커맨드들을 포함할 수도 있다. 명령들의 세트는 소프트웨어 프로그램의 형태로 존재할 수도 있다. 추가적으로, 소프트웨어는, 본 발명의 기술에서와 같이, 개별 프로그램들의 집합, 더 큰 프로그램을 갖는 프로그램 모듈 또는 프로그램 모듈의 일부의 형태로 존재할 수도 있다. 소프트웨어는 또한, 오브젝트-지향된 프로그래밍의 형태인 모듈형 프로그래밍을 포함할 수도 있다. 프로세싱 머신에 의한 입력 데이터의 프로세싱은, 사용자 커맨드들, 이전의 프로세싱의 결과들 또는 다른 프로세싱 머신에 의해 행해진 요청에 응답할 수도 있다.

본 발명의 목적들을 위해, "연속적인 데이터" 라는 용어는 제품의 배치를 생성하는 프로세스 동안 수 개의 시간들에서 획득되는 데이터 값들을 지칭하며, 각각의 집합은 관련 시간을 갖는다. 연속적인 데이터의 예들은, 단계의 지속기간 동안 5초의 간격들로 측정된 프로세스의 특정한 단계에서의 온도, 단계의 지속기간 동안 10초의 간격들로 측정된 특정한 단계에서의 유출 (effluent) 공기의 습도 함유량, 15분의 간격들로 측정된 특정한 단계에 존재하는 오염물의 양 등을 포함한다.

본 발명의 목적들을 위해, "중요 특성" 이라는 용어는, 이전의 경험 또는 과학적 판단에 기초하여 결정된 특정한 임계치를 초과하는 위험 평가 스코어 (score) 를 갖는 프로세스에 대한 입력 재료에 관한 재료 특성을 지칭한다. 중요 특성은 일 타입의 프로세스 파라미터이다.

본 발명의 목적들을 위해, "중요 프로세스 파라미터" 라는 용어는, 이전의 경험 또는 과학적 판단에 기초하여 결정되는 특정한 임계치를 초과하는 위험 평가 스코어를 갖는 프로세스에 첨가된 재료에 대한 또는 프로세스의 하나 이상의 프로세싱 단계들에 대한 프로세스 파라미터를 지칭한다.

본 발명의 목적들을 위해, "데이터 리프 (data leaf)" 라는 용어는 계층적 데이터 구조에서 표현되는 데이터베이스 또는 데이터 세트 내의 위치를 지칭한다. 데이터 리프는 데이터를 설명 또는 표현하지만, 그 자체는 데이터가 아니다. 예를 들어, "글루코오스 pH" 로 지칭된 데이터 리프는, 본 발명이 분석하기 위해 사용되는 프로세스의 글루코오스의 pH인 데이터 "7.6" 을 표현할 수 있다.

본 발명의 목적들을 위해, 데이터 노드" 라는 용어는, 계층적 데이터 구조 내의 데이터 노드 아래의 데이터 리프들에 관한 제한을 표현하는 계층적 데이터 구조 상의 노드를 지칭한다. 계층적 데이터 구조 내의 우수한 (superior) 데이터 노드 바로 아래에 위치되는 열악한 (inferior) 데이터 노드들은, 우수한 데이터 노드 및 열악한 데이터 노드 양자의 누산 제한들을 표현한다.

본 발명의 목적들을 위해, "데이터 세트 헤딩 (heading)" 이라는 용어는 데이터 세트 내의 데이터의 칼럼의 헤딩을 지칭한다. 데이터 세트 헤딩들의 예들은 배치 넘버, 온도, 주어진 시간들에서의 온도, 테스트 명칭, 습도 등이다.

본 발명의 목적들을 위해, "데이터 세트" 라는 용어는 데이터의 세트 또는 데이터베이스를 지칭한다. 데이터 세트는, 데이터 세트의 1차 데이터 세트 타입, 2차 데이터 세트 타입 및 3차 데이터 세트 타입에 기초하여, 특정한 "완료 데이터 세트 타입" 으로 분류될 수도 있다.

본 발명의 목적들을 위해, "데이터 소스" 라는 용어는, 데이터베이스 또는 데이터 저장 파일과 같은 데이터, 측정 디바이스에 의해 직접 생성된 데이터, 원격 위치로부터 전기적으로 전송된 데이터, 데이터베이스로 진입된 데이터, 페이퍼 레코드들 등의 임의의 소스를 지칭한다. 2개의 데이터 소스들은, 데이터 소스들이 상이한 파일 포맷들 또는 상이한 데이터 구조들을 이용하거나 그들이 상이한 물리적 위치들을 가지면, "상이한" 것으로 고려된다.

본 발명의 목적들을 위해, "이산 데이터" 라는 용어는, 제품의 하나의 배치를 생성하는 프로세스 동안 한번만 획득되는 데이터를 지칭한다. 이산 데이터의 예들은, 프로세스 내의 몇몇 단계에서 첨가된 성분의 양, 프로세스 내의 특정한 단계에서 첨가된 성분의 소스, 프로세스에서 사용된 성분의 생성의 데이터 등을 포함한다.

본 발명의 목적들을 위해, "포커스 영역" 이라는 용어는, 제조 프로세스에 의해 생성된 제품의 품질 또는 수율에 영향을 주도록 기대되는 하나 이상의 프로세스 단계들의 세트를 지칭한다. 본 발명의 몇몇 실시형태들에서, 포커스 영역은 제조 프로세스를 이용한 과거 경험에 기초하여 사용자에 의해 선택될 수도 있다. 본 발명의 몇몇 실시형태들에서, 포커스 영역은, 제조 프로세스로부터의 이력 데이터를 분석하도록 설계된 프로세스 지능형 소프트웨어 플랫폼의 사용에 의해 결정될 수도 있다.

본 발명의 목적들을 위해, "하드웨어 및/또는 소프트웨어" 라는 용어는, 디지털 소프트웨어, 디지털 하드웨어 또는 디지털 하드웨어 및 디지털 소프트웨어 양자의 조합에 의해 구현될 수도 있는 디바이스를 지칭한다.

본 발명의 목적들을 위해, "계층적 데이터 구조" 라는 용어는, 사용자에게 이용가능한 데이터가 본 발명의 일 실시형태에 따라 조직화되는 트리형 구조를 지칭한다. 데이터가 조직화되는 계층적 데이터 구조는, 컴퓨터 모니터와 같은 시각적 디스플레이 디바이스 상에 일반적으로 디스플레이되며, 계층적 데이터 구조의 일부들은 종래의 마우스 기술들을 사용하여 확장되거나 수축될 수도 있다. 계층적 데이터 구조의 구조는 많은 상이한 타입들의 물건 (thing) 들에 기초할 수도 있다. 예를 들어, 제조 프로세스에 관한 데이터를 조직화하는 계층적 데이터 구조의 구조는, 프로세스의 단계들의 조직화, 프로세스에서 사용되는 원 재료들, 프로세스에서 사용되는 장비, 프로세스에서 사용되는 설비들 또는 공장 (plant) 위치들, 상기 프로세스에서 사용되는 설비들, 상기 프로세스에서 사용되는 오퍼레이터들의 선원 (crew) 들 등에 기초할 수도 있다.

본 발명의 목적들을 위해, "이력 데이터" 라는 용어는, 위험 평가가 제조 프로세스에 대해 수행되기 전에 저장 매체 상에 저장된 제조 프로세스에 대한 데이터를 지칭한다.

본 발명의 목적들을 위해, "식별 코드" 라는 용어는, 특정한 데이터 세트에 대한 식별의 주요 수단으로서 사용될 수도 있는 그 데이터 세트 내의 모든 데이터와 연관된 값을 지칭한다. 통상적으로, 식별 코드는, 로우 (row) 들에 의해 조직화되는 데이터 세트 또는 데이터베이스 내의 데이터의 하나 이상의 로우들을 식별한다. 식별 코드들의 예들은, 데이터 세트와 연관된 제조 ID 넘버, 데이터 세트와 연관된 배치 넘버, 데이터 세트와 연관된 로트 (lot) 넘버 등을 포함한다. 일반적으로, 식별 코드는, 측정된 속성이 아니라 오히려 데이터에 할당되고 식별 목적들을 위해서만 사용되는 특징인 특징이다. 본 발명의 방법에서의 사용을 위해, 데이터 세트에 대한 식별 코드는, 데이터 세트에 대한 데이터가 획득되는 데이터 세트 내의 데이터에 태그 (tag) 될 수도 있거나, 데이터 세트에 대해 수동으로 할당될 수도 있다. 데이터 세트에 대해 식별 코드를 수동으로 할당하는 일 예는, 데이터 세트에 대한 식별 코드에 관한 배치 넘버, 로트 넘버 또는 제조 ID 넘버와 같은 정보를 제공하는 페이퍼 문헌들이 존재하는 시간이며, 데이터 세트로부터의 데이터가 데이터 세트에 관해 본 발명의 방법을 이용하기 전에, 데이터 세트 내의 데이터에 적용되는 이러한 "수동적으로 할당된 식별 코드" 를 가져야 한다.

본 발명의 목적들을 위해, "열악한 노드" 라는 용어는, 계층적 데이터 구조에서 다른 노드 아래에 위치된 노드를 지칭한다. "열악한 노드" 라는 용어는 상대적인 용어이며, 주어진 노드는 하나 이상의 노드들에 열악하고 동시에 하나 이상의 노드들에 우수할 수도 있다.

본 발명의 목적들을 위해, "입력 재료 특성" 이라는 용어는 프로세스의 입력 재료의 임의의 속성 또는 특징을 지칭한다. 입력 재료는 원 재료, 중간 재료 등일 수도 있다. 입력 재료 특성들의 예들은 "식별 코드" 및 "재료 특성값들" 이다. 분석 그룹에 대한 식별 코드로서 사용되지 않는 임의의 재료 특성은 재료 특성값이다. 재료 특성값들은, 원 재료의 입자 사이즈, 원 재료의 불순물 프로파일, 원 재료의 소스, 중간 재료의 함유량 등과 같은 특징을 포함한다.

본 발명의 목적들을 위해, "입력" 이라는 용어 및 "입력 재료" 라는 용어는, 프로세스의 임의의 단계 이전 또는 그 단계 동안의 입력 또는 프로세스로의 임의의 재료 입력을 지칭한다. 입력 재료는 원 재료, 중간 재료 등일 수도 있다. 프로세스의 하나의 단계의 출력은 프로세스의 다른 단계로의 입력일 수도 있다.

본 발명의 목적들을 위해, "중간 재료" 라는 용어는 프로세스의 제품을 생성하기 전에 프로세스 동안 생성되는 재료를 지칭한다. 중간 재료는 원 재료들 또는 다른 중간 재료들로부터 중간 재료를 제조함으로써, 원 재료들 또는 다른 중간 재료들을 정화 (purify) 시킴으로써, 원 재료들 또는 다른 중간 재료들로부터의 합성에 의해, 등등에 의해 생성될 수도 있다.

본 발명의 목적들을 위해, "키 프로세스 파라미터 (KPP) 들" 은, 추가적인 평가 또는 프로세스 모니터링 목적들을 위해 관심있는 프로세스 파라미터들을 지칭한다.

본 발명의 목적들을 위해, "키 품질 특성 (KQA) 들" 이라는 용어는 추가적인 평가 또는 프로세스 모니터링 목적들을 위해 관심있는 품질 특성들을 지칭한다.

본 발명의 목적들을 위해, "라벨 노드 (label node)" 라는 용어는, 사용자에 대한 데이터의 저장 및 디스플레이를 조직화하는데 사용되지만, 데이터, 데이터 리프, 또는 데이터 노드에 대한 제한을 나타내지 않는 계층적 데이터 구조 내의 노드를 지칭한다. 따라서, 계층적 데이터 구조 내의 하나 이상의 데이터 노드들 위에 위치된 라벨 노드들은, 데이터 노드들과 연관된 제한들에 영향을 주지 않으면서, 재배열, 변경, 삭제, 부가 등이 행해질 수도 있다.

본 발명의 목적들을 위해, "로드 (load)" 라는 용어는 제품의 하나의 배치를 생성할 시에 사용되는 원 또는 중간 재료의 하나 이상의 양들 중 하나를 지칭한다.

본 발명의 목적들을 위해, "머신-판독가능 매체" 라는 용어는, 컴퓨터, 네트워크 디바이스, 개인용 휴대 정보 단말, 제조 툴, 하나 이상의 프로세서들의 세트를 갖는 임의의 디바이스 등과 같은 머신에 의해 액세스가능한 형태로 정보를 저장하는 임의의 메커니즘을 지칭한다. 예를 들어, 머신-판독가능 매체는 레코딩가능/비-레코딩가능 매체 (예를 들어, 판독-전용 메모리 (ROM), 랜덤 액세스 메모리 (RAM), 자기 디스크 저장 매체, 광학 저장 매체, 플래시 메모리 디바이스 등), 바 코드, RFID 태그 등일 수도 있다.

본 발명의 목적들을 위해, "비-복제 (non-replicate) 데이터" 라는 용어는, 특정한 파라미터 또는 특성에 대해 런 (run) 또는 배치 당 다수의 시간들에서 획득되는 복제 데이터 값들과는 대조적으로, 특정한 프로세스 파라미터 또는 품질 특성에 대해 런 또는 배치 당 1회 획득되는 데이터 세트 내의 데이터 값들을 지칭한다.

본 발명의 목적들을 위해, "출력 특성" 이라는 용어는 출력에 대한 특성을 지칭한다.

본 발명의 목적들을 위해, "출력" 이라는 용어는 프로세스 또는 프로세스 단계의 임의의 재료 출력을 지칭한다. 출력 재료는 완료된 제품, 중간 재료 등일 수도 있다. 프로세스의 하나의 단계의 출력은 프로세스의 다른 단계로의 입력일 수도 있다.

본 발명의 목적들을 위해, "파라미터 세트" 라는 용어는 동일한 식별 코드를 갖는 파라미터들의 그룹을 지칭한다. 파라미터 세트는 단일 데이터 세트 또는 다수의 데이터 세트들로부터 획득될 수도 있다. 파라미터 세트는 파라미터 세트 내의 각각의 파라미터와 연관된 하나 이상의 "파라미터 값들" 을 가질 수도 있다.

본 발명의 목적들을 위해, "파라미터 값" 이라는 용어는 데이터의 특정한 피스 (piece) 또는 파라미터와 연관된 측정의 결과를 지칭한다. 특정한 파라미터들의 예들은 파라미터에 대한 특정한 배치 넘버, 특정한 시간에서 파라미터와 연관된 온도, 파라미터에 대한 테스트 결과 등을 포함한다.

본 발명의 목적들을 위해, "약제" 라는 용어는, 질병 조건을 치료하거나 수령인 (recipient) 의 육체적 또는 정신적 상태를 변경시키는데 사용되는 제품을 지칭한다. 약품은 약제의 일 타입이다.

본 발명의 목적들을 위해, "1차 데이터 세트 타입" 이라는 용어는, 데이터 세트가 이산 데이터, 수평적으로 연속하는 데이터 또는 수직적으로 연속하는 데이터인지를 지칭한다.

본 발명의 목적들을 위해, "프로세스 파라미터" 라는 용어는 입력 재료 특성 또는 프로세스 단계 파라미터를 지칭한다.

본 발명의 목적들을 위해, "프로세스 파라미터 그룹" 이라는 용어는 본 발명의 방법에서 사용자에 의해 선택된 프로세스 파라미터들의 그룹을 지칭한다. 본 발명의 일 실시형태에서, 사용자는 분석 그룹을 생성하기 위해 프로세스 파라미터 그룹 내의 프로세스 파라미터들 중 하나 이상에 대한 하나 이상의 파라미터 제한들을 셋팅할 수도 있다. 본 발명의 몇몇 실시형태들에서, 분석 그룹은, 하나 이상의 파라미터 제한들에 기초하여 선택되는 프로세스 파라미터들 및 재료 특성들 양자를 포함할 수도 있다.

본 발명의 목적들을 위해, "프로세스 결과" 라는 용어 및 "결과" 라는 용어는 프로세스 또는 프로세스 단계의 출력에 대한 재료 특성을 지칭한다.

본 발명의 목적들을 위해, "프로세스 단계 파라미터" 라는 용어는 프로세스 단계에 대한 데이터의 개별 또는 다수의 피스들을 분류하는데 사용되는 속성 또는 특징을 지칭한다. 프로세스 단계 파라미터들은 단계에 대한 특정한 시간에서의 온도, 단계에 대한 평균 온도, 단계 동안의 용액의 pH, 제분의 압하력, 제분의 갭 폭, 제분 스크린 사이즈, 제립기 (granulator) 속도 등과 같은 특징을 포함할 수도 있다.

본 발명의 목적들을 위해, "프로세스" 라는 용어는 임의의 프로세스를 지칭한다. 본 발명의 방법은, 제조 프로세스들, 정화 프로세스들, 화학적 합성 프로세스들 등을 포함하는, 하나 이상의 제품들을 생성하기 위해 프로세스들에 액세스하고 프로세스들을 분석할 수도 있거나, 상품들의 선적 (shipment) 을 추적하는 것, 상점에서 재고 (inventory) 를 추적하는 것 등과 같은 다른 타입들의 프로세스들에 대해 사용될 수도 있다. 본 발명의 프로세스는 하나 이상의 단계들을 포함한다. 본 발명에 따른 프로세스의 일 예는 약제 제품에 대한 제조 프로세스이다.

본 발명의 목적들을 위해, "품질 특성" 이라는 용어는, 재료의 품질이 프로세스 또는 프로세스의 단계에 의해 생성 또는 출력된다는 것을 표시하는 재료의 특성을 지칭한다. 생성된 또는 출력된 재료는 중간 재료, 최종 제품 등일 수도 있다. 품질 특성들의 예들은, 중간 재료의 함유량, 최종 제품의 함유량, 최종 제품에 대한 불순물 프로파일 등과 같은 특징을 포함한다.

본 발명의 목적들을 위해, "설계에 의한 품질 (QbD)" 이라는 용어는, 제품 제조능력을 향상시키면서, 제품의 효험 (efficacy) 및 완전 프로파일에 특수한 개입 또는 악영향 없이 프로세스 입력들 및 동작 파라미터들에서의 기대된 변화들의 범위에 프로세스가 대처할 수 있는 방식으로 프로세스가 동작된 방식으로 프로세스의 품질 결과들의 제어가 설계되는 개념을 지칭한다.

본 발명의 목적들을 위해, "원 재료" 라는 용어는 제품을 생성하기 위해 프로세스에서 사용되는 시작 재료들을 지칭한다.

본 발명의 목적들을 위해, "복제의 연속적인 데이터" 라는 용어는, 프로세스의 특정한 배치에서 사용된 재료의 다수의 로드들의 재료 특성들을 측정함으로써 획득된 연속적인 데이터 값들을 지칭한다. 복제의 연속적인 데이터의 일 예는, 건조 머신이 단일 단계의 단일 제조 배치의 총 양을 건조시키기에 너무 작은 경우 발생할 것이다. 이러한 경우, 배치는, 순차적으로 또는 병렬로 동작될 수 있는 1개 초과의 별개의 건조 동작으로 분할될 것이고, "동일한" 연속적인 재료 특성 측정들이 3개의 모든 건조 동작들 동안 행해질 것이다. 이러한 경우, 건조 단계와 연관된 모든 연속적인 파라미터들은 각각의 서브-배치에 대해 측정될 것이고, "단일" 단계에 대해 복제의 연속적인 데이터를 구성할 것이다. 복제의 연속적인 데이터는, 그들이 데이터베이스에 어떻게 저장되는지에 기초하여 수직 또는 수평으로서 구별된다. 수직의 복제의 연속적인 값들은 별개의 로우들에 저장되며, 복제 데이터 값들을 구별하기 위한 복제값 칼럼이 존재한다. 이들 칼럼들은 서브-배치 ID 넘버에 대응할 것이다. 수평의 복제의 연속적인 데이터는, 단일 로우에 저장된 파라미터 또는 특성에 대한 복제의 연속적인 데이터를 지칭한다.

본 발명의 목적들을 위해, "복제 데이터" 라는 용어는, 특정의 시간과는 독립적으로 행해진 동일한 파라미터 또는 특성의 수 개의 측정들로부터 획득된 파라미터 또는 특성에 대한 데이터 값들을 지칭하며, 즉, 복제 데이터는, 동시에 취해진 동일한 파라미터 또는 특성의 다수의 측정들로부터 획득된 데이터, 및 측정들이 취해졌던 시간에 관련되지 않게 취해진 동일한 파라미터 또는 특성의 다수의 측정들로부터 획득된 데이터를 포함한다. 복제 데이터는 또한 이산 데이터 또는 연속적인 데이터일 수도 있다.

본 발명의 목적들을 위해, "복제 이산 데이터" 라는 용어는, 프로세스의 특정한 배치에서 사용된 재료의 단일 로드에 대한 파라미터들 및/또는 특성들을 측정함으로써 획득된 이산 데이터를 지칭한다. 복제 이산 데이터의 일 예는, 3개의 상이한 공급기들로부터 도래했고 단일 제조된 배치에 첨가되었던 원 재료의 파우더 정밀 측정들의 결과들일 것이다. 이러한 예에서, "동일한" 원 재료로 행해진 3개의 측정들이 존재한다. 복제 이산 데이터는, 그들이 데이터베이스에 어떻게 저장되는지에 기초하여 수직 또는 수평으로서 구별된다. 수직 복제 이산값들은 별개의 로우들에 저장되며, 복제 파라미터들 및/또는 특성들을 구별하기 위한 복제값 칼럼이 존재한다. 수직의 복제 이산 데이터에 대해, 이들 칼럼들은 원 재료 로트 ID 넘버 또는 측정 인스턴스에 대응할 수 있다. 수평의 복제 이산 데이터는 단일 로우에 저장된 파라미터 또는 특성에 대한 복제 이산 데이터를 지칭한다. 이것은, 예를 들어, 3개의 개별적인 특정한 표면적 측정들이 랜덤한 에러의 영향을 최소화시키기 위해 최종 제품의 동일한 소스로부터의 동일한 샘플의 일부들에 대해 행해지는 경우 발생할 것이다.

본 발명의 목적들을 위해, "위험 평가" 라는 용어는, 부정적인 결과의 가능도, 심각성 및 검출능력이 경험 및 전문적인 판단에 기초하여, 그러한 불운들이 실제로 발생하기 전에 결정된다는 개념을 지칭한다.

본 발명의 목적들을 위해, "2차 데이터 세트 타입" 이라는 용어는 데이터가 코딩된-쌍 데이터 또는 심플 (simple) 데이터를 포함하는지를 지칭한다.

본 발명의 목적들을 위해, "심플값" 이라는 용어는, 데이터 세트 또는 데이터베이스 내의 칼럼들이 칼럼 명칭에 매칭하는 데이터 값들, 예를 들어, TEMP로 지칭되는 칼럼에 저장된 온도값들을 포함하는 데이터 세트 또는 데이터베이스를 지칭한다.

본 발명의 목적들을 위해, "소프트웨어 플랫폼" 이라는 용어는, 소프트웨어의 하나의 피스가 유사한 방식으로 소프트웨어의 다른 피스들의 동작을 지원할 수 있는 방식으로, 소프트웨어의 하나 이상의 다른 피스들과 함께 작동하는 소프트웨어의 피스를 지칭한다. 소프트웨어 플랫폼의 일 예는, Aegis Analytical Corporation 으로부터의 Discoverant

process intelligence platform 이다.

본 발명의 목적들을 위해, "저장" 이라는 용어 및 "저장 매체" 라는 용어는, 정보의 비트들을 저장하는데 사용될 수도 있는 임의의 형태의 저장부를 지칭한다. 저장부의 예들은 ERAM, 플래시 메모리, 플로피 디스크, Zip^TM 디스크들, CD-ROM, CD-R, CD-RW, DVD, DVD-R, DVD+R, 하드 디스크들, 광학 디스크들 등과 같은 휘발성 및 비-휘발성 메모리들 양자를 포함한다.

본 발명의 목적들을 위해, "계층화된 (stratified) 제품 함유량 균일도" 라는 용어는, 혼합물의 약제적으로 활성인 컴포넌트가 어떻게 블렌드 전반에 걸쳐 있는지를 지칭한다. 태블릿 (tablet) 에 대해, 계층화된 제품 함유량 균일도는 계층화된 태블릿 균일도로서 지칭될 수도 있다. 태블릿에 대한 계층화된 제품 함유량 균일도는, 블렌드 내의 랜덤으로 분산된 위치들로부터 취해진 수 개의 샘플들 내의 총 함유량 대, 블렌드 내의 특정한 위치들로부터 취해진 샘플들 내의 활성 성분의 비율을 (일반적으로 중량 퍼센티지로서) 측정함으로써 결정될 수도 있다.

본 발명의 목적들을 위해, "우수한 노드" 라는 용어는, 계층적 데이터 구조 에서 다른 노드 위에 위치된 노드를 지칭한다. "우수한 노드" 라는 용어는 상대적인 용어이며, 주어진 노드는 하나 이상의 노드들에 열악할 수도 있고, 동시에 하나 이상의 노드들에 우수할 수도 있다.

본 발명의 목적들을 위해, "분류학상으로 (taxonomically) 관련된 데이터" 라는 용어는 동일한 분류, 예를 들어, 이산/코딩된-쌍/비-복제 또는 이산/심플/수직 복제를 갖는 데이터를 지칭한다.

본 발명의 목적들을 위해, "3차 데이터 타입" 이라는 용어는, 데이터 세트가 비-복제, 수평적으로 복제 또는 수직적으로 복제인지를 지칭한다.

본 발명의 목적들을 위해, "사용자" 라는 용어는, 본 발명의 방법을 이용하는 소프트웨어의 말단-사용자들 뿐만 아니라, 본 발명의 방법의 하나 이상의 단계들을 수행하는 소프트웨어 개발자들 또는 데이터베이스 설계자들과 같은 개인들을 지칭한다.

본 발명의 목적들을 위해, "시각적 디스플레이 디바이스" 또는 "시각적 디스플레이 장치" 라는 용어는, CRT 모니터, LCD 스크린, LED 스크린, 프로젝트 (project) 된 디스플레이, 화상 및/또는 텍스트와 같은 이미지를 프린트 아웃하기 위한 프린터 등과 같은 임의의 타입의 시각적 디스플레이 디바이스 또는 장치를 포함한다. 시각적 디스플레이 디바이스는, 컴퓨터 모니터, 텔레비전, 프로젝터, 셀 전화기, 스마트폰, 랩탑 컴퓨터, 태블릿 컴퓨터, 핸드헬드 뮤직 및/또는 비디오 플레이어, 개인 휴대 정보 단말 (PDA), 핸드헬드 게임 플레이어, 머리-탑재된 디스플레이, 머리-위쪽의 디스플레이 (HUD), 글로벌 포지셔닝 시스템 (GPS) 수신기, 자동차 네비게이션 시스템, 대시보드, 시계, 마이크로파 오븐, 전자 오르간, 현금 자동 입출기 (ATM) 등과 같은 다른 디바이스의 일부일 수도 있다.

설명

일 실시형태에서, 본 발명은, FE 클래스 지정들의 aka 파라미터 기능 클래스 지정들에서의 ICH Q8 약제 개발 가이드라인들 및 ICH Q9 품질 위험 관리 가이드라인들 및 유사한 문헌들에 약술된 바와 같은 프로세스 및 품질 파라미터들에 대한 "설계에 의한 품질" 및 다른 지정들 및 관련 시각적인 심볼들을 제공하기 위한 시스템을 제공한다 (ICH는, 인간 사용을 위한 약제들의 등록을 위한 기술적 요건들의 조정에 관한 국제 협의이다). 지정들은, 프로세스 및 품질 파라미터들의 임의의 디스플레이에서 용이하게 관측될 수 있으며, 프로세스에서 파라미터들의 특정한 클래스들이 위치되는 곳을 나타낼 수도 있다. 이러한 능력은 또한, 사용자가 특정한 타입의 지정을 갖는 파라미터들을 용이하게 선택하게 하고, 다양한 타입들의 통계, 시각 및 다른 분석들을 수행하게 하며, 리포트들을 준비하게 한다.

일 실시형태에서, 본 발명은 또한, 낮은 내지 높은 위험 (또는 영향) 의 범위에서 각각의 파라미터가 있는 곳에 기초하여, 위험 (또는 영향) 분석의 결과에 응답하여 개별 프로세스 및 품질 파라미터들의 지정 및 디스플레이된 심볼을 변경시키기 위한 능력을 제공한다. 이러한 능력의 일 예에서, 특정한 임계치 레벨 아래의 파라미터들은 "키" 파라미터들로서 지정 및 나타내질 것이고, 그 임계치 위에서, 그 파라미터들은 "중요" 파라미터들로서 지정 및 나타내질 것이다. 일 실시형태에서, 본 발명의 시스템은 또한, 이들 파라미터들 중 어느 것이 제어가능하고 어느 것이 제어가능하지 않은지를 나타내기 위한 능력을 갖는다. 본 발명 이전에, 이러한 영역의 전문가들은, 프로세스 흐름의 계층적 관점에서 이들 파라미터들의 위치들을 또한 나타내는 소프트웨어를 사용하여 위험 평가 결과들을 디스플레이하기 위한 (그들에 이용가능한) 수단을 갖지 않았고, 동시에 그들의 제어가능성을 디스플레이하기 위한 수단을 갖지 않았다.

도 1은 약제 제품에 대한 제조 프로세스를 분석하는데 사용될 수도 있는 본 발명의 일 실시형태에서 사용될 수도 있는 위험 평가 방법 (102) 을 도시한다. 위험 평가 방법 (102) 의 단계 (112) 에서, 제조 프로세스에 대한 프로세스 흐름 및 범위가 위험 평가를 위해 약술된다. "범위" 는 위험 평가에 포커스될 영역들을 지칭한다. 단계 (114) 에서, 키 품질 특성들 (KQA들) 은, 제조 프로세스의 결과인 제품의 안전성, 효험 및/또는 성능에 영향을 주기 위한 그들의 잠재성에 기초하여 식별된다. 단계 (116) 에서, 키 프로세스 파라미터들 (KPP들) 은, 제조되는 약제의 품질 특성들에 영향을 주기 위한 그들의 잠재성에 기초하여 식별된다. 단계 (118) 는 2개의 서브-단계들, 즉 스코어링 기준들 (scoring sriteria) 들이 전개되는 서브-단계 (120), 및 인과관계 매트릭스가 준비되는 서브-단계 (122) 를 포함한다. 단계 (124) 에서, 중요 파라미터들 (즉, 가장 높은 스코어들을 갖는 그 파라미터는 가장 높은 위험들을 제공하는 파라미터들임) 을 식별하기 위해, 수치 스코어링이 수행된다.

이러한 경우, 위험 평가 방법 (102) 의 일 버전은, V. McCurdy, M. T. am Ende, F. R. Busch, J. Mustakis, P. Rose, M. R. Berry의 "Quality by Design using an Integrated Active Pharmaceutical Ingredient-Drug Product Approach to Development," Pharmaceutical Engineering, Vol. 30, No. 4 (July/August 2010) 에서 설명된 연구에서 제공된다.

도 2는 예시적인 (및 허구의 (fictitious)) 약제 제품 (Memotril 100mg 태블릿들) 에 대한 제조 프로세스 (202) 를 도시한다. 제조 프로세스 (202) 는, 사전-블렌딩 단계 (212), 제분 단계 (214), 블렌딩 단계 (216), 롤러 압연 및 제분 단계 (218), 최종 블렌딩 단계 (220), 압축 단계 (222) 및 막 코팅 단계 (224) 를 상기 순서로 포함한다. 원 재료 스트림(들) (232) 이 사전-블렌딩 단계 (212) 동안 블렌더 (234) 에 피드된다. 제분 단계 (214) 는 제분기 (236) 에서 발생한다. 원 재료 스트림 (들) (238) 은 블렌딩 단계 (216) 동안 블렌더 (240) 에 피드된다. 롤러 압연 및 제분 단계 (218) 는 롤러 압연 및 제분 장치 (242) 에서 발생한다. 원 재료 스트림 (들) (248) 은 최종 블렌딩 단계 (220) 동안 블렌더 (250) 에 피드된다. 압축 단계 (222) 는 압축 장치 (252) 에서 발생한다. 원 재료 스트림 (들) (254) 은 막 코팅 단계 (224) 동안 코팅 머신 (256) 에 피드된다. 제조 프로세스 (202) 의 분석된 부분 (262) 은 사전-블렌딩 단계 (212), 제분 단계 (214), 블렌딩 단계 (216) 및 롤러 압연 및 제분 단계 (218) 를 포함한다.

제조 프로세스 (202) 에 대한 다음의 품질 특성들은 입력들에 대한 재료 특성들, 즉 활성 약제 성분 (API) 입자 사이즈 및 API 불순물 프로파일로서 식별된다. 제조 프로세스 (202) 에 대한 다음의 프로세스 단계 파라미터들은, 입력들에 대한 키 프로세스 파라미터들, 즉 압하력, 갭 폭, 제분 스크린 사이즈, 제립기 속도로서 식별된다. 입력 재료 특성들 및 프로세스 단계 파라미터들은 제조 프로세스 (202) 에 대한 프로세스 파라미터들이다. 제조 프로세스 (202) 에 대한 다음의 품질 특성들은 출력들에 대한 키 품질 특성들, 즉 계층화된 태블릿 함유량 균일도 및 약품 제품 (DP) 불순물 프로파일로서 식별된다.

도 3은, Discoverant

와 같은 프로세스 지능형 소프트웨어 플랫폼에 의해 계층 구조 (302) 로 조직화된 제조 프로세스 (202) 의 흐름을 도시한다. 사전-블렌딩 단계 (212) 에서 제조 프로세스 (202) 로 피드된 원 재료들에 대한 데이터로의 액세스를 제공하는 데이터 리프들은 데이터 노드 (308) 아래에서 조직화되고, "디스펜싱 (Dispensing)" 로서 라벨링된다. 데이터 노드 (308) 아래에는, "API" 로 라벨링된 데이터 노드 (310), 및 "부형제 (excipient) 들" 로 라벨링된 데이터 노드 (312) 가 존재한다. API에 대한 품질 특성에 대한 데이터로의 액세스 포인트들은, 데이터 노드 (310) 아래에서 데이터 리프들로서 조직화된다. 데이터 노드 (310) 아래에는, API에 대한 로트 넘버(들)에 관한 데이터로의 액세스를 제공하는 데이터 리프 (316), API에 대한 판매자 (vendor) 에 관한 데이터로의 액세스를 제공하는 데이터 리프 (318), API의 제조 날짜에 대한 데이터로의 액세스를 제공하는 데이터 리프 (320), API의 평균 입자 사이즈에 대한 데이터로의 액세스를 제공하는 데이터 리프 (322), API의 응집 (agglomeration) 정도에 대한 데이터로의 액세스를 제공하는 데이터 리프 (324), API에 대한 불순물 프로파일에 관한 데이터로의 액세스를 제공하는 데이터 리프 (326), 및 제분 프로세스의 동작으로부터의 데이터로의 액세스를 제공하는 데이터 리프 (328) 가 존재한다. 데이터 노드 (312) 는, 사전-블렌딩 단계 (212) 동안 API와 블렌딩하는 부형제 재료들에 대한 데이터로의 액세스를 제공하는 데이터 리프들 (미도시) 을 포함한다.

제조 프로세스 (202) 에 대한 프로세스 파라미터들에 관한 데이터로의 액세스 포인트들은, "건조 제품 (Dry Product)" 로 라벨링된 데이터 노드 (334) 아래의 데이터 노드들의 데이터 리프들로 조직화된다. 데이터 노드 (334) 아래의 데이터 노드들에서 조직화된 데이터 리프들은 또한, 제조 프로세스 (202) 로 피드된 원 재료들에 대한 품질 특성들에 관한 데이터로의 액세스 포인트들을 제공한다. 데이터 노드 (334) 아래에는 데이터 노드들 (336, 338, 340, 342, 344, 346, 348 및 350) 이 존재한다. 데이터 노드 (336) 아래에는, 사전-블렌딩 단계 (212) 에 대한 데이터로의 액세스를 제공하는 데이터 리프들 (미도시) 이 존재한다.

사전-블렌딩 단계 (212) 에 대한 데이터는, 데이터 노드 (336) 아래의 데이터 리프들 (도 3에 도시되지 않음) 로 조직화되고, 데이터 노드 (336) 는 차례로, 데이터 노드 (334) 아래에 존재한다. 데이터 노드 (336) 는 도 3에서 확장되지 않은 상태로 도시된다. 제분 단계 (214) 에 대한 데이터는 데이터 노드 (338) 아래의 데이터 리프들에 존재하고, 데이터 노드 (338) 는 차례로 데이터 노드 (334) 아래에 존재한다. 데이터 노드 (338) 아래에는, 제분 단계 (214) 에 대한 제분 속도에 관한 데이터로의 액세스를 제공하는 데이터 리프 (352), 제분 단계 (214) 에 대한 총 제분 시간에 관한 데이터로의 액세스를 제공하는 데이터 리프 (354), 제분 단계 (214) 에 대한 제분 머신의 전력 소비에 관한 데이터로의 액세스를 제공하는 데이터 리프 (356), 제분 단계 (214) 에 대한 "파라미터 1 (Parameter 1)" 로 라벨링된 제분 파라미터에 관한 데이터로의 액세스를 제공하는 데이터 리프 (358), 제분 단계 (214) 에 대한 "파라미터 2 (Parameter 2)" 로 라벨링된 제분 파라미터에 관한 데이터로의 액세스를 제공하는 데이터 리프 (360), 및 제분 단계 (214) 에 대한 제분 스크린 사이즈에 관한 데이터로의 액세스를 제공하는 데이터 리프 (362) 가 존재한다. 블렌딩 단계 (216) 에 대한 데이터는 데이터 노드 (340) 아래의 데이터 리프들 (도 3에 도시되지 않음) 로 조직화되며, 데이터 노드 (340) 는 차례로 데이터 노드 (334) 아래에 존재한다. 데이터 노드 (340) 는 도 3에서 확장되지 않은 상태로 도시된다. 데이터 노드 (342) 아래에는, 롤러 압연 및 제분 단계 (218) 의 총 시간에 대한 데이터로의 액세스를 제공하는 데이터 리프 (366), "파라미터 1 (Parameter 1)" 로 라벨링된 롤러 압연 파라미터에 대한 데이터로의 액세스를 제공하는 데이터 리프 (368), "파라미터 2 (Parameter 2)" 로 라벨링된 롤러 압연 파라미터에 대한 데이터로의 액세스를 제공하는 데이터 리프 (370), 롤러 압연 및 제분 단계 (218) 에 대한 압하력에 관한 데이터로의 액세스를 제공하는 데이터 리프 (372), 로러 압연 및 제분 단계 (218) 에 대한 갭 폭에 관한 데이터로의 액세스를 제공하는 데이터 리프 (374), 롤러 압연 및 제분 단계 (218) 에 대한 롤 속도에 관한 데이터로의 액세스를 제공하는 데이터 리프 (376), 및 롤러 압연 및 제분 단계 (218) 에 대한 제립기 속도에 관한 데이터로의 액세스를 제공하는 데이터 리프 (378) 이 존재한다. 데이터 리프들 (368, 370, 376 및 378) 은, 이들 데이터 리프들에 대한 웨이브-형 (wave-like) 심볼에 의해 표시된 바와 같은 연속적인 데이터로의 액세스를 제공한다. 데이터 리프들 (366, 372 및 374) 은, 이들 데이터 리프들에 대한 단일 사각형 심볼들에 의해 표시된 바와 같은 이산 데이터로의 액세스를 제공한다.

최종 블렌딩 단계 (220) 에 대한 데이터는, 데이터 노드 (344) 아래의 데이터 리프들 (도 3에 도시되지 않음) 로 조직화되며, 데이터 노드 (344) 는 차례로, 데이터 노드 (334) 아래에 존재한다. 데이터 노드 (344) 는 도 3에 확장되지 않은 상태로 도시된다. 압축 단계 (222) 에 대한 데이터는 데이터 노드 (348) 아래의 데이터 리프들 (도 3에 도시되지 않음) 로 조직화되고, 데이터 노드 (348) 는 차례로, 데이터 노드 (334) 아래에 존재한다. 데이터 노드 (346) 는 도 3에 확장되지 않은 상태로 도시된다. 코팅 단계 (224) 에 대한 데이터는 데이터 노드 (348) 아래에 데이터 리프들 (도 3에 도시되지 않음) 로 조직화되고, 데이터 노드 (348) 는 차례로, 데이터 노드 (334) 아래에 존재한다. 데이터 노드 (348) 는 도 3에 확장되지 않은 상태로 도시된다.

제조 프로세스 (202) 의 최종 제품의 분석을 위한 데이터로의 액세스는, 노드 (350) 아래의 데이터 리프들 (382, 384 및 386) 에 의해 제공된다. 데이터 리프 (382) 는 블렌드 균일도를 생성하는 것에 관한 데이터로의 액세스를 제공한다. 데이터 리프 (384) 는 계층화된 태블릿 함유량 균일도에 대한 데이터로의 액세스를 제공한다. 데이터 리프 (386) 는 약제 제품에 대한 불순물 프로파일에 관한 데이터로의 액세스를 제공한다.

도 3에서, 데이터 리프들 (316, 318, 320, 322, 324, 326, 382, 384 및 386) 은 이들 데이터 리프들에 대한 다수의 사각 심볼 (390) 에 의해 표시된 바와 같은 복제 데이터로의 액세스를 제공한다. 데이터 리프들 (352, 356, 368, 370, 376 및 378) 은 이들 데이터 리프들에 대한 웨이브-형 심볼 (392) 에 의해 표시된 바와 같은 연속적인 데이터로의 액세스를 제공한다. 데이터 리프들 (328, 354, 358, 360, 362, 366, 372 및 374) 은 이들 데이터 리프들에 대한 사각 심볼 (394) 에 의해 표시된 바와 같은 이산 데이터로의 액세스를 제공한다. 데이터 노드들 (312 및 340, 342) 은, 이들 데이터 노드들이 데이터를 리트리브 (retrieve) 하는 SQL 쿼리 (query) 들을 구성하도록 쿼리 엔진에 의해 사용되는 메타-데이터와 연관된다는 것을 표시하는 더블 심볼 (396) 을 포함한다.

본 발명의 일 실시형태에서, 제조 프로세스 (202) 에 대한 품질 특성들은 수치 랭크들 10, 7, 5 및 1을 할당받는다. 수치 랭크들을 할당하기 위한 기준들은 아래에 제공된다:

10 - 제품의 안전성 및/또는 효험에 관한 알려진 또는 기대된 직접적인 영향;

7 - 제품 안정성 또는 효험, 또는 프로세스 효율도에 대한 불확실한 또는 기대된 영향;

5 - 제품 품질 또는 프로세스 효율도에 대한 가능하지 않은 영향; 및

1 - 제품 품질 또는 프로세스 효율도에 대한 영향 없음.

랭크들 10, 7, 5 및 1은 제조 프로세스 (202) 를 사용하여 이전의 제품들을 제조한 결과들에 기초한다.

본 발명의 일 실시형태에서, 제조 프로세스 (202) 에 대한 프로세스 파라미터들은 수치 랭크들 10, 7, 5 및 1을 할당받는다. 수치 랭크들을 할당하기 위한 기준들은 아래에 제공된다:

10 - 소유중인 데이터 또는 경험에 기초한 알려진 또는 기대된 강한 영향;

7 - 불확실하지만 강한 관계를 기대함;

5 - 중간 관계 또는 확실하지 않음; 및

1 - 관계가 존재하지 않다고 알려짐.

도 4는 제조 프로세스 (202) 에 대한 파라미터들 및 특성들의 분석을 위한 인과관계 매트릭스 (402) 의 일 예를 도시한다. 인과관계 매트릭스 (402) 는 다음의 3개의 품질 특성들, 즉 블렌드 균일도, 계층화된 태블릿 함유량 균일도 및 불순물 프로파일에 대한 포커스의 2개의 영역들을 가지며, 그 특성들 각각은 7의 랭크를 할당받는다. 포커스 영역 #1은 디스펜싱 및 사전-블렌딩 단계 (212) 에 관한 것이며, 제조 프로세스 (202) 에 대한 다음의 프로세스 파라미터들, 즉 API 입자 사이즈, API의 응집도, 콘테이너 로딩 (% 충진), API 첨가의 순서, 부형제들에서의 불순물 레벨들, API 불순물 프로파일, API 제분 절차, 블렌드 시간 및 샘플링 절차의 분석을 포함한다. 포커스 영역 #1에 대한 프로세스 파라미터들은, 프로세스 단계 파라미터들 및 입력 재료 특성들의 혼합이다. 포커스 영역 #5은 롤러 압연 및 제분 단계 (218) 및 최종 블렌드 단계 (220) 에 관한 것이며, 제조 프로세스 (202) 에 대한 다음의 특성들, 즉 압하력, 스크린 사이즈, 갭 폭, 롤 속도 및 제립기 속도의 분석을 포함한다. 포커스 영역 #5에 대한 프로세스 파라미터들 모두는 프로세스 단계 파라미터들이다.

인과관계 매트릭스 (402) 에서, 각각의 품질 특성에 대한 랭킹값은 각각의 프로세스 파라미터에 대한 랭킹값과 승산되어, 각각의 품질 특성에 대한 각각의 프로세스 파라미터에 관한 인과관계 품질 스코어를 산출한다. 각각의 품질 특성값에 대한 인과관계 품질 스코어를 부가하는 것은 스코어를 산출한다. 예를 들어, 입력 재료 특성이고 7의 프로세스 파라미터 랭크를 갖는 프로세스 파라미터, 즉 API 입자 사이즈에 대해, 품질 특성, 즉 블렌드 균일도에 대한 인과관계 품질 스코어는 7×10＝70이고, 품질 특성, 즉 계층화된 태블릿 함유량 균일도에 대한 인과관계 품질 스코어는 7×5＝35이며, 품질 특성, 즉 파라미터 불순물 프로파일에 대한 인과관계 품질 스코어는 7×1＝7이다. 따라서, 프로세스 파라미터, 즉 입자 사이즈에 대한 총 랭크 스코어는 70＋35＋7＝112이다.

도 5는 본 발명의 일 실시형태에 따른, 소프트웨어 플랫폼이 위험 평가 방법의 결과들을 디스플레이하게 하기 위한 방법의 일부인 Discoverant

과 같은 데이터 분석 소프트웨어 플랫폼의 일반 속성 윈도우 (502) 를 도시한다. 일반 속성 윈도우 (502) 는 프로세스 파라미터 프로세스 영향 (PI) 랭크 셋팅들에 대한 텍스트 박스들 (512, 514 및 516) 을 포함한다. 일반 속성 윈도우 (502) 내의 프로세스 파라미터 PI 랭크 셋팅들은 제조 프로세스 (202) 에 대한 모든 프로세스 파라미터들에 적용된다. 텍스트 박스 (512) 에서 셋팅된 값은, 프로세스 파라미터가 가질 수도 있는 최대 총 랭크 스코어이다. 텍스트 박스 (514) 에서 셋팅된 값은, 프로세스 파라미터가 가질 수도 있는 최소 총 랭크 스코어이다. 텍스트 박스 (516) 에서 셋팅된 값은, 초과된 것이 프로세스 파라미터로 하여금 데이터 분석 소프트웨어 플랫폼에 의해 중요 프로세스 파라미터로서 디스플레이되게 할 것이면, 프로세스 파라미터에 대한 임계치 총 랭크 스코어이다. 도 5에서, 임계치는 110의 총 랭크 스코어로 셋팅되어서, 110 이상의 총 랭크 스코어를 갖는 임의의 프로세스 파라미터가 중요 프로세스 파라미터로서 데이터 분석 플랫폼에 의해 디스플레이되게 할 것이다. 프로세스 파라미터 PI 랭크 셋팅들은, 분석될 제조 프로세스 (202) 에 대한 모든 프로세스 파라미터들에 적용된다. 인과관계 매트릭스 (402) 에 도시된 바와 같이, 제조 프로세스 (202) 에 대해, 프로세스 파라미터들, 즉 API 입자 사이즈, API의 응집도, 컨테이너 로딩 (% 충진), API 첨가의 순서, 압하력, 스크린 사이즈 및 갭 폭 모두가 이러한 임계치를 초과하는 스코어들을 가지며, 따라서, 모든 3개의 프로세스 파라미터들은, 중요 프로세스 파라미터들이도록 데이터 분석 소프트웨어 플랫폼에 의해 결정될 것이다.

일반 속성 윈도우 (502) 는 품질 특성 PI 랭크 셋팅들에 대한 텍스트 박스들 (522, 524 및 526) 을 포함한다. 텍스트 박스 (522) 에서 셋팅된 값은, 품질 특성이 가질 수도 있는 최소값이다. 텍스트 박스 (524) 에서 셋팅된 값은, 품질 특성이 가질 수도 있는 최대값이다. 텍스트 박스 (526) 에서 셋팅된 값은, 품질 특성이 데이터 분석 소프트웨어 플랫폼에 의해 키 품질 특성으로서 디스플레이되게 할 품질 특성에 대한 임계치 값이다. 도 5에서, 임계치는 6의 값으로 셋팅되어서, 6 이상의 값을 갖는 임의의 품질 특성이 키 품질 특성으로서 데이터 분석 플랫폼에 의해 디스플레이되게 할 것이다. 프로세스 파라미터 PI 랭크 셋팅들은, 제조 프로세스 (202) 에 대한 모든 품질 특성들에 적용된다. 인과관계 매트릭스 (402) 에 도시된 바와 같이, 품질 특성들, 즉 블렌드 균일도, 계층화된 태블릿 함유량 균일도 및 불순물 프로파일 각각은 7의 랭크값을 가지며, 그 랭크값은 6의 임계치 랭크값을 초과하고, 따라서, 키 품질 특성들이도록 데이터 분석 소프트웨어 플랫폼에 의해 결정될 것이다.

도 6의 칼럼 (614) 의 화살표 (612) 는 본 발명의 일 실시형태에 따른, 사용자에 의해 라벨링하기 위해 선택되는 계층적 데이터 구조 (302) 의 데이터 리프 (372) 를 도시한다. "파라미터 속성 (Parameter Property) 들" 로 라벨링된 윈도우 (622) 는, 프로세스 파라미터 "압하력" 에 대한 데이터를 포함하는 데이터 리프 (372) 를 사용자가 선택한 경우 디스플레이될 프로세스 파라미터 "압하력" 의 프로세스 파라미터 속성들을 나타낸다. 윈도우 (622) 는 프로세스 파라미터 "압하력" 의 수치 속성들을 디스플레이하는 "수치 (numeric)" 로 라벨링된 탭된 윈도우 (624) 를 포함한다. 탭된 윈도우 (624) 의 입력 엔트리 박스들은 도 6에 도시되지 않는다. 윈도우 (624) 는 또한, 프로세스 파라미터 "압하력" 에 대한 기능 분류들을 나타내는 특성 탭된 윈도우 (626) 를 포함한다. 프로세스 파라미터 "압하력" 의 기능 분류들은 텍스트 박스들 (632, 634 및 636) 에 도시된다. 텍스트 박스 (632) 는, 프로세스 파라미터 "압하력" 에 대한 파라미터 품질 지정 (PaQD) 이 프로세스 파라미터 (요약하여 "PP") 로서 선택된다는 것을 나타낸다. 텍스트 박스 (634) 는, 프로세스 파라미터 "압하력" 이 프로세스를 동작시키는 사람 또는 프로세스와 연관된 자동화된 제어 시스템에 의해 제어가능하다고 고려되는지를 나타낸다. 이러한 박스에서 단어 "예" 는, 프로세스 파라미터 "압하력" 이 제어가능하다는 것을 표시한다. 텍스트 박스 (636) 는, 프로세스 파라미터 "압하력" 에 대한 총 랭크 스코어를 나타낸다. 도 6에서, 텍스트 박스는, 파라미터가 키 프로세스 파라미터로서 분류될 수 있기 위한 임의의 시작값으로서 사용되고 있는 프로세스 파라미터에 대한 100의 총 랭크 스코어를 나타낸다. 도 6의 칼럼 (642) 의 화살표 (640) 는 데이터 리프 (372) 의 시각적인 표시자들 (644 및 646) 을 가리킨다. 시각적인 표시자 (644) 는 박스이며, 사용자가 제어가능한 파라미터로서 디스플레이될 프로세스 파라미터 "압하력" 을 선택한다는 것을 표시한다. 시각적인 표시자 (646) 는, 프로세스 파라미터 "압하력" 이 키 프로세스 파라미터이지만, 그것이 중요 프로세스 파라미터인지에 관해 아직 결정되지 않았다는 것을 표시하는 양식화된 KPP 심볼이다. 도 6의 칼럼 (648) 은, 디스플레이되는 데이터 리프들 (322, 324, 326, 328, 362, 372, 374, 376 및 378) 에 의해 표현되는 프로세스 파라미터들을 나타낸다. 데이터 리프들 (322, 324, 326, 328, 362, 372, 374, 376 및 378) 에 의해 표현된 프로세스 파라미터들은, 인과관계 매트릭스 (402) 의 포커스 영역 #1 및 포커스 영역 #5의 프로세스 파라미터들에 대응한다.

도 7의 칼럼 (714) 의 화살표 (712) 는 본 발명의 일 실시형태에 따른, 데이터 분석 소프트웨어 플랫폼을 사용하는 사용자에 의하여 업데이트하기 위해 선택되는 계층적 데이터 구조 (302) 의 데이터 리프 (372) 를 도시한다. 도 7에서, 텍스트 박스 (636) 의 값은, 인과관계 매트릭스 (402) 에서 나타낸 위험 분석의 결과들에 기초하여 프로세스 파라미터 "압하력" 에 대한 147의 총 랭크 스코어로 업데이트된다. 프로세스 파라미터 "압하력" 에 대한 147의 총 랭크 스코어가 110의 임계치 값을 초과하기 때문에, 프로세스 파라미터 "압하력" 은 중요 프로세스 파라미터이도록 데이터 분석 플랫폼에 의해 결정되며, 이것은, 도 7의 칼럼 (724) 의 화살표 (722) 에 의해 나타낸 바와 같이, 데이터 분석 소프트웨어 플랫폼이 데이터 리프 (372) 에 대한 시각적인 표시자 (726) 로 시각적인 표시자 (646) 를 대체한다는 것을 초래한다. 양식화된 CPP인 시각적인 표시자 (726) 는, "압하력" 이 중요 프로세스 파라미터이라는 것을 표시한다. 데이터 리프 (372) 내의 "압하력" 이라는 단어는 또한, 적어도 임시적으로 컬러를 변경하고 이탤릭체로 되며, 이는, 총 랭크 스코어가 정확히 입력되었는지에 관계없이 그것이 아직 검증되지 않았다는 것을 표시한다. 도 7의 칼럼 (732) 은, 제조 프로세스 (202) 에 대한 중요 프로세스 파라미터들을 나타내는 데이터 리프들 (322, 324, 362, 372 및 374) 에 대한 시각적인 표시자 (726) 로 시각적인 표시자 (646) 를 대체하는 데이터 분석 소프트웨어 플랫폼을 나타내는데, 이는 이들 중요 프로세스 파라미터들의 각각이 110의 임계치를 초과하는 총 랭크 스코어를 갖기 때문이다.

도 8은, "생성 파라미터 (Creation Parameter) 들" 로 라벨링된 윈도우 (812)에서, 브래킷 (822) 에 의해 표시되는 중요 프로세스 파라미터들인 것으로서 데이터 분석 소프트웨어 플랫폼에 의해 디스플레이되는 선택된 프로세스 파라미터들의 명칭들, 및 양식화된 "CPP" 또는 "CQA" 시각적 표시자 (826) 를 각각 갖는 브래킷 (824) 에 의해 표시된 바와 같이, 중요 품질 특성들로서 디스플레이되는 품질 특성들의 명칭들을 디스플레이하는 데이터 분석 소프트웨어 플랫폼을 도시한다. 윈도우 (812) 내의 파라미터들에 대한 명칭들은, 데이터 리프가 아래에 있는 데이터 노드의 명칭이다. 그러므로, 데이터 리프 (372) 에 의해 표현된 파라미터는, 데이터 리프 (372) 에 의해 표현된 파라미터가 계층적 데이터 구조 (302) 에서 "Roller Compaction" 로 명칭된 데이터 노드 (342) 아래에 있기 때문에, "Roller Compaction.Roll Force" 로 명칭된다. 사전-블렌딩 단계 (212) 에 대한 컨테이너 로딩에 관한 파라미터 (842) 및 사전-블렌딩 단계 (214) 에 대한 API 첨가 순서에 관한 데이터 리프 (844) 는, 제조 프로세스 (202) 의 이전의 위험 평가 동안 중요 프로세스 파라미터들인 것으로 결정되며, 따라서, 대응하는 심볼들을 이용하여 디스플레이된다. 이들 파라미터들은 이제, 예를 들어, 그 파라미터들 사이에 상호작용들이 존재하는지를 결정하기 위해 데이터 분석을 수행하는 것과 같이, 임의의 의미있는 방식으로 작동되도록 용이하게 이용가능하다.

도 9는, 약품 제품 제조 프로세스 (202) 의 약품 제품 Memotril에 대한 케미스트리 제조 및 제어 (CMC) 연구들로부터의 약품 제품에 관한 규격들 (914) 에 액세스하기 위한 본 발명의 일 실시형태에 따른 데이터 분석 소프트웨어 플랫폼의 사용자 동작 윈도우 (912) 를 도시한다.

도 10은 화살표 (1016) 에 의해 표시된 바와 같이, 약품 제품에 관한 규격들 (914) 중 하나인 기본 회귀 (regression) 분석의 요약의 탭된 윈도우 (1014) 를 포함하는 윈도우 (1012) 를 도시한다. 도 11은 화살표 (1114) 에 의해 표시된 바와 같이, 약품 제품에 관한 규격들 (914) 중 하나인 스크린 사이즈 대 균일도의 피트된 모델을 디스플레이하는 윈도우 (1012) 의 피트된 모델 탭된 윈도우 (1112) 를 도시한다. 도 12는 화살표 (1216) 에 의해 표시된 바와 같이, 약품 제품에 관한 규격들 (914) 중 하나인 압하력 대 균일도의 상호작용 플롯을 디스플레이하는 윈도우 (1214) 의 상호작용 플롯 탭된 윈도우 (1212) 를 도시한다. 도 13은 화살표 (1314) 에 의해 표시된 바와 같이, 약품 제품의 규격들 (914) 을 포함하는 일련의 윈도우들 (1312) 을 도시한다. 도 14는 본 발명의 일 실시형태에 따른 데이터 분석 소프트웨어 플랫폼을 사용하여 생성될 수도 있는 제조 프로세스 (202) 에 의해 제조된 약품 제품에 대한 CMC 제안 (1412) 을 도시한다.

도 15는 예시적인 (및 허구의 (fictitious)) 약제 제품 (Lazarin) 에 대한 제조 프로세스 (1502) 를 도시한다. 제조 프로세스 (1502) 는, 시드 플라스크 (flask) 단계 (1512), 시드 발효 (fermentation) 단계 (1514), 제품 발효 단계 (1516), 정화 (clarification) 단계 (1518), (칼럼 A에서 수행되는) 칼럼 여과 (filtration) 단계 (1520), 및 벌크 여과 단계 (1522) 를 위의 순서로 포함한다. 제조 프로세스 (1502) 의 분석된 부분 (1562) 은, 정화 단계 (1518) 및 칼럼 여과 단계 (1520) 를 포함한다.

제조 프로세스 (1502) 에 대한 다음의 프로세스 파라미터들은 키 프로세스 파라미터들, 즉, 보유 시간 (hold time), 피드 유동율 (feed flow rate), 펌프 속도 (pump speed), 초기 PH 농도 유동율 (initial PH concentrate flow rate), 농축 OD (concentrate OD), 조정된 pH (adjusted pH), 첨가된 염기의 양 (amount of base added), 농축 BP (concentrate BP), 로드 도전도 (load conductivity), 단계 수율 (step yield), 재판매 날짜 (repack date), 로드 볼륨 (load volume) 및 로드 온도들 (load temperatures) 로서 식별된다. 제조 프로세스 (1502) 에 대한 다음의 품질 특성들은 키 품질 특성들, 즉 내독소 (endotoxin), 효능 (potency) 및 오염물 A (Contaminant A) 로서 식별된다.

도 16은 Discoverant

와 같은 프로세스 지능형 소프트웨어 플랫폼에 의해 계층적 데이터 구조 (1602) 로 조직화된 제조 프로세스 (1502) 에 대한 데이터를 도시한다. 시드 플라스크 단계 (1512) 에 대한 데이터는 "시드 플라스크 (Seed Flask)" 로 라벨링된 데이터 노드 (1608) 아래에서 조직화된다. 시드 발효 단계 (1514) 에 대한 데이터는, "시드 발효기 (Seed Fermentor)" 로 라벨링된 데이터 노드 (1610) 아래에서 조직화된다. 제품 발효 단계 (1516) 에 대한 데이터는 "제품 발효기 (Production Fermentor)" 로 라벨링된 데이터 노드 (1612) 아래에서 조직화된다. 정화 단계 (1518) 에 대한 데이터는 "정화 (Clarification)" 로 라벨링된 데이터 노드 (1614) 아래에서 조직화된다. 데이터 노드 (1614) 아래에는, 정화 단계 (1518) 동안의 보유 시간에 대한 데이터로의 액세스를 제공하는 데이터 리프 (1620), 정화 단계 (1518) 에 대한 초기 pH에 관한 데이터로의 액세스를 제공하는 데이터 리프 (1622), 정화 단계 (1518) 에서 첨가된 산의 양에 대한 데이터로의 액세스를 제공하는 데이터 리프 (1624), 정화 단계 (1518) 에서 첨가된 염기의 양에 대한 데이터로의 액세스를 제공하는 데이터 리프 (1626), 정화 단계 (1518) 에서의 조정된 pH에 대한 데이터 리프 (1628), 정화 단계 (1518) 에서의 펌프 속도에 대한 데이터로의 액세스를 제공하는 데이터 리프 (1630), 정화 단계 (1518) 에서의 농축 유동율에 대한 데이터로의 액세스를 제공하는 데이터 리프 (1632), 정화 단계 (1518) 에서의 피드 유동율에 대한 데이터로의 액세스를 제공하는 데이터 리프 (1634), 정화 단계 (1518) 에서의 농축 OD에 대한 데이터로의 액세스를 제공하는 데이터 리프 (1636), 정화 단계 (1518) 에서의 농축 BP에 대한 데이터로의 액세스를 제공하는 데이터 리프 (1638), 및 정화 단계 (1518) 에서의 탱크 중량에 대한 데이터로의 액세스를 제공하는 데이터 리프 (1640) 가 존재한다.

칼럼 여과 단계 (1520) 에 대한 데이터는, "칼럼 A (Column A)" 로 라벨링된 데이터 노드 (1642) 아래의 데이터 리프들로서 조직화된다. 데이터 노드 (1642) 아래에는 "로딩 (Loading)" 으로 라벨링된 데이터 노드 (1644) 가 존재하며, 그 데이터 노드 (1644) 아래에는, 칼럼 여과 단계 (1520) 동안 칼럼 A의 로딩에 관련된 데이터로의 액세스를 제공하는 데이터 리프들 (1646, 1648, 1650, 1652, 1654 및 1656) 이 존재한다. 데이터 리프 (1646) 는 로드 온도에 대한 데이터로의 액세스를 제공하고, 데이터 리프 (1648) 는 로드 pH에 대한 데이터로의 액세스를 제공하고, 데이터 리프 (1650) 는 로드 도전도에 대한 데이터로의 액세스를 제공하고, 데이터 리프 (1652) 는 로드 볼륨에 대한 데이터로의 액세스를 제공하고, 데이터 리프 (1654) 는 로드 농도에 대한 데이터로의 액세스를 제공하며, 데이터 리프 (1656) 는 로드 양에 대한 데이터로의 액세스를 제공한다. 또한, 데이터 노드 (1642) 아래에는, 칼럼 A에 대한 재판매 날짜에 관한 데이터로의 액세스를 제공하는 데이터 리프 (1662), 칼럼 A에 대한 풀 (pool) 양에 관한 데이터로의 액세스를 제공하는 데이터 리프 (1664), 칼럼 여과 단계 (1520) 에 대한 단계 수율에 관한 데이터로의 액세스를 제공하는 데이터 리프 (1666), 및 칼럼 여과 단계 (1520) 에 대한 A280에 관한 데이터로의 액세스를 제공하는 데이터 리프 (1668) 가 존재한다.

벌크 여과 단계 (1522) 에 대한 데이터는, "필터링된 벌크 (Filtered Bulk)" 로 라벨링된 데이터 노드 (1684) 아래에서 데이터 리프들 (1672, 1674, 1676, 1678, 1680, 1682 및 1684) 로 조직화된다. 데이터 리프 (1672) 는 벌크 여과 단계 (1522) 에 대한 필터 로트 넘버에 관한 데이터로의 액세스를 제공하고, 데이터 리프 (1674) 는 벌크 여과 단계 (1522) 에 대한 제품 온도에 관한 데이터로의 액세스를 제공하고, 데이터 리프 (1676) 는 벌크 여과 단계 (1522) 에 대한 시작 시간에 관한 데이터로의 액세스를 제공하고, 데이터 리프 (1678) 는 벌크 여과 단계 (1522) 에 대한 종료 시간에 관한 데이터로의 액세스를 제공하고, 데이터 리프 (1680) 는 벌크 여과 단계 (1522) 에 대한 내독소에 관한 데이터로의 액세스를 제공하고, 데이터 리프 (1682) 는 벌크 여과 단계 (1522) 이후의 제품의 효능에 대한 데이터로의 액세스를 제공하며, 데이터 리프 (1684) 는 벌크 여과 단계 (1522) 이후에 제품에 존재하는 오염물 A의 양에 대한 데이터로의 액세스를 제공한다.

도 16에서, 데이터 리프 (1682) 는 이러한 데이터 리프에 대한 다수의 사각 심볼 (1690) 에 의해 표시된 바와 같은 복제 데이터로의 액세스를 제공한다. 데이터 리프들 (1630, 1632, 1634, 1636, 1638, 1640 및 1668) 은, 이들 데이터 리프들에 대한 웨이브-형 심볼 (1692) 에 의해 표시된 바와 같은 연속적인 데이터로의 액세스를 제공한다. 데이터 리프들 (1620, 1622, 1624, 1626, 1628, 1646, 1648, 1650, 1652, 1654, 1656, 1658, 1660, 1662, 1664, 1666, 1672, 1674, 1676, 1678, 1680 및 1684) 은 이들 데이터 리프들에 대한 사각 심볼 (1694) 에 의해 표시된 바와 같은 이산 데이터로의 액세스를 제공한다. 데이터 노드들 (1610 및 1612) 은, 이들 데이터 노드들이, 데이터를 리트리브하는 쿼리들을 구성하도록 쿼리 엔진에 의해 사용되는 메타-데이터와 연관된다는 것을 표시하는 더블 심볼 (1696) 을 포함한다.

본 발명의 일 실시형태에서, 제조 프로세스 (1502) 에 대한 품질 특성들은 수치 랭크들 10, 7, 5 및 1을 할당받는다. 수치 랭크들을 할당하기 위한 기준들은 아래에 제공된다:

1 - 제품 품질 또는 프로세스 효율도에 대한 영향 없음.

랭크들 10, 7, 5 및 1은 제조 프로세스 (1502) 를 사용하여 이전의 제품들을 제조한 결과들에 기초한다.

본 발명의 일 실시형태에서, 제조 프로세스 (1502) 에 대한 프로세스 파라미터들은 수치 랭크들 10, 7, 5 및 1을 할당받는다. 수치 랭크들을 할당하기 위한 기준들은 아래에 제공된다:

7 - 불확실하지만 강한 관계를 기대함;

5 - 중간 관계 또는 확실하지 않음; 및

1 - 관계가 존재하지 않다고 알려짐.

도 17은 제조 프로세스 (1502) 에 대한 파라미터들의 분석을 위한 인과관계 매트릭스 (1702) 의 일 예를 도시한다. 인과관계 매트릭스 (1702) 는 다음의 3개의 품질 특성들, 즉 내독소, 효능 및 오염물 A에 대한 포커스의 2개의 영역들을 가지며, 그 특성들 각각은 7의 랭크를 할당받는다. 포커스 영역 #1은 정화 단계 (1518) 에 관한 것이며, 제조 프로세스 (1502) 에 대한 다음의 원인들, 즉 보유 시간, 피드 유동율, 펌프 속도, 초기 pH, 농축 유동율, 농축 OD, 조정된 pH, 첨가된 염기의 양 및 농축 후면 압력의 분석을 포함한다. 포커스 영역 #1에 대한 프로세스 파라미터들은, 프로세스 단계 파라미터들 및 입력 재료 특성들의 혼합이다. 포커스 영역 #5은 칼럼 여과 단계 (1520) 에 관한 것이며, 제조 프로세스 (1502) 에 대한 다음의 프로세스 파라미터들, 즉 로드 도전도, 단계 수율, 재판매 날짜, 로드 볼륨 및 로드 온도의 분석을 포함한다. 포커스 영역 #5에 대한 프로세스 파라미터들은 프로세스 단계 파라미터들 및 입력 재료 특성들의 혼합이다.

인과관계 매트릭스 (1702) 에서, 각각의 품질 특성에 대한 랭킹값은 각각의 프로세스 파라미터에 대한 랭킹값과 승산되어, 각각의 품질 특성에 대한 각각의 프로세스 파라미터에 관한 인과관계 품질 스코어를 산출한다. 각각의 품질 특성값에 대한 인과관계 품질 스코어를 부가하는 것은 스코어를 산출한다. 예를 들어, 7의 프로세스 파라미터 랭크를 갖는 프로세스 파라미터, 즉 초기 pH에 대해, 품질 특성, 즉 내독소에 대한 인과관계 품질 스코어는 7×10＝70이고, 품질 특성, 즉 효험에 대한 인과관계 품질 스코어는 7×5＝35이며, 품질 특성, 즉 오염물 A에 대한 인과관계 품질 스코어는 7×1＝7이다. 따라서, 프로세스 파라미터, 즉 초기 pH에 대한 총 랭크 스코어는 70＋35＋7＝112이다.

도 18은 본 발명의 일 실시형태에 따른, 소프트웨어 플랫폼이 위험 평가 방법의 결과들을 디스플레이하게 하기 위한 방법의 일부인 Discoverant

과 같은 프로세스 지능형 소프트웨어 플랫폼의 일반 속성 윈도우 (1802) 를 도시한다. 일반 속성 윈도우 (1802) 는 프로세스 파라미터 프로세스 영향 (PI) 랭크 셋팅들에 대한 텍스트 박스들 (1812, 1814 및 1816) 을 포함한다. 일반 속성 윈도우 (1802) 내의 프로세스 파라미터 PI 랭크 셋팅들은 제조 프로세스 (1502) 에 대한 모든 프로세스 파라미터들에 적용된다. 텍스트 박스 (1812) 에서 셋팅된 값은, 프로세스 파라미터가 가질 수도 있는 최소 총 랭크 스코어이다. 텍스트 박스 (1814) 에서 셋팅된 값은, 프로세스 파라미터가 가질 수도 있는 최소 총 랭크 스코어이다. 텍스트 박스 (1816) 에서 셋팅된 값은, 초과된 것이 프로세스 파라미터로 하여금 프로세스 지능형 소프트웨어 플랫폼에 의해 중요 프로세스 파라미터로서 디스플레이되게 할 것이면, 프로세스 파라미터에 대한 임계치 총 랭크 스코어이다. 도 18에서, 임계치는 110의 총 랭크 스코어로 셋팅되어서, 110 이상의 총 랭크 스코어를 갖는 임의의 프로세스 파라미터가 중요 프로세스 파라미터로서 데이터 분석 플랫폼에 의해 디스플레이되게 할 것이다. 프로세스 파라미터 PI 랭크 셋팅들은, 분석될 제조 프로세스 (1502) 에 대한 모든 프로세스 파라미터들에 적용된다. 인과관계 매트릭스 (1702) 에 도시된 바와 같이, 제조 프로세스 (1502) 에 대해, 프로세스 파라미터들, 즉 보유 시간, 피드 유동율, 펌프 속도, 초기 pH, 로드 도전도, 단계 수율 및 재판매 날짜 모두가 이러한 임계치를 초과하는 스코어들을 가지며, 따라서, 모든 3개의 프로세스 파라미터들은, 중요 프로세스 파라미터들이도록 프로세스 지능형 소프트웨어 플랫폼에 의해 결정될 것이다.

일반 속성 윈도우 (1802) 는 품질 특성 PI 랭크 셋팅들에 대한 텍스트 박스들 (1822, 1824 및 1826) 을 포함한다. 텍스트 박스 (1822) 에서 셋팅된 값은, 품질 특성이 가질 수도 있는 최소값이다. 텍스트 박스 (1824) 에서 셋팅된 값은, 품질 특성이 가질 수도 있는 최대값이다. 텍스트 박스 (1826) 에서 셋팅된 값은, 품질 특성이 프로세스 지능형 소프트웨어 플랫폼에 의해 키 품질 특성으로서 디스플레이되게 할 품질 특성에 대한 임계치 값이다. 도 18에서, 임계치는 6의 값으로 셋팅되어서, 6 이상의 값을 갖는 임의의 품질 특성이 키 품질 특성이도록 프로세스 지능형 소프트웨어 플랫폼에 의해 디스플레이되게 할 것이다. 프로세스 파라미터 PI 랭크 셋팅들은, 제조 프로세스 (1502) 에 대한 모든 품질 특성들에 적용된다. 인과관계 매트릭스 (1702) 에 도시된 바와 같이, 품질 특성들, 즉 내독소, 효험 및 오염물 A 각각은 7의 랭크값을 가지며, 그 랭크값은 6의 임계치 랭크값을 초과하고, 따라서, 키 품질 파라미터들이도록 프로세스 지능형 소프트웨어 플랫폼에 의해 결정될 것이다.

도 19의 칼럼 (1914) 의 화살표 (1912) 는 본 발명의 일 실시형태에 따른, 사용자에 의해 라벨링하기 위해 선택되는 계층적 데이터 구조 (1602) 의 데이터 리프 (1650) 를 도시한다. "파라미터 속성 (Parameter Property) 들" 로 라벨링된 윈도우 (1922) 는, 프로세스 파라미터 "로드 도전도 (load conductivity)" 에 대한 데이터로의 액세스를 제공하는 데이터 리프 (1650) 를 사용자가 선택한 경우 디스플레이될 프로세스 파라미터 "로드 도전도" 의 프로세스 파라미터 속성들을 나타낸다. 윈도우 (1922) 는 프로세스 파라미터 "압하력" 의 수치 속성들을 디스플레이하는 "수치 (numeric)" 로 라벨링된 탭된 윈도우 (1924) 를 포함한다. 탭된 윈도우 (1924) 의 입력 엔트리 박스들은 도 19에 도시되지 않는다. 윈도우 (1924) 는 또한, 프로세스 파라미터 "로드 도전도" 에 대한 기능 분류들을 나타내는 특성 탭된 윈도우 (1926) 를 포함한다. 프로세스 파라미터 "로드 도전도" 의 기능 분류들은 텍스트 박스들 (1932, 1934 및 1936) 에 도시된다. 텍스트 박스 (1932) 는, 프로세스 파라미터 "로드 도전도" 에 대한 파라미터 품질 지정 (PaQD) 이 프로세스 파라미터 (요약하여 "PP") 로서 선택된다는 것을 나타낸다. 텍스트 박스 (1934) 는, 프로세스 파라미터 "로드 도전도" 가 프로세스를 동작시키는 사람 또는 프로세스와 연관된 자동화된 제어 시스템에 의해 제어가능하다고 고려되는지를 나타낸다. 이러한 박스에서 단어 "예" 는, 프로세스 파라미터 "로도 도전도" 가 제어가능하다는 것을 표시한다. 텍스트 박스 (1936) 는, 프로세스 파라미터 "로드 도전도" 에 대한 총 랭크 스코어를 나타낸다. 도 19에서, 텍스트 박스는, 파라미터가 키 프로세스 파라미터로서 분류될 수 있기 위한 임의의 시작값으로서 사용되고 있는 프로세스 파라미터에 대한 100의 총 랭크 스코어를 나타낸다. 도 19의 칼럼 (1942) 의 화살표 (1940) 는 데이터 리프 (1972) 의 시각적인 표시자들 (1944 및 1946) 을 가리킨다. 시각적인 표시자 (1944) 는 박스이며, 사용자가 제어가능한 파라미터로서 디스플레이될 프로세스 파라미터 "로드 도전도" 를 선택한다는 것을 표시한다. 시각적인 표시자 (1946) 는, 프로세스 파라미터 "로드 도전도" 가 키 프로세스 파라미터이지만, 그것이 중요 프로세스 파라미터인지에 관해 아직 결정되지 않았다는 것을 표시하는 양식화된 KPP 심볼이다. 도 19의 칼럼 (1948) 은, 디스플레이되는 데이터 리프들 (1620, 1622, 1624, 1628, 1630, 1632, 1634, 1636, 1638, 1646, 1650, 1652, 1662, 및 1666) 에 의해 표현되는 프로세스 파라미터들을 나타낸다. 데이터 리프들 (1620, 1622, 1624, 1628, 1630, 1632, 1634, 1636, 1638, 1646, 1650, 1652, 1662, 및 1666) 에 의해 표현된 프로세스 파라미터들은, 인과관계 매트릭스 (1702) 의 포커스 영역 #1 및 포커스 영역 #5의 프로세스 파라미터들에 대응한다.

도 20의 칼럼 (2014) 의 화살표 (2012) 는 본 발명의 일 실시형태에 따른, 프로세스 지능형 소프트웨어 플랫폼을 사용하는 사용자에 의하여 업데이트하기 위해 선택되는 계층적 데이터 구조 (1602) 의 데이터 리프 (1650) 를 도시한다. 도 20에서, 텍스트 박스 (1936) 의 값은, 인과관계 매트릭스 (1702) 에서 나타낸 위험 분석의 결과들에 기초하여 프로세스 파라미터 "로드 도전도" 에 대한 147의 총 랭크 스코어로 업데이트된다. 프로세스 파라미터 "로드 도전도" 에 대한 147의 총 랭크 스코어가 110의 임계치 값을 초과하기 때문에, 프로세스 파라미터 "로드 도전도" 는 중요 프로세스 파라미터이도록 데이터 분석 플랫폼에 의해 결정되며, 이것은, 도 20의 칼럼 (2024) 의 화살표 (2022) 에 의해 나타낸 바와 같이, 프로세스 지능형 소프트웨어 플랫폼이 데이터 리프 (1650) 에 대한 시각적인 표시자 (2026) 로 시각적인 표시자 (1946) 를 대체한다는 것을 초래한다. 양식화된 CPP인 시각적인 표시자 (2026) 는, "로드 도전도" 가 중요 프로세스 파라미터이라는 것을 표시한다. 데이터 리프 (1650) 내의 "로드 도전도" 이라는 단어는 또한, 적어도 임시적으로 컬러를 변경하고 이탤릭체로 되며, 이는, 총 랭크 스코어가 정확히 입력되었는지에 관계없이 그것이 아직 검증되지 않았다는 것을 표시한다. 도 20의 칼럼 (2032) 은, 제조 프로세스 (1502) 에 대한 중요 프로세스 파라미터들을 나타내는 데이터 리프들 (1620, 1622, 1630, 1634, 1650, 1662 및 1666) 에 대한 시각적인 표시자 (2026) 로 시각적인 표시자 (1946) 를 대체하는 프로세스 지능형 소프트웨어 플랫폼을 나타내는데, 이는 이들 중요 프로세스 파라미터들의 각각이 110의 임계치를 초과하는 총 랭크 스코어를 갖기 때문이다.

도 21은, "생성 파라미터 (Creation Parameter) 들" 로 라벨링된 윈도우 (2112)에서, 브래킷 (2122) 에 의해 표시되는 중요 프로세스 파라미터들인 것으로서 데이터 분석 소프트웨어 플랫폼에 의해 디스플레이되는 선택된 프로세스 파라미터들의 명칭들, 및 양식화된 "CPP" 또는 "CQA" 시각적 표시자 (2126) 를 각각 갖는 브래킷 (2124) 에 의해 표시된 바와 같이, 중요 품질 특성들로서 디스플레이되는 품질 특성들의 명칭들을 디스플레이하는 데이터 분석 소프트웨어 플랫폼을 도시한다. 윈도우 (2112) 내의 파라미터들에 대한 명칭들은, 데이터 리프가 아래에 있는 데이터 노드의 명칭을 포함한다. 그러므로, 데이터 리프 (1650) 에 의해 표현된 파라미터는, 데이터 리프 (1650) 에 의해 표현된 파라미터가 계층적 데이터 구조 (1602) 에서 "로딩 (Loading)" 으로 명칭된 데이터 노드 (1644) 아래에 있기 때문에, "Loading.Load Conductivity" 로 명칭된다. 이들 파라미터들은 이제, 예를 들어, 그 파라미터들 사이에 상호작용들이 존재하는지를 결정하기 위해 데이터 분석을 수행하는 것과 같이, 임의의 의미있는 방식으로 작동되도록 용이하게 이용가능하다.

도 22는, 제조 프로세스 (1502) 의 약제 제품 Lazarin에 대한 케미스트리 제조 및 제어 (CMC) 연구들로부터의 약제 제품에 관한 규격들 (2214) 에 액세스하기 위한 본 발명의 일 실시형태에 따른 프로세스 지능형 소프트웨어 플랫폼의 사용자 동작 윈도우 (2212) 를 도시한다.

도 23은 화살표 (2314) 에 의해 표시된 바와 같이, 규격들 (2214) 중 하나인 기본 회귀 분석의 요약의 탭된 윈도우 (2312) 를 포함하는 윈도우 (2312) 를 도시한다. 도 24는 화살표 (2414) 에 의해 표시된 바와 같이, 약제 제품에 관한 규격들 (2214) 중 하나인 피드 유동율 대 오염물 A의 양의 피트된 모델을 디스플레이하는 윈도우 (2312) 의 피트된 모델 탭된 윈도우 (2412) 를 도시한다. 도 25는 화살표 (2516) 에 의해 표시된 바와 같이, 약제 제품 또는 규격들 (2214) 중 하나인 피드 유동율 대 오염물 A의 양의 상호작용 플롯을 디스플레이하는 윈도우 (2514) 의 상호작용 플롯 탭된 윈도우 (2512) 를 도시한다. 도 26은 화살표 (2614) 에 의해 표시된 바와 같이, 약제 제품에 대한 규격들 (2214) 을 포함하는 일련의 윈도우들 (2612) 을 도시한다. 도 27은 본 발명의 일 실시형태에 따른 프로세스 지능형 소프트웨어 플랫폼을 사용하여 생성될 수도 있는 제조 프로세스 (1502) 에 의해 제조된 약제 제품에 대한 CMC 제안 (2712) 을 도시한다.

도 28은, 프로세스의 프로세스 파라미터들이 키 프로세스 파라미터들이고, 키 프로세스 파라미터들 중 일부는 중요 프로세스 파라미터들이라는 것을 시각적으로 디스플레이하도록 프로세스 지능형 소프트웨어 플랫폼에 의해 실행되는 방법 (2802) 을 도시한다. 단계 (2812) 에서, 프로세스의 프로세스 파라미터들은, 프로세스에 대한 위험 평가를 위한 포커스 그룹의 일부인 키 프로세스 파라미터들로서 선택된다. 몇몇 실시형태들에서, 사용자는, 어느 프로세스 파라미터들이 키 프로세스 파라미터들인지를 선택한다. 본 발명의 다른 실시형태들에서, 프로세스 파라미터들 중 적어도 몇몇은, 프로세스에 대한 이력 데이터에 기초하여 프로세스 지능형 소프트웨어 플랫폼에 의해 키 프로세스 파라미터들이도록 결정될 수도 있다. 예를 들어, 제조 프로세스에 대한 키 프로세스 파라미터들의 리스트는 저장 매체 상에 저장될 수도 있다. 단계 (2814) 에서, 프로세스 지능형 소프트웨어 플랫폼은 키 프로세스 파라미터들의 각각에 대한 데이터 리프들에 하나 이상의 시각적인 표시자들을 부가하여, 그들이 키 프로세스 파라미터들이라는 것을 표시한다. 도 6 및 도 19는 단계 (2814) 가 수행되는 예들을 도시한다. 단계 (2816) 에서, 데이터 분석 프로그램은, 단계 (2812) 의 키 프로세스 파라미터들의 총 랭크 스코어(들)에 기초하여 중요 프로세스 파라미터들을 결정한다. 사용자에 의해 셋팅되거나 프로세스 지능형 소프트웨어 플랫폼에 의해 셋팅된 임계치 값을 초과하는 총 랭크 스코어를 갖는 키 프로세스 파라미터들은, 중요 프로세스 파라미터들이도록 프로세스 지능형 소프트웨어 플랫폼에 의해 결정된다. 단계 (2816) 에서, 값은 저장 매체에 저장되고, 프로세스 지능형 소프트웨어 플랫폼에 의해 리트리브될 수도 있다. 단계 (2818) 에서, 프로세스 지능형 소프트웨어 플랫폼은 중요 프로세스 파라미터들의 각각에 대한 데이터 리프들에 하나 이상의 시각적인 표시자들을 부가하여, 그들이 키 중요 프로세스 파라미터들이라는 것을 표시한다. 단계 (2818) 는, 프로세스 파라미터들이 키 프로세스 파라미터들이라는 것을 표시하는 하나 이상의 시각적인 표시자들을, 프로세스 파라미터들이 중요 프로세스 파라미터들이라는 것을 표시하는 하나 이상의 시각적인 표시자들로 대체하는 것을 수반할 수도 있다.

단계들 (2812, 2814, 2816 및 2818) 의 하나의 순서가 도 28에 도시되었지만, 이들 단계들 중 적어도 몇몇은 본 발명의 몇몇 실시형태들에서 상이한 순서로 수행될 수도 있다. 본 발명의 몇몇 실시형태들에서, 이들 단계들 중 하나 이상이 또한 생략될 수도 있다. 본 발명의 몇몇 실시형태들에서, 이들 단계들 중 몇몇은 결합되고 및/또는 동시에 수행될 수도 있다.

본 발명이 약제 제조 프로세스들과 함께 상술되었지만, 본 발명의 방법이 다른 타입들의 제조 프로세스들과 함께 사용될 수도 있음을 유의해야 한다. 본 발명의 방법들이 사용될 수도 있는 다른 제조 프로세스들의 예들은, 화학 물질들, 화학 조성들, 생물학적 물질들, 생물학적 조성들, 의료 디바이스들에 대한 제조 프로세스, 또는 원 재료들 및/또는 중간 재료들이 합성하고 및/또는 제품들로 결합 및 변환되는 임의의 프로세스들을 포함할 수도 있다.

특정한 타입들의 시각적인 표시자들이 도면들에 도시되었지만, 다른 타입들의 표시자들이 또한 사용될 수도 있다. 시각적인 표시자들은 또한, 프로세스 파라미터 또는 품질 특성의 상태에서의 변화를 표시하기 위해 상이한 컬러들, 상이한 형상들, 상이한 톤들 등을 가질 수도 있다.

본 발명의 방법들을 구현하는데 사용될 수도 있는 일 타입의 소프트웨어는, Aegis Analytical Corporation 으로부터의 Discoverant

기업 제조 지능형 (EMI) 플랫폼이다. Discoverant

은, 데이터 분석, 대시보딩 (dashboarding) 및 리포팅, 데이터 어그리게이션 (aggregation), 페이퍼 레코드 데이터의 갭쳐 등과 같은 특성들을 포함한다. 본 발명과 함께 사용될 수도 있는 Discoverant

및 기술들의 특성들의 대부분은, 발명의 명칭이 "System, method and computer program for assembling process data of multi-database origins using a hierarchical display" 이고 2004년 4월 20일자로 등록된 Ruth 등의 미국 특허 제 6,725,230호에 설명되어 있으며, 그 특허의 전체 내용들 및 개시물들은 여기에 참조로서 포함된다.

본 발명의 많은 실시형태들을 상세히 설명했지만, 변형들 및 변경들이 첨부된 청구항들에 정의된 본 발명의 범위를 벗어나지 않으면서 가능하다는 것은 명백할 것이다. 또한, 본 발명의 모든 예들이, 본 발명의 많은 실시형태들을 예시하지만, 비-제한적인 예로서 제공되며, 따라서, 도시된 바와 같은 다양한 양태들로 제한하는 것으로서 취해지지는 않아야 함을 유의해야 한다.

본 발명이 특정한 실시형태들을 참조하여 기재되었지만, 설명된 실시형태들에 대한 많은 변형들, 수정들 및 변경들은, 첨부된 청구항들에 정의된 바와 같은 본 발명의 사상 및 범위를 벗어나지 않으면서 가능하다. 따라서, 본 발명이 설명된 실시형태들로 제한되는 것이 아니라, 본 발명이 첨부한 청구항들의 언어에 의해 정의된 모든 범위 및 본 발명의 등가물들을 갖는다는 것이 의도된다.

Claims

프로세스의 하나 이상의 프로세스 파라미터들을 계층적 데이터 구조에 기초하여 시각적 디스플레이 디바이스 상에 디스플레이하는 단계 - 하나 이상의 제 1 시각적 표시자들이 상기 하나 이상의 프로세스 파라미터들 중 하나 이상이 하나 이상의 키(key) 프로세스 파라미터들이라는 것을 표시함 -;
상기 하나 이상의 키 프로세스 파라미터들의 각각에 대하여 총 랭크 스코어를 결정하도록 상기 하나 이상의 키 프로세스 파라미터들에 대한 위험 분석을 수행하는 단계; 및
임계치를 초과하는 총 랭크 스코어를 갖는 상기 하나 이상의 키 프로세스 파라미터들 중 적어도 하나와 연관된, 상기 하나 이상의 제 1 시각적 표시자들 중 적어도 하나를, 상기 시각적 디스플레이 디바이스 상에서, 상기 하나 이상의 키 프로세스 파라미터들 중 적어도 하나가 중요(critical) 프로세스 파라미터라는 것을 표시하는 하나 이상의 제 2 시각적 표시자들 중 적어도 하나로 변경하는 단계
를 포함하고,
상기 하나 이상의 키 프로세스 파라미터들의 각각에 대한 총 랭크 스코어는 복수의 인과관계 품질 스코어에 기초하는 것인, 방법.
제1항에 있어서,
하나 이상의 중요 프로세스 파라미터들의 하나 이상의 명칭들이 상기 계층적 데이터 구조의 데이터 리프(leaf)들로서 나타내며,
상기 데이터 리프들의 각각의 데이터 리프는, 상기 데이터 리프가 중요 프로세스 파라미터라는 것을 표시하는 하나 이상의 제 2 시각적 표시자들 중 하나를 포함하는, 방법.
제1항에 있어서,
상기 프로세스는 제품에 대한 제조 프로세스인, 방법.
제3항에 있어서,
상기 제품은 화학적 조성(composition)인, 방법.
제3항에 있어서,
상기 제품은 약제 제품(pharmaceutical product)인, 방법.
제1항에 있어서,
상기 하나 이상의 프로세스 파라미터들은 입력 재료 특성을 포함하는, 방법.
제2항에 있어서,
상기 계층적 데이터 구조는 하나 이상의 데이터 노드들을 포함하고, 상기 하나 이상의 중요 프로세스 파라미터들의 하나 이상의 명칭들이 상기 계층적 데이터 구조의 하나 이상의 데이터 노드들 아래의 데이터 리프들로서 나타나는, 방법.
제1항에 있어서,
상기 중요 프로세스 파라미터는 임계치를 초과하는 위험 평가 스코어를 갖는 것인, 방법.
제1항에 있어서,
상기 복수의 인과관계 품질 스코어의 각각이 상기 하나 이상의 키 프로세스 파라미터들 중 대응하는 하나 및 하나 이상의 키 품질 특성 중 대응하는 하나와 연관되는, 방법.
복수의 컴퓨터-실행가능 명령어로 인코딩된 비일시적 컴퓨터 판독가능 저장 매체로서,
실행시 상기 복수의 컴퓨터-실행가능 명령어는
프로세스의 하나 이상의 프로세스 파라미터들을 계층적 데이터 구조에 기초하여 시각적 디스플레이 디바이스 상에 디스플레이하는 단계 - 하나 이상의 제 1 시각적 표시자들이 상기 하나 이상의 프로세스 파라미터들 중 하나 이상이 하나 이상의 키 프로세스 파라미터들이라는 것을 표시함 -;
상기 하나 이상의 키 프로세스 파라미터들의 각각에 대하여 총 랭크 스코어를 결정하도록 상기 하나 이상의 키 프로세스 파라미터들에 대한 위험 분석을 수행하는 단계; 및
임계치를 초과하는 총 랭크 스코어를 갖는 상기 하나 이상의 키 프로세스 파라미터들 중 적어도 하나와 연관된, 상기 하나 이상의 제 1 시각적 표시자들 중 적어도 하나를, 상기 하나 이상의 키 프로세스 파라미터들 중 적어도 하나가 중요 프로세스 파라미터라는 것을 표시하는 하나 이상의 제 2 시각적 표시자들 중 적어도 하나로 변경하는 단계
를 포함하는 방법을 수행하고,
상기 하나 이상의 키 프로세스 파라미터들의 각각에 대한 총 랭크 스코어는 복수의 인과관계 품질 스코어에 기초하는 것인, 비일시적 컴퓨터 판독가능 저장 매체.
제10항에 있어서,
하나 이상의 중요 프로세스 파라미터들의 하나 이상의 명칭들이 상기 계층적 데이터 구조의 데이터 리프들로서 나타내며,
상기 데이터 리프들의 각각의 데이터 리프는, 상기 데이터 리프가 중요 프로세스 파라미터라는 것을 표시하는 하나 이상의 제 2 시각적 표시자들 중 하나를 포함하는, 비일시적 컴퓨터 판독가능 저장 매체.
제10항에 있어서,
상기 프로세스는 제품에 대한 제조 프로세스인, 비일시적 컴퓨터 판독가능 저장 매체.
제12항에 있어서,
상기 제품은 화학적 조성인, 비일시적 컴퓨터 판독가능 저장 매체.
제12항에 있어서,
상기 제품은 약제 제품인, 비일시적 컴퓨터 판독가능 저장 매체.
제10항에 있어서,
상기 하나 이상의 제 1 프로세스 파라미터들은 입력 재료 특성을 포함하는, 비일시적 컴퓨터 판독가능 저장 매체.
제11항에 있어서,
상기 계층적 데이터 구조는 하나 이상의 데이터 노드들을 포함하고, 상기 하나 이상의 중요 프로세스 파라미터들의 하나 이상의 명칭들이 상기 계층적 데이터 구조의 하나 이상의 데이터 노드들 아래의 데이터 리프들로서 나타나는, 비일시적 컴퓨터 판독가능 저장 매체.
제10항에 있어서,
상기 중요 프로세스 파라미터는 임계치를 초과하는 위험 평가 스코어를 갖는 것인, 비일시적 컴퓨터 판독가능 저장 매체.
제10항에 있어서,
상기 복수의 인과관계 품질 스코어의 각각이 상기 하나 이상의 키 프로세스 파라미터들 중 대응하는 하나와 연관되는, 비일시적 컴퓨터 판독가능 저장 매체.