Table des Matières
Une formulation est robuste quand elle reste dans la spécification sur toute la dispersion normale des lots de matières premières et des fournisseurs agréés, et pas seulement avec le lot utilisé en développement. On y parvient en mesurant la variabilité réelle des matières entrantes, en testant délibérément la recette face à elle, en retenant la recette la moins sensible et en ajustant les dosages quand un lot l'exige.
Points clés
- Des matières premières conformes peuvent quand même donner un produit non conforme. La FDA note que cela peut arriver même quand les matières respectent les spécifications de la pharmacopée, qui ne couvrent en général que l'identité et la pureté chimiques.
- L'effet peut être important. Dans une étude du ministère des Transports du Mississippi, un nouvel échantillon de ciment de la même source a modifié la résistance du béton à 28 jours jusqu'à 21,6 %, et un changement de source de ciment jusqu'à 31,8 %.
- La recette fixe la sensibilité. Dans la même étude, la variation en pourcentage était plus forte avec 25 % de cendres volantes dans le mélange.
- Traitez les propriétés des lots comme des facteurs de bruit dans les essais et comme des entrées dans les modèles, puis choisissez la recette la moins sensible à ces facteurs (NIST/SEMATECH).
- Des limites de réception fixées propriété par propriété classent mal les lots quand les propriétés sont corrélées ; des régions d'acceptation multivariées construites à partir des données usine répondent à ce problème.
Pourquoi une recette éprouvée échoue-t-elle avec un nouveau lot ou un nouveau fournisseur ?
Un fournisseur certifie ce que liste sa spécification. Votre recette dépend de ce que la matière fait réellement dans votre mélange, et ce n'est pas la même chose.
Le guide PAT de la FDA indique que les méthodes d'analyse des attributs chimiques ont progressé, mais que certains attributs physiques et mécaniques des ingrédients restent mal compris, si bien que la variabilité non détectée des matières premières peut se retrouver dans le produit fini. Il ajoute qu'il existe des stratégies de formulation insensibles aux petites différences d'attributs physiques, mais qu'elles reposent souvent sur l'expérience d'un formulateur en particulier. C'est précisément le savoir qui part avec les départs à la retraite.
Les essais normalisés du fournisseur ne prédisent pas toujours la performance non plus. Dans l'étude sur le ciment, les auteurs constatent que les tendances des résistances sur cubes de mortier ne reflètent pas toujours celles des résistances du béton. L'essai normalisé d'une matière peut ne pas prédire son comportement dans votre produit.
Quelle peut être l'ampleur de l'effet ?
Des études publiées sur de vrais lots de matières montrent l'ordre de grandeur.
| Matière première | Produit | Ce qui a varié | Ce qui s'est passé |
|---|---|---|---|
| Ciment Portland | Béton (granulats roulés) | 7 ciments, 3 échantillons par source à environ un mois d'intervalle, 84 gâchées | La résistance à 28 jours a varié jusqu'à 21,6 % entre échantillons d'une même source et jusqu'à 31,8 % entre sources ; les écarts augmentaient avec 25 % de cendres volantes (Varner, 2013) |
| Cellulose microcristalline (MCC) | Granulés pour comprimés | 12 lots de MCC, dont 6 fabriqués exprès pour varier davantage que la production normale | Les propriétés des lots ont eu un effet comparable ou supérieur à celui du rapport liquide/solide, le paramètre procédé le plus influent (Portier et al., 2021) |
| Résine polymère | Film industriel | Propriétés de la résine issues des historiques usine | Un modèle PLS a relié les propriétés de la résine à la qualité du film et a servi à fixer une région d'acceptation multivariée (Duchesne et MacGregor, 2004) |
Dans l'étude sur la MCC, les propriétés de lot déterminantes étaient la capacité de rétention d'eau, la largeur de la distribution granulométrique, la masse volumique apparente et l'humidité. Elles influaient aussi sur l'aptitude au procédé : le granulateur s'arrête au-delà d'un couple de sécurité de 20 Nm, si bien qu'un lot difficile peut arrêter la ligne, et pas seulement décaler un résultat.
Que veut dire « robuste » pour une formulation ?
L'ICH Q8(R2), la ligne directrice sur le développement pharmaceutique, définit la robustesse du procédé comme la capacité à tolérer la variabilité des matières ainsi que les changements de procédé et d'équipement sans effet négatif sur la qualité. Son espace de conception combine explicitement les attributs matières et les paramètres procédé.
La conception robuste de Taguchi donne le cadre pratique. L'e-Handbook NIST/SEMATECH décrit l'objectif comme rendre un produit moins sensible aux variations que l'ingénieur ne maîtrise pas, en séparant les facteurs de conception, que l'on choisit, des facteurs de bruit, que l'on subit. Pour une formulation :
- Facteurs de conception : dosages des composants, ordre d'incorporation, temps de mélange, température.
- Facteurs de bruit : propriétés de chaque lot de matière première, fournisseur, durée de stockage d'une matière.
Une recette robuste n'est pas toujours celle qui a le meilleur résultat moyen. C'est celle qui a la plus forte probabilité de respecter toute la spécification face au bruit rencontré en production.
Comment mesurer la variabilité de vos matières premières ?
Commencez par les enregistrements existants, puis comblez les lacunes.
- Rassemblez certificats et contrôles à réception par lot. L'ICH Q7, le guide BPF des principes actifs, fixe une discipline utile : des analyses complètes sur au moins trois lots avant de réduire les contrôles internes, des analyses complètes périodiques comparées aux certificats, et une vérification régulière de la fiabilité des certificats.
- Ajoutez les attributs qui comptent pour votre recette. Si la performance dépend de la granulométrie ou de l'absorption d'eau et que le certificat ne donne que la pureté, il vous faut votre propre essai.
- Conservez un échantillon témoin de chaque lot, étiqueté avec son numéro de lot, pour pouvoir remonter à l'origine d'un problème.
- Regardez les propriétés ensemble. Les propriétés d'un lot sont en général corrélées. Dans l'étude sur la MCC, trois composantes principales expliquaient 92 % de la variabilité du jeu de données.
La corrélation explique aussi l'échec des limites propriété par propriété. Paris, Duchesne et Poulin expliquent que des limites univariées peuvent conduire à un mauvais classement des lots. Élargir les limites pour accepter tous les bons lots passés augmente le risque d'accepter de mauvais lots ; les resserrer fait rejeter davantage de bons lots, ce qui augmente généralement les coûts d'achat.
Comment concevoir une formulation qui tolère la variabilité ?
Les étapes ci-dessous combinent conception robuste et modélisation, selon l'approche décrite dans notre guide du laboratoire virtuel.
- Lister les facteurs de bruit. Pour chaque matière première, noter le fournisseur, le lot et les propriétés mesurées qui peuvent plausiblement influer sur le résultat.
- Obtenir des lots qui couvrent la plage. L'étude sur la MCC a utilisé des lots que le fournisseur avait préparés exprès pour varier davantage que la production standard, puis a retenu le lot le plus extrême de chaque quadrant d'un graphique d'ACP. Demandez à vos fournisseurs des lots proches des bornes de leur spécification, ou conservez des échantillons témoins des lots atypiques.
- Croiser facteurs de recette et facteurs de lot. Les matrices interne et externe de Taguchi appliquent un petit plan sur les lots à chaque réglage de recette ; l'exemple du NIST, 8 réglages de recette par 4 réglages de bruit, donne 32 essais. Comparez les recettes sur la moyenne et sur la dispersion : le manuel note qu'on ne peut pas simplement désigner un gagnant.
- Bloquer les lots que l'on n'étudie pas. Si un lot s'épuise au milieu d'une étude, les résultats mélangent effets de recette et effets de lot. La règle du NIST s'applique : bloquer ce que l'on peut, randomiser ce que l'on ne peut pas.
- Intégrer les propriétés des lots au modèle. Un modèle qui prédit les résultats à partir de la recette et des propriétés des lots montre quelles recettes sont sensibles à quelle matière et aide à planifier les essais suivants, comme dans notre guide d'optimisation des formulations par IA.
- Simuler la dispersion des lots. Tirer de nombreux lots plausibles dans la distribution mesurée, prédire le résultat pour chacun et compter la fréquence de respect de la spécification. Liu et ses collègues ont appliqué cette approche Monte-Carlo aux variations des réglages procédé et à l'erreur de modèle dans un procédé de granulation : ils ont réalisé 50 000 simulations par point et retenu la région où les spécifications étaient respectées avec une probabilité d'au moins 90 %. Lors de leur validation, les essais dans cette région ont respecté la spécification et ceux en dehors non.
- Confirmer avec de vrais lots. Tester la recette retenue avec les lots les plus extrêmes disponibles, en répétitions, avant sa mise en production.
Quelle stratégie de maîtrise pour quelle situation ?
La conception robuste est une option parmi d'autres, et la plupart des usines les combinent.
| Stratégie | Principe | Quand elle convient | Limites |
|---|---|---|---|
| Spécification fournisseur resserrée | Limites plus étroites sur chaque propriété | Une ou deux propriétés critiques que le fournisseur sait maîtriser | Coût d'achat plus élevé ; davantage de bons lots rejetés |
| Région d'acceptation multivariée | Un modèle PLS des données usine définit les combinaisons de propriétés acceptables (Duchesne et MacGregor) | Plusieurs propriétés corrélées et un bon historique de lots et de résultats | Demande des données ; plus difficile à expliquer aux fournisseurs |
| Recette robuste | Choisir la recette la moins sensible aux propriétés des lots | Variabilité impossible à maîtriser ou à mesurer rapidement | Peut coûter un peu de performance ou de coût matière |
| Ajustement lot par lot | Mesurer chaque lot à réception et ajuster les dosages | Un essai de réception rapide et fiable et un modèle validé | Valable seulement dans la plage des lots déjà rencontrés |
Les auteurs de la méthode multivariée soulignent aussi que des spécifications claires peuvent aider les clients à élargir leur panel de fournisseurs et à accepter des matières moins chères qui restent performantes. L'ajustement lot par lot correspond à ce que l'ICH Q8(R2) appelle une étape de procédé adaptative, qui répond aux matières entrantes, afin que la variabilité des matières entrantes puisse être moins strictement encadrée.
Que faire quand un fournisseur change ?
Traitez un nouveau fournisseur ou une nouvelle qualité comme une modification de la formulation, pas comme un détail d'achat. Testez la nouvelle matière dans la recette actuelle, en parallèle avec la matière actuelle et en répétitions, et comparez l'écart à la répétabilité de la méthode d'essai. Si la nouvelle matière sort de la plage des lots sur laquelle la recette a été validée, refaites la vérification de robustesse avant de basculer.
Ce que nous avons constaté chez KABAS AI
La variabilité des matières premières fait partie des difficultés citées dans l'étude de cas ADFC (groupe Sonatrach) : les matières premières des fluides de forage peuvent varier d'un lot et d'un fournisseur à l'autre, ce qui impose des ajustements et des revalidations fréquents. Dans ce projet, Virtual Lab permet des scénarios « what-if » sur les substitutions de composants et les ajustements de dosage, que l'étude de cas décrit comme particulièrement utiles face à la variabilité des matières, et sa phase Industrialize fournit des recommandations pour les substitutions de matières. L'analyse de la variabilité des matières figure aussi dans la présentation de Virtual Lab sur notre page pétrole et gaz.
La leçon pratique est simple : un modèle ne peut séparer un effet de recette d'un effet de lot que si chaque essai enregistre le fournisseur, le lot et ses propriétés mesurées. Chez ENAD Shymeca, comme chez ADFC, la structuration des données historiques de formulation est passée avant toute prédiction.
Pour commencer, choisissez un produit pour lequel un changement de fournisseur ou de lot a posé problème, rassemblez les enregistrements de lots et les contrôles à réception correspondants, et appliquez-lui les étapes ci-dessus. La page solutions chimie montre comment Virtual Lab s'insère dans la R&D formulation. À lire aussi : plans d'expériences ou optimisation bayésienne, l'analyse du golden batch pour la variabilité en production, et les modèles de substitution pour les procédés chimiques.
Sources
- FDA, Guidance for Industry: PAT, A Framework for Innovative Pharmaceutical Development, Manufacturing, and Quality Assurance, 2004
- Varner, Influences of Cement Source and Sample of Cement Source on Compressive Strength Variability of Gravel Aggregate Concrete, Mississippi DOT, FHWA/MS-DOT-RD-13-239, 2013
- Portier et al., Continuous twin screw granulation: Impact of microcrystalline cellulose batch-to-batch variability during granulation and drying, a QbD approach, International Journal of Pharmaceutics: X, 2021
- Duchesne et MacGregor, Establishing multivariate specification regions for incoming materials, Journal of Quality Technology 36, 2004
- Paris, Duchesne et Poulin, Establishing Multivariate Specification Regions for Incoming Raw Materials Using Projection to Latent Structure Models, Frontiers in Analytical Science, 2021
- ICH Q8(R2), Pharmaceutical Development, 2009
- ICH Q7, Good Manufacturing Practice Guide for Active Pharmaceutical Ingredients, 2000
- NIST/SEMATECH e-Handbook of Statistical Methods: What are Taguchi designs?
- NIST/SEMATECH e-Handbook of Statistical Methods: Randomized block designs
- Liu et al., Optimization of critical quality attributes in continuous twin-screw wet granulation via design space validated with pilot scale experimental data, International Journal of Pharmaceutics 525, 2017
Questions fréquentes
Quelle est la différence entre une formulation robuste et un espace de conception ?
Une formulation robuste est une recette dont les résultats changent peu quand les matières premières varient dans leur plage normale. Un espace de conception (design space), tel que défini par l'ICH Q8(R2), est la combinaison d'attributs matières et de paramètres procédé dont on a démontré qu'elle garantit la qualité. La robustesse est une propriété de la recette choisie ; l'espace de conception est la région documentée autour d'elle.
Faut-il simplement resserrer la spécification fournisseur ?
Parfois, mais cela a un prix. Des limites univariées plus serrées rejettent davantage de bons lots, ce qui augmente généralement les coûts d'achat, et elles peuvent encore accepter de mauvais lots quand les propriétés de la matière sont corrélées. Ne resserrez que les attributs dont l'influence est démontrée, et envisagez d'abord une règle d'acceptation multivariée ou une recette plus tolérante.
Combien de lots de matières premières faut-il tester ?
Il n'y a pas de nombre fixe. L'important est que les lots couvrent la plage attendue en production, y compris les extrêmes. Une étude publiée est partie de 12 lots d'un excipient, a résumé leurs propriétés par ACP et a retenu le lot le plus extrême de chaque quadrant, si bien que quatre lots représentaient la dispersion dans les plans d'expériences.
Un modèle peut-il ajuster la recette à chaque nouveau lot ?
Oui, si les propriétés du lot qui déterminent la performance sont mesurées à réception et si le nouveau lot se situe dans la plage sur laquelle le modèle a été entraîné. L'ICH Q8(R2) décrit ce type d'étape adaptative, qui répond aux matières entrantes. La recette ajustée doit tout de même être confirmée par un essai de laboratoire tant que le modèle n'a pas fait ses preuves.
Le certificat d'analyse du fournisseur remplace-t-il le contrôle à réception ?
Pas entièrement. L'ICH Q7, le guide BPF des principes actifs, n'accepte les certificats à la place de la plupart des essais que si les fournisseurs sont évalués, demande des analyses complètes sur au moins trois lots avant de réduire les contrôles internes et exige une vérification périodique de la fiabilité des certificats. Un certificat ne rapporte en outre que la spécification du fournisseur, qui peut ne pas inclure les attributs dont dépend votre recette.
Ce problème ne concerne-t-il que l'industrie pharmaceutique ?
Non. La plupart des méthodes publiées viennent de la pharmacie et des polymères, mais le même effet apparaît ailleurs : les lots de ciment modifient la résistance du béton, les lots de résine la qualité du film, et les produits pour fluides de forage varient d'un lot et d'un fournisseur à l'autre. Tout produit fabriqué à partir de matières premières qui varient d'un lot à l'autre est concerné.



