Найти в Дзене
Мониторинг человеческого фактора в асептическом производстве
Statistical Process Control for Cleanroom Risk Assessment Ключевой принцип стерильного производства: качество не проверяется после выпуска — оно закладывается в процесс. Поскольку человек — основной источник загрязнения, его влияние должно быть измеримо, контролируемо и управляемо. Утилита HumanFactorContaminationForecaster_AvgZMetric оценивает риск загрязнения через отклонение от исторически устойчивого процесса: Рассчитывает Z-оценку для частиц и микробиологического мониторинга:...
1 месяц назад
Утилиты по биологическим методам (Фармакопея ЕАЭС, часть 3, том 1)
Утилиты для контроля качества биотехнологических лекарственных препаратов: рекомбинантных белков, моноклональных антител, клеточных продуктов, вакцин. Все утилиты используют только Newtonsoft.Json и соответствуют статьям раздела 2.1.6. Хотите больше...
1 месяц назад
Утилиты по Фармакопее ЕАЭС
Каждая утилита соответствует одной статье или группе статей Фармакопеи ЕАЭС и реализует её требования в формате input.csv → output.json. Все утилиты используют только Newtonsoft.Json и не содержат «чёрных ящиков»...
1 месяц назад
ML-утилиты для производства полиэфиров и полиалкиленгликолей
Полиэфиры и полиалкиленгликоли — ключевые полимеры в фармацевтике, косметике и химии. Их качество напрямую влияет на безопасность конечных продуктов. Этот набор ML-утилит помогает контролировать критические параметры качества на всех этапах производства. Polyester Hydroxyl Number Forecaster — Прогноз гидроксильного числа полиэфиров ℹ️ Утилита прогнозирует гидроксильное число на основе условий синтеза. ℹ️ Поддерживает обучение на пользовательских данных. Использование: PolyesterHydroxylNumberForecaster...
2 месяца назад
Oil Quality Intelligence Suite: Прозрачный ИИ для контроля качества нефтепродуктов
Контроль качества нефтепродуктов — задача критически важная: от неё зависят безопасность двигателей, экологичность и соответствие международным стандартам. Однако лабораторные анализы — дороги и медленны. Мы предлагаем гибридную архитектуру, объединяющую: Все утилиты соответствуют принципам ALARP и валидируемы — как в фармацевтике. © 2026...
2 месяца назад
ИИ на страже качества: интерпретируемые модели в фармацевтическом производстве
В условиях ужесточения требований регуляторов (FDA, EMA, PIC/S) и перехода к парадигме Quality by Design (QbD), фармацевтические предприятия ищут способы повысить предиктивность контроля качества и снизить риски несоответствий. Внедрение искусственного интеллекта в регулируемую среду часто сдерживается страхом перед «чёрными ящиками», сложностью валидации и несоответствием принципам GxP. Однако существуют решения, основанные на классических статистических методах и интерпретируемых моделях, которые не только соответствуют требованиям регуляторов, но и приносят измеримую пользу...
2 месяца назад
ИИ в производстве: не то, что вы думаете
Многие путают «большие языковые модели» (LLM) и «прикладной искусственный интеллект». Это разные инструменты — с разной ценностью для GxP-среды. Больше статей и утилит для промышленности Присоединяйтесь к нашему Telegram-каналу: Интерпретируемый...
2 месяца назад
Гибридная архитектура контроля качества
«Интеллект для прогноза, правила для доверия» Ниже продолжение Соответствует: ICH Q13, EU GMP Annex 11, Фармакопее ЕАЭС Присоединяйтесь к нашему Telegram-каналу: Интерпретируемый ИИ в промышленности #ии...
2 месяца назад
СТАНДАРТНАЯ ОПЕРАЦИОННАЯ ПРОЦЕДУРА (СОП). Гибридная архитектура контроля качества с использованием ML и фармакопейных утилит
Номер: SOP-QA-ML-001 Версия: 1.0 Дата вступления: 01.01.2026 Страница: 1 из 1 Настоящая SOP устанавливает порядок применения гибридной архитектуры, сочетающей: Цель: повышение эффективности контроля качества при соблюдении принципов GMP и ICH Q13. Процедура применяется при: Система состоит из двух слоёв: - ML-утилиты валидируются как поддержка принятия решений (не замена контроля)...
2 месяца назад
Интеграция ML-утилит и фармакопейного контроля: гибридная архитектура для GxP-сред
В условиях цифровой трансформации фармацевтического производства возникает критическая задача: как совместить инновационные ML-методы с жёсткими требованиями GMP и фармакопейного контроля? Нами разработана и внедрена гибридная архитектура, состоящая из двух комплементарных слоёв: Эти утилиты используют Accord.NET и работают на исторических данных. Они не заменяют контроль, а направляют внимание на риски. Каждая ML-утилита «говорит» с фармакопейными утилитами — либо для триггера усиленного контроля, либо для подтверждения прогноза...
2 месяца назад
Утилиты по биологическим методам (Фармакопея ЕАЭС, часть 3, том 1)
Утилиты для контроля качества биотехнологических лекарственных препаратов: рекомбинантных белков, моноклональных антител, клеточных продуктов, вакцин. Все утилиты используют только Newtonsoft.Json и соответствуют статьям раздела 2.1.6. Хотите больше...
2 месяца назад
Утилиты по Фармакопее ЕАЭС
Каждая утилита соответствует одной статье или группе статей Фармакопеи ЕАЭС и реализует её требования в формате input.csv → output.json. Все утилиты используют только Newtonsoft.Json и не содержат «чёрных ящиков». Хотите больше...
2 месяца назад