Stabilitätsstudie

Eine Stabilitätsstudie ist eine statistische Analyse, mit der bestimmt wird, wie lange ein Produkt im Zeitverlauf innerhalb seiner festgelegten Qualitätsspezifikationen bleibt. Sie modelliert den Zusammenhang zwischen der Zeit und einer messbaren Zielgröße, um die Haltbarkeit des Produkts zu schätzen, also den Zeitpunkt, ab dem die Zielgröße voraussichtlich die zulässigen Grenzen überschreitet.

Zuletzt geprüft

Kernaussage

Eine Stabilitätsstudie ist eine statistische Analyse, mit der bestimmt wird, wie lange ein Produkt im Zeitverlauf innerhalb seiner festgelegten Qualitätsspezifikationen bleibt.

Auf dieser Seite
  1. Was ist eine Stabilitätsstudie?
  2. Wann wird eine Stabilitätsstudie eingesetzt?
  3. Hinweise zur richtigen Anwendung der Stabilitätsstudie
  4. Alternativen: Wann Sie die Stabilitätsstudie nicht verwenden sollten
  5. Beispiel für eine Stabilitätsstudie
  6. Anleitung: Stabilitätsstudie durchführen

Was ist eine Stabilitätsstudie?

Eine Stabilitätsstudie ist eine statistische Analyse, mit der bestimmt wird, wie lange ein Produkt im Zeitverlauf innerhalb seiner festgelegten Qualitätsspezifikationen bleibt. Sie modelliert den Zusammenhang zwischen der Zeit und einer messbaren Zielgröße, um die Haltbarkeit des Produkts zu schätzen, also den Zeitpunkt, ab dem die Zielgröße voraussichtlich die zulässigen Grenzen überschreitet.
In Zometric passt das Tool Stability Study ein Regressionsmodell an zeitbezogene Daten an, optional mit einem Chargenfaktor, und berechnet, wann das Produkt voraussichtlich seine Spezifikationsgrenzen verlässt.

Wann wird eine Stabilitätsstudie eingesetzt?

Anforderungen an die Daten
• Der Datensatz muss eine Zeitvariable als wichtigsten Prädiktor enthalten – sie treibt die Analyse.
• Optional kann ein Chargenfaktor aufgenommen werden, um Unterschiede zwischen Produktionschargen zu berücksichtigen; dieser Faktor kann je nach Studiendesign als fest oder zufällig behandelt werden.
• Die Zielgröße muss stetig sein, zum Beispiel Wirkstoffgehalt, Konzentration, pH-Wert oder Gewicht.

Hinweise zur Datenerhebung
• Stellen Sie sicher, dass die Daten die betrachtete Grundgesamtheit bzw. das Produkt zutreffend abbilden – unvollständige oder verzerrte Daten führen zu unzuverlässigen Haltbarkeitsschätzungen.
• Erheben Sie über mehrere Zeitintervalle hinweg ausreichend viele Datenpunkte, um die für genaue Vorhersagen nötige Präzision zu erreichen.
• Messen Sie alle Variablen so genau und präzise wie möglich – Messfehler wirken sich direkt auf die Qualität des Modells aus.
• Erfassen Sie die Daten in der Reihenfolge ihrer Erhebung, um die zeitliche Struktur der Analyse zu erhalten.

Modellanpassung
• Das Modell muss gut an die Daten angepasst sein; ein schlecht angepasstes Modell liefert irreführende Haltbarkeitsschätzungen.
• Prüfen Sie nach der Anpassung Residuendiagramme, Diagnosestatistiken zu ungewöhnlichen Beobachtungen und die zusammenfassenden Modellstatistiken, um zu bestätigen, dass das Modell die Daten zutreffend abbildet.

Hinweise zur richtigen Anwendung der Stabilitätsstudie

• Verwenden Sie eine stetige Zielgröße wie Wirkstoffgehalt, Konzentration oder Feuchtegehalt; kategoriale Zielgrößen sind für diese Analyse nicht geeignet.
• Nehmen Sie immer eine Zeitvariable als Prädiktor auf – die gesamte Analyse beruht darauf, Veränderungen im Zeitverlauf zu verfolgen.
• Nehmen Sie einen Chargenfaktor auf, wenn mehrere Produktionschargen untersucht werden, um die Streuung zwischen den Chargen in der Haltbarkeitsschätzung zu erfassen.
• Entscheiden Sie anhand des Studienziels, ob der Chargenfaktor als fest (bestimmte, interessierende Chargen) oder zufällig (Chargen als Vertreter einer größeren Grundgesamtheit) behandelt wird.
• Erheben Sie Daten, die die Zielgrundgesamtheit bzw. das Produkt wirklich abbilden; Daten aus nicht repräsentativen Bedingungen führen zu ungenauen Haltbarkeitsvorhersagen.
• Erheben Sie über ausreichend viele Zeitintervalle genügend Datenpunkte, um statistisch zuverlässige Schätzungen zu ermöglichen und die Vorhersageunsicherheit zu verringern.
• Messen Sie alle Variablen mit größtmöglicher Präzision – schon kleine Messfehler können die geschätzte Haltbarkeit erheblich verschieben.
• Erfassen Sie die Beobachtungen in der Reihenfolge ihrer Erhebung, um die Integrität der Zeitreihenstruktur zu wahren.
• Validieren Sie das Modell nach der Anpassung stets anhand von Residuendiagrammen und zusammenfassenden Modellstatistiken, bevor Sie Schlüsse ziehen oder eine Haltbarkeit angeben.
• Eine schlechte Modellanpassung ist ein Signal, die Modellstruktur zu überdenken, auf Ausreißer zu prüfen oder die Daten erneut zu untersuchen, bevor Sie fortfahren.

Alternativen: Wann Sie die Stabilitätsstudie nicht verwenden sollten

• Enthalten die Daten keine Zeitvariable, verwenden Sie stattdessen Fit Regression Model, um den Zusammenhang zwischen anderen stetigen Prädiktoren und der Zielgröße zu analysieren.
• Soll eine Zielgröße aus mehreren Prädiktoren ohne Zeitbezug vorhergesagt werden, verwenden Sie Fit Regression Model für die multivariable Analyse.
• Hat die Zielgröße zwei Kategorien wie Gut oder Schlecht, verwenden Sie stattdessen Fit Binary Logistic Model.
• Enthält die Zielgröße drei oder mehr geordnete Kategorien wie niedrig, mittel oder hoch, verwenden Sie stattdessen die ordinale logistische Regression.
• Enthält die Zielgröße drei oder mehr ungeordnete Kategorien wie Kratzer, Delle oder Riss, verwenden Sie stattdessen die nominale logistische Regression.

Beispiel für eine Stabilitätsstudie

Ein Qualitätsingenieur eines Pharmaunternehmens möchte ermitteln, wie lange Tabletten mit einem neuen Wirkstoff wirksam bleiben. Die Wirkstoffkonzentration in den Tabletten nimmt im Lauf der Zeit allmählich ab; der Ingenieur möchte daher den Zeitpunkt bestimmen, an dem sie 90% der ursprünglichen Wirksamkeit erreicht. Da der Wirkstoff neu ist, verfügt das Unternehmen nur über fünf Pilotchargen zur Schätzung der Haltbarkeit. Der Ingenieur prüft daher zu neun verschiedenen Zeitpunkten jeweils eine Tablette aus jeder Charge. Für die Schätzung der Haltbarkeit mit einer Stabilitätsstudie behandelt er jede Charge als festen Faktor, da alle Chargen systematisch beprobt werden. Geben Sie 90 bei LSL ein. Dabei wurden folgende Schritte durchgeführt:

  1. Die nötigen Daten wurden erhoben.
Stability Study — figure 1
  1. Analysieren Sie die Daten nun in Zometric Statistical Software unter https://statsai.zometric.com/.
  2. Um die Stabilitätsstudie zu finden, wählen Sie Statistical module> Regression>Stability Study.
  3. Geben Sie im Tool die Daten zusammen mit weiteren Eingaben wie folgt ein:
Stability Study — figure 2

5. Mit dem oben genannten Tool erhalten Sie folgende Ausgabe:

Stability Study — figure 3Stability Study — figure 4Stability Study — figure 5

Anleitung: Stabilitätsstudie durchführen

Gehen Sie wie folgt vor:

  1. Melden Sie sich bei Zometric Statistical Software an: https://statsai.zometric.com/
  2. Wählen Sie auf der Startseite Statistical Tool> Regression > Stability Study.
  3. Geben Sie anschließend die Daten manuell ein oder kopieren Sie sie vollständig (Ctrl+C) aus einer Excel-Tabelle und fügen Sie sie ein (Ctrl+V); alternativ gibt es die Option Load Example, mit der die Beispieldaten geladen werden.
  4. Füllen Sie anschließend die erforderlichen Optionen aus.
  5. Klicken Sie abschließend unten auf der Seite auf calculate, um die gewünschten Ergebnisse zu erhalten.

Das Dashboard von Stability Study ist in zwei Bereiche geteilt.

Stability Study — figure 6

Links befindet sich der Datenbereich (Data Pane). Im Data Pane bildet jede Zeile eine Teilgruppe. Die Daten können manuell eingegeben oder vollständig aus einer Excel-Tabelle kopiert (Ctrl+C) und hier eingefügt (Ctrl+V) werden.

Load example: Beispieldaten werden geladen.

Load File: Damit laden Sie Excel-Daten direkt.

Rechts stehen folgende Optionen zur Verfügung:

  • Response: Die Messgröße, die Sie im Zeitverlauf verfolgen, etwa Wirkstoffgehalt, pH-Wert oder Feuchtegehalt. Anhand dieser Variablen wird geprüft, ob das Produkt während seiner gesamten Haltbarkeit innerhalb der zulässigen Grenzen bleibt.
  • Time: Die Zeitpunkte, zu denen die einzelnen Messungen erfasst wurden (z. B. 0, 3, 6, 12 Monate). Mit dieser Variablen wird modelliert, wie sich die Zielgröße während der Lagerdauer verändert.
  • Batch: Die Produktionscharge, zu der jede Probe gehört. Wird die Charge einbezogen, lässt sich erkennen, ob sich verschiedene Chargen unterschiedlich schnell abbauen, was sich direkt auf die Haltbarkeitsschätzung auswirkt.
  • Lower Spec: Der kleinste zulässige Wert der Zielgröße. Fällt der Messwert des Produkts unter diese Grenze, gilt es als außerhalb der Spezifikation und ist nicht mehr sicher oder wirksam anwendbar.
  • Upper Spec: Der größte zulässige Wert der Zielgröße. Überschreitet der Messwert diese Grenze, gilt das Produkt ebenfalls als außerhalb der Spezifikation. Je nach Produkt können Sie eine oder beide Spezifikationsgrenzen verwenden.
  • Alpha for Pooling Batches : Steuert, ob Chargen getrennt analysiert oder in einem Modell zusammengefasst (gepoolt) werden. Ein höherer Alpha-Wert (0.25) erleichtert das Poolen von Chargen, was eine konservativere und zuverlässigere Haltbarkeitsschätzung ergibt. Der Standardwert 0.25 ist bewusst höher als das bei Hypothesentests übliche 0.05, denn bei Stabilitätsstudien ist es sicherer, Chargen getrennt zu halten, solange es keine starken Belege für ein gleiches Verhalten gibt.
  • Use One Spec Limit to Calculate Shelf Life: Manche Produkte verändern sich nur in eine Richtung – beispielsweise nimmt der Wirkstoffgehalt im Zeitverlauf nur ab. In solchen Fällen ist nur eine Spezifikationsgrenze (untere oder obere) relevant. Ist diese Option aktiviert, wird die Haltbarkeit anhand dieser einen Grenze statt anhand beider berechnet, was eine genauere und angemessenere Schätzung ergibt.
  • Batch is  : Legt fest, wie die Chargenvariable statistisch behandelt wird. Ist sie als Fixed Factor festgelegt, gelten die Ergebnisse nur für die geprüften Chargen – die Haltbarkeit wird anhand genau dieser Chargen geschätzt. Ist sie als zufällig (random) festgelegt, werden die Ergebnisse auf alle möglichen künftigen Chargen verallgemeinert. Fixed wird verwendet, wenn diese bestimmten Chargen das Produkt repräsentieren.
  • Confidence Interval  : Ein Konfidenzintervall gibt einen Bereich an, in dem die wahre Haltbarkeit wahrscheinlich liegt. Der Standardwert 95% bedeutet, dass Sie zu 95% sicher sind, dass die tatsächliche Haltbarkeit im berechneten Bereich liegt. Der Standardwert ist 95%, weil dies der allgemein anerkannte Industrie- und Behördenstandard ist – er ist vorsichtig genug, um Verbraucher zu schützen, und dennoch praktikabel für Hersteller. Ein niedrigerer Wert (z. B. 90%) ergäbe eine längere Haltbarkeit, aber weniger Sicherheit; ein höherer Wert (z. B. 99%) würde die geschätzte Haltbarkeit unnötig verkürzen.

Häufig gestellte Fragen

Was ist eine Stabilitätsstudie?

Eine Stabilitätsstudie ist eine statistische Analyse, die bestimmt, wie lange ein Produkt im Zeitverlauf innerhalb seiner Qualitätsspezifikationen bleibt. Sie passt ein Regressionsmodell einer messbaren Zielgröße wie des Wirkstoffgehalts gegen die Zeit an, optional mit einem Chargenfaktor, und schätzt die Haltbarkeit als den Zeitpunkt, ab dem die Zielgröße voraussichtlich ihre Spezifikationsgrenzen überschreitet.

Welche Daten benötigen Sie für eine Stabilitätsstudie?

Sie benötigen eine Zeitvariable als wichtigsten Prädiktor und eine stetige Zielgröße wie Wirkstoffgehalt, Konzentration, pH-Wert oder Gewicht. Ein Chargenfaktor kann hinzugefügt werden, um Unterschiede zwischen Produktionschargen zu berücksichtigen. Erheben Sie über mehrere Zeitintervalle genügend Datenpunkte, messen Sie genau und erfassen Sie die Daten in der Reihenfolge ihrer Erhebung.

Sollte die Charge ein fester oder ein zufälliger Faktor sein?

Behandeln Sie die Charge als festen Faktor, wenn die geprüften Chargen selbst von Interesse sind und das Produkt repräsentieren; die Haltbarkeit gilt dann für diese Chargen. Behandeln Sie sie als zufälligen Faktor, wenn die Chargen eine größere Grundgesamtheit repräsentieren; die Ergebnisse werden dann auf alle möglichen künftigen Chargen verallgemeinert.

Warum beträgt Alpha für das Poolen von Chargen 0.25?

Alpha for pooling batches steuert, ob Chargen getrennt analysiert oder in einem Modell zusammengefasst werden. Der Standardwert 0.25 ist bewusst höher als das bei Hypothesentests übliche 0.05, denn bei Stabilitätsstudien ist es sicherer, Chargen getrennt zu halten, solange es keine starken Belege für ein gleiches Verhalten gibt.