Estudio de estabilidad

Un estudio de estabilidad es un análisis estadístico que determina cuánto tiempo un producto permanece dentro de sus especificaciones de calidad definidas a lo largo del tiempo. Modela la relación entre el tiempo y una variable de respuesta medible para estimar la vida útil del producto, el punto en el que se espera que la respuesta supere los límites aceptables.

Última revisión:

Idea clave

Un estudio de estabilidad es un análisis estadístico que determina cuánto tiempo un producto permanece dentro de sus especificaciones de calidad definidas a lo largo del tiempo.

En esta página
  1. ¿Qué es un estudio de estabilidad?
  2. ¿Cuándo usar un estudio de estabilidad?
  3. Pautas para el uso correcto del estudio de estabilidad
  4. Alternativas: cuándo no usar el estudio de estabilidad
  5. Ejemplo de estudio de estabilidad
  6. Cómo realizar un estudio de estabilidad

¿Qué es un estudio de estabilidad?

Un estudio de estabilidad es un análisis estadístico que determina cuánto tiempo un producto permanece dentro de sus especificaciones de calidad definidas a lo largo del tiempo. Modela la relación entre el tiempo y una variable de respuesta medible para estimar la vida útil del producto, el punto en el que se espera que la respuesta supere los límites aceptables.
En Zometric, la herramienta Stability Study ajusta un modelo de regresión a datos basados en el tiempo, con la opción de incluir un factor de lote, y calcula cuándo se prevé que el producto quede fuera de sus límites de especificación.

¿Cuándo usar un estudio de estabilidad?

Datos necesarios
• El conjunto de datos debe incluir una variable de tiempo como predictor principal; es lo que impulsa el análisis.
• Se puede incluir un factor de lote opcional para tener en cuenta las diferencias entre lotes de producción; este factor puede tratarse como fijo o aleatorio según el diseño del estudio.
• La variable de respuesta debe ser continua, por ejemplo, potencia, concentración, pH o peso.

Pautas para la recolección de datos
• Asegúrese de que los datos representen con exactitud la población o el producto de interés; los datos incompletos o sesgados conducen a estimaciones de vida útil poco fiables.
• Recoja suficientes puntos de datos en varios intervalos de tiempo para obtener la precisión necesaria para hacer predicciones exactas.
• Mida todas las variables con la mayor exactitud y precisión posibles; los errores de medición afectan directamente la calidad del modelo.
• Registre los datos en el orden en que se recogen para preservar la estructura temporal del análisis.

Ajuste del modelo
• El modelo debe ajustarse bien a los datos; un modelo con mal ajuste producirá estimaciones de vida útil engañosas.
• Después del ajuste, revise las gráficas de residuos, los estadísticos de diagnóstico de observaciones inusuales y los estadísticos de resumen del modelo para confirmar que el modelo representa con exactitud los datos.

Pautas para el uso correcto del estudio de estabilidad

• Use una variable de respuesta continua, como la potencia, la concentración o el contenido de humedad; las respuestas categóricas no son adecuadas para este análisis.
• Incluya siempre una variable de tiempo como predictor; todo el análisis se basa en seguir el cambio a lo largo del tiempo.
• Incluya un factor de lote cuando se estudien varios lotes de producción, para captar la variabilidad entre lotes en la estimación de la vida útil.
• Decida si trata el factor de lote como fijo (lotes específicos de interés) o aleatorio (lotes representativos de una población mayor) según el objetivo del estudio.
• Recoja datos que representen realmente la población o el producto objetivo; los datos de condiciones no representativas darán predicciones de vida útil inexactas.
• Reúna suficientes puntos de datos en intervalos de tiempo suficientes para respaldar estimaciones estadísticamente fiables y reducir la incertidumbre de la predicción.
• Mida todas las variables con la máxima precisión; incluso pequeños errores de medición pueden desplazar de forma significativa la vida útil estimada.
• Registre las observaciones en el orden en que se recogen para mantener la integridad de la estructura de la serie temporal.
• Después de ajustar el modelo, valídelo siempre con gráficas de residuos y estadísticos de resumen del modelo antes de sacar conclusiones o informar la vida útil.
• Un mal ajuste del modelo es una señal para reconsiderar su estructura, buscar valores atípicos o volver a examinar los datos antes de continuar.

Alternativas: cuándo no usar el estudio de estabilidad

• Si los datos no contienen una variable de tiempo, utilice en su lugar Fit Regression Model para analizar la relación entre otros predictores continuos y la respuesta.
• Si el objetivo es predecir una respuesta a partir de varios predictores que no son el tiempo, utilice Fit Regression Model para el análisis de múltiples variables.
• Si la variable de respuesta tiene dos categorías, como pasa o no pasa, utilice en su lugar Fit Binary Logistic Model.
• Si la variable de respuesta contiene tres o más categorías ordenadas, como bajo, medio o alto, utilice en su lugar Ordinal Logistic Regression.
• Si la variable de respuesta contiene tres o más categorías sin orden, como rayón, abolladura o desgarro, utilice en su lugar Nominal Logistic Regression.

Ejemplo de estudio de estabilidad

El ingeniero de calidad de una empresa farmacéutica quiere determinar durante cuánto tiempo pueden mantenerse eficaces unas pastillas que contienen un fármaco nuevo. La concentración del fármaco en las pastillas disminuye gradualmente con el tiempo, por lo que el ingeniero desea identificar el punto en el que alcanza el 90% de su potencia inicial. Dado que el fármaco es nuevo, la empresa solo dispone de cinco lotes piloto para estimar la vida útil. Por ello, el ingeniero ensaya una pastilla de cada lote en nueve intervalos distintos. Al emplear un estudio de estabilidad para estimar la vida útil, el ingeniero trata cada lote como un factor fijo, ya que todos los lotes se muestrean sistemáticamente. Introduzca 90 en LSL. Los pasos son los siguientes:

  1. Recopiló los datos necesarios.
Stability Study — figure 1
  1. Ahora analiza los datos en Zometric Statistical Software en https://statsai.zometric.com/.
  2. Para encontrar stability study, elige Statistical module> Regression>Stability Study.
  3. En la herramienta introduce los datos junto con otras entradas, como se indica a continuación:
Stability Study — figure 2

5. Después de usar la herramienta mencionada, obtiene la siguiente salida:

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

Cómo realizar un estudio de estabilidad

La guía es la siguiente:

  1. Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
  2. En la página de inicio, elija Statistical Tool> Regression > Stability Study.
  3. A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V), o bien use la opción Load Example, con la que se cargarán los datos de ejemplo.
  4. A continuación, complete las opciones necesarias.
  5. Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.

En el tablero de Stability Study, la ventana está dividida en dos partes.

Stability Study — figure 6

En la parte izquierda se encuentra el panel de datos (Data Pane). En el Data Pane, cada fila forma un subgrupo. Los datos pueden introducirse manualmente o copiarse todos (Ctrl+C) de una hoja de Excel y pegarse (Ctrl+V) aquí.

Load example: Se cargarán los datos de ejemplo.

Load File: Se usa para cargar directamente los datos de Excel.

En la parte derecha hay varias opciones, que son las siguientes:

  • Response: La medición que se sigue a lo largo del tiempo, como la potencia, el pH o el contenido de humedad. Es la variable que se evalúa para ver si el producto permanece dentro de los límites aceptables durante toda su vida útil.
  • Time: Los puntos temporales en los que se registró cada medición (p. ej., 0, 3, 6, 12 meses). La herramienta usa esta variable para modelar cómo cambia la respuesta durante el periodo de almacenamiento.
  • Batch: El lote de producción específico al que pertenece cada muestra. Incluir el lote permite detectar si distintos lotes se degradan a ritmos distintos, lo que afecta directamente a la estimación de la vida útil.
  • Lower Spec: El valor mínimo aceptable de la respuesta. Si la medición del producto cae por debajo de este límite, se considera fuera de especificación y ya no es seguro ni eficaz para su uso.
  • Upper Spec: El valor máximo aceptable de la respuesta. Si la medición supera este límite, el producto se considera de nuevo fuera de especificación. Según el producto, puede usar uno o ambos límites de especificación.
  • Alpha for Pooling Batches : Controla si los lotes se analizan por separado o se combinan (agrupan) en un solo modelo. Un valor alfa más alto (0.25) facilita agrupar los lotes, lo que da una estimación de vida útil más conservadora y fiable. El valor por defecto de 0.25 es intencionadamente mayor que el 0.05 habitual en las pruebas de hipótesis, porque en los estudios de estabilidad es más seguro mantener los lotes separados salvo que haya pruebas sólidas de que se comportan igual.
  • Use One Spec Limit to Calculate Shelf Life: Algunos productos se degradan en una sola dirección; por ejemplo, la potencia solo disminuye con el tiempo. En esos casos, solo es relevante un límite de especificación (inferior o superior). Al habilitar esta opción, se indica a la herramienta que calcule la vida útil según ese único límite y no según ambos, lo que da una estimación más exacta y apropiada.
  • Batch is  : Define cómo se trata estadísticamente la variable de lote. Cuando se establece como Fixed Factor, los resultados se aplican solo a los lotes específicos ensayados: la vida útil se estima a partir de esos lotes exactos. Si se establece como aleatorio, los resultados se generalizan a todos los lotes futuros posibles. Se usa Fixed cuando esos lotes específicos representan el producto.
  • Confidence Interval  : Un intervalo de confianza da un rango dentro del cual es probable que se encuentre la vida útil real. El valor por defecto del 95% significa que se tiene un 95% de confianza en que la vida útil real se encuentra dentro del rango calculado. Se fija en el 95% por defecto porque es el estándar industrial y regulatorio ampliamente aceptado: equilibra la prudencia necesaria para proteger a los consumidores con la practicidad para los fabricantes. Un valor más bajo (p. ej., 90%) daría una vida útil más larga pero con menos certeza; un valor más alto (p. ej., 99%) acortaría innecesariamente la vida útil estimada.

Preguntas frecuentes

¿Qué es un estudio de estabilidad?

Un estudio de estabilidad es un análisis estadístico que determina cuánto tiempo un producto permanece dentro de sus especificaciones de calidad a lo largo del tiempo. Ajusta un modelo de regresión de una respuesta medible, como la potencia, frente al tiempo, opcionalmente con un factor de lote, y estima la vida útil como el punto en el que se espera que la respuesta supere sus límites de especificación.

¿Qué datos se necesitan para un estudio de estabilidad?

Se necesita una variable de tiempo como predictor principal y una respuesta continua, como la potencia, la concentración, el pH o el peso. Se puede añadir un factor de lote para tener en cuenta las diferencias entre lotes de producción. Recoja suficientes puntos de datos en varios intervalos de tiempo, mida con exactitud y registre los datos en el orden en que se recogen.

¿El lote debe ser un factor fijo o aleatorio?

Trate el lote como un factor fijo cuando interesen los lotes específicos ensayados y estos representen el producto; la vida útil se aplica entonces a esos lotes. Trátelo como aleatorio cuando los lotes representen una población mayor, de modo que los resultados se generalicen a todos los lotes futuros posibles.

¿Por qué el alfa para agrupar lotes es 0.25?

El alfa para agrupar lotes controla si los lotes se analizan por separado o se combinan en un solo modelo. El valor por defecto de 0.25 es intencionadamente mayor que el 0.05 habitual en las pruebas de hipótesis, porque en los estudios de estabilidad es más seguro mantener los lotes separados salvo que haya pruebas sólidas de que se comportan igual.