CPV en Pharma: SPC, OOT y tendencias para procesos GMP bajo control
Continued Process Verification (CPV): el programa de Stage 3 que evita sorpresas
La escena típica: “Muéstreme las tendencias de los últimos 12 meses”
Durante una inspección, cuando el inspector pregunta:
- “Tendencia de los CPP y CQA”
- “¿Cómo definen y gestionan un Out-of-Trend?”
- “¿Qué señales les activan una desviación antes de un OOS?”
…lo que veo a menudo son respuestas débiles, no porque falten datos, sino porque falta un programa CPV estructurado: datos dispersos, gráficos “anuales”, ninguna regla de señal, ninguna ownership clara.
La guía GuideGxP recuerda explícitamente la necesidad de Continued/Ongoing Process Verification (CPV/OPV) después de la validación inicial, con monitorización y trending continuo.
El mito que hay que desmontar: “Hemos hecho los 3 lotes de PPQ, así que estamos cubiertos”
Esa mentalidad podía ser “aceptable” en un mundo más estático. Hoy es arriesgada porque:
- los procesos cambian por microcausas, como desgaste, lotes de materia prima, mantenimientos o actualizaciones de software
- las desviaciones muchas veces nacen como drift y solo más tarde se convierten en OOS
- la expectativa en inspección es ver control proactivo, no solo reacción
Contrarian insight: el CPV no sirve solo para “complacer a QA” o al inspector. Bien hecho, es una de las mejores herramientas para reducir scrap y desviaciones repetitivas sin añadir controles inútiles.
CPV “real” = Stage 3 Process Validation + SPC + governance
Un CPV robusto tiene tres componentes:
- Qué monitorizas: CPP/CQA + indicadores de proceso
- Cómo lo monitorizas: SPC y reglas de señal
- Qué haces cuando “suena”: workflow OOT → triage → escalation
Mini-glosario (operativo, no teórico)
Stage 3 Process Validation: mantener evidencia de que el proceso sigue en estado de control.
SPC (Statistical Process Control): reglas estadísticas que distinguen ruido de señal.
OOT (Out-of-Trend): señal de deriva aunque todavía estés dentro de especificación.
La tabla “CPV Canvas” que recomiendo usar (1 página, no 40)
| Elemento | Decisión práctica | Output |
|---|---|---|
| CQA/CPP a trendar | selección risk-based, no todo | lista aprobada |
| Fuente de datos | MES/SCADA, LIMS, historian, logs de equipo | data map |
| Frecuencia | por lote / por turno / por campaña | calendario |
| Método SPC | I-MR, X̄-R, EWMA, CUSUM | regla elegida |
| Límites | alert/action limits + rationale | límites documentados |
| Reglas de señal | Nelson rules / Western Electric | triggers OOT |
| Owner | Producción / QA / MS&T | RACI |
| Escalation | cuándo abrir desviación/CAPA | workflow |
Qué control chart usar, sin complicarse la vida
| Si el dato es… | Usa… | Por qué |
|---|---|---|
| 1 medida por lote, por ejemplo rendimiento o assay medio | I-MR chart | simple, excelente para lotes |
| varios muestreos por lote, por ejemplo peso de comprimido | X̄-R o X̄-S | controla media + variabilidad |
| quieres interceptar drift pequeños y continuos | EWMA | sensible a derivas lentas |
| quieres evidenciar cambios bruscos por escalón | CUSUM | potente para shifts |
Desde la perspectiva de Producción, empezar con I-MR sobre 5–10 parámetros clave vale más que mil gráficos inútiles.
“OOT” no es una opinión: define reglas y haz que vivan
Ejemplos de triggers prácticos, en estilo de inspección:
- 1 punto por encima del action limit → evento
- 2 puntos consecutivos por encima del alert limit → OOT
- 6 puntos consecutivos en subida o bajada → drift
- 8 puntos consecutivos en el mismo lado de la media → process shift, típico tras mantenimiento o cambio de materia prima
Estas son aplicaciones operativas de las Nelson rules, o de reglas equivalentes. No hace falta ser matemáticos. Hace falta ser coherentes y estar documentados.
La parte que realmente marca la diferencia: la estratificación de datos, si no te autoengañas
En auditoría, una pregunta clásica es:
“¿Me pueden mostrar si la tendencia es la misma en todas las líneas y turnos?”
Si no estratificas, corres el riesgo de promediarlo todo y perder la señal. Yo normalmente estratificaría por:
- línea / equipment train, por ejemplo Línea 1 vs Línea 2
- turno / crew, por ejemplo Turno A/B/C
- lote de materia prima / supplier
- campaña, por ejemplo inicio vs final de campaña
- intervención de mantenimiento, antes vs después
Esto suele ser la clave para transformar un OOT de “misterio” en “causa plausible”.
Golden Batch y multivariante: cuando quieres subir de nivel sin hype
Si tenéis muchos parámetros correlacionados, algo típico en procesos complejos o plantas digitalizadas, podéis introducir:
- el concepto de golden batch, es decir, el perfil “bueno” esperado
- monitorización multivariante como PCA (Principal Component Analysis) y estadísticas como Hotelling’s T² para detectar patrones anómalos antes de que se conviertan en no conformidades
Un error que veo con frecuencia: la empresa compra herramientas avanzadas, pero no define quién “llama” la anomalía y qué pasa después. La tecnología sin governance es solo ruido.
Caso práctico de planta: deriva lenta en compresión
Escenario: comprimidos con especificación de dureza 80–110 N, todavía conformes, pero el CPV muestra:
- I-MR: 7 lotes con tendencia creciente hacia 108–109 N
- aumento de microrechazos por defectos borderline de friabilidad
Investigación desde la perspectiva del Manufacturing Manager, antes de que se convierta en OOS:
- verificar desgaste de punzones y levas
- comprobar lubricación y fuerza real de compresión frente al setpoint
- correlacionar con el lote de excipiente, especialmente la fluidez
- verificar condiciones ambientales, como HR, que afectan la compresibilidad
Acción eficaz: mantenimiento dirigido + sustitución anticipada de punzones, actualizando el plan de mantenimiento hacia un enfoque condition-based.
Resultado típico: ninguna desviación crítica, menos rechazos y audit trail limpio.
Workflow operativo: qué hacer cuando salta una señal CPV
- Triage: ¿es error de dato, cambio conocido como maintenance, o señal real?
- Evaluación de impacto: ¿qué CQA puede verse afectado? ¿Hace falta retención de lote/campaña?
- Acción de contención: ¿ajuste de setpoint, parada de línea, segregación?
- Root cause: instrumentos, materiales, método, personas, ambiente, con lógica Ishikawa
- CAPA + effectiveness check: demostrar que la tendencia vuelve y se mantiene estable
Qué recordar
- CPV no es un gráfico anual. Es SPC + reglas + decisiones.
- Sin estratificación, pierdes la señal y solo crees estar bajo control.
- El inspector no pregunta cuántos datos tienes, sino cómo los usas para prevenir problemas.
Roadmap realista de implementación en 6 semanas
Semana 1: seleccionar 5–10 parámetros de alto riesgo en 1–2 productos piloto.
Semana 2: mapear fuentes de datos y ownership: MES, SCADA, LIMS, data historian.
Semana 3: definir charts, límites, reglas OOT y governance, incluido el RACI.
Semana 4: ejecutar el piloto y corregir problemas: datos sucios, definiciones incoherentes, gaps.
Semana 5: formar a los supervisores y establecer una reunión rutinaria CPV de 30 minutos por semana.
Semana 6: go-live + primer effectiveness check: ¿las señales se gestionaron correctamente?
FAQ
1) ¿CPV y PQR son lo mismo?
No. El PQR es una revisión periódica amplia. El CPV es un programa vivo, con reglas y triggers diseñados para anticipar desviaciones y OOS.
2) ¿Cuántos parámetros debo trendar?
Pocos, pero críticos. Usa un enfoque risk-based sobre CPP/CQA, con límites y acciones. “Todo” solo genera ruido.
3) ¿Quién debe ser owner del CPV?
En un modelo maduro: Producción como owner operativo, QA para la governance y MS&T como soporte científico. Lo importante es que el owner tenga autoridad para activar acciones.
Si quieres ejemplos y referencias operativas sobre monitorización continua, trending e integración con el quality system, la Guía Técnica del Manufacturing Manager está pensada precisamente para traducir las expectativas GMP en herramientas prácticas.