DEPARTAMENTO DE ESTATISTICA
Flávia Beatriz da Silva Freitas
Aplicação do controle estatístico de processo nos dados de monitoramento do ponto SPT 11 do sistema de pré-tratamento de água do NUPLAM
Natal – RN 10 de Dezembro de 2018
Flávia Beatriz da Silva Freitas
Aplicação do controle estatístico de processo nos dados de monitoramento do ponto SPT 11 do sistema de pré-tratamento de água do NUPLAM
Universidade Federal do Rio Grande do Norte Centro de Ciências Exatas da Terra
Departamento de Estatística
Orientador: Prof. Dr. André Luís Santos de Pinho
Natal – RN 10 de Dezembro de 2018
Monografia de Graduação apresentada ao Departamento de Estatística do Centro de Ciências Exatas e da Terra da Universidade Federal do Rio Grande do Norte como requisito parcial para a obtenção do grau de Bacharel em Estatística.
Universidade Federal do Rio Grande do Norte - UFRN Sistema de Bibliotecas - SISBI
Catalogação de Publicação na Fonte. UFRN - Biblioteca Central Zila Mamede Freitas, Flávia Beatriz da Silva.
Aplicação do controle estatístico de processo nos dados de monitoramento do ponto SPT 11 do sistema de pré-tratamento de água do NUPLAM / Flávia Beatriz da Silva Freitas. - 2018. 36 f.: il.
Monografia (graduação) - Universidade Federal do Rio Grande do Norte, Centro de Ciências Exatas da Terra, Curso de Estatística. Natal, RN, 2018.
Orientador: Prof. Dr. André Luís Santos de Pinho.
1. Controle estatístico de processo - Monografia. 2.
Capacidade do processo - Monografia. 3. Validação - Monografia. I. Pinho, André Luís Santos de. II. Título.
RN/UF/BCZM CDU 31
Agradecimentos
A Deus, por minha vida, família e amigos.
A minha mãe Fátima, meu pai José Rufino, meu irmão Flaviano, meu tio Assis e minha madrinha Riselda pelo apoio e por sempre acreditarem em mim.
Ao professor André Luís Santos de Pinho por ter aceito ser o meu orientador, pelo empenho dedicado neste trabalho e pelos ensinamentos durante a minha graduação.
Aos professores do Departamento de Estatística, que estão sempre disponíveis e buscam ajudar nós alunos e, em especial: ao professor Francisco de Assis Medeiros, que está sempre buscando o melhor para os seus alunos e fazendo o possível para ajudá-los, aos professores Iloneide Ramos, Damião Nóbrega e Denise Araújo pelas conversas e conselhos durante o curso, aos professores, Carla Vivacqua e Pledson Guedes, pela disponibilidade em ajudar e apoio. A professora Gabriela Lucheze de Oliveira Lopes do departamento de Matemática, pelo aprendizado e apoio na disciplina de Cálculo II.
A todas as pessoas que fazem parte do Núcleo de Pesquisa em Medicamentos e Alimentos – NUPLAM, em especial: a minha chefe Ktarina Dantas de Moura Nobre pelo apoio, ensinamentos e paciência.
Aos meus amigos e amigas, ao meu avô Orlando e a minha avó Dora, tios e tias, primos e primas, que sempre estiveram presentes em minha vida, acreditando e torcendo por mim.
Aos amigos que fiz durante minha graduação, em especial, aos meus amigos Felipe e Vanessa, que desde os primeiros seis meses de curso estão ao meu lado em todos os momentos. A minha amiga Karol e ao meu amigo Pedro Luciano pelo amor e companheirismo.
A Universidade Federal do Rio Grande do Norte pela oportunidade de fazer o curso de Estatística.
“Penso, logo existo.”
Resumo
Em busca por uma produção de alta confiança e capacidade, o controle estatístico de processo (CEP) está ganhando cada vez mais espaço no âmbito industrial. Diante disto, estabelece-se e analisa-se a capacidade de um determinado processo, isto é, verifica-se se o procedimento respeita as especificações estipuladas. O presente trabalho, desenvolvido no Núcleo de Pesquisa em Medicamentos e Alimentos – NUPLAM, trata da análise dos dados provenientes de amostras realizadas no ponto SPT 11, ponto este que impacta na qualidade da água de entrada no núcleo para o processo de purificação da mesma, consequentemente influenciando processo de validação da água. O objetivo deste estudo é aplicar o controle estatístico de processo nos dados de monitoramento coletados, assegurando a confiabilidade afim de garantir a sua validação. As variáveis envolvidas neste processo são a condutividade, o total de carbono orgânico, a contagem de bactérias heterotróficas, dos coliformes fecais e totais. Esses dados foram colhidos entre junho de 2015 e maio de 2016.
Abstract
In search of high reliability and production capacity, the statistical process control (SPC) is gaining more space in the industrial scope. Therefore, establishing and analyzing the capacity of the process, that is, check whether the procedure complies with the specifications stipulated. The present work, developed in Núcleo de Pesquisa em Medicamentos e Alimentos – NUPLAM, deals with the analysis of data from samples carried out at point SPT 11, this point that impacts on the quality of the incoming water in the core for the purification process of the same, consequently influencing water validation process. The objective of this study is to apply statistical process control to the monitoring data collected, ensuring reliability in order to guarantee its validation. The variables involved in this process are conductivity, total organic carbon, the counting of heterotrophic bacteria, fecal and total coliforms. These data were collected between June 2015 and May 2016.
Sumário
1 INTRODUÇÃO ... 11
1.1 Objetivos ... 12
1.2 Organização dos capítulos ... 13
2 CONTROLE ESTATÍSTICO DE PROCESSO ... 14
2.1 Gráficos de controle ... 15
2.2 Gráfico de controle por variáveis ... 16
2.3 Gráfico de controle de p ... 17
2.4 Variabilidade ... 17
2.5 Capacidade do processo ... 18
3 SISTEMA DE ÁGUA – NUPLAM ... 20
3.1 Água de entrada ... 20
3.2 Pré-Tratamento ... 21
4 VARIÁVEIS ANALISADAS ... 23
4.1 Descrição das variáveis ... 23
5 APLICAÇÃO EM DADOS REAIS ... 25
6 CONCLUSÃO ... 32
APÊNDICE A – Fluxograma da Estação de Pré-Tratamento de Água no NUPLAM PARTE 02.. 33
APÊNDICE B – Fluxograma da Estação de Tratamento de Água no NUPLAM ... 34
APÊNDICE C – Fluxograma da Estação de Água Purificada no NUPLAM ... 35
1. Introdução
O trabalho foi desenvolvido no Núcleo de Pesquisa em Alimentos e Medicamentos (NUPLAM), onde possui como competência principal desenvolver tecnologia de produção e adaptar tecnologias transferidas para a produção de insumos farmacêuticos, medicamentos e higienizantes.
A água é um componente indispensável na indústria farmacêutica que contribui para o desenvolvimento e qualidade do laboratório, já que suas propriedades físicas e químicas diferem muito das de qualquer outra substância. Atuando no processo de limpeza de materiais e superfícies, a água também pode ser aplicada como transporte de elementos.
Possuindo uma enorme capacidade de dissociação, a água pode ser utilizada para absorver, adsorver ou suspender diversos compostos, além disso, segundo MENDES et al. (2011), pode ser empregada também para preparação de soluções de enxágue e de tampões, confecção de meios de cultura, alimentação de analisadores automatizados, lavagem, sanitização e recuperação de utensílios, proporcionando assim a eficácia de um produto farmacêutico.
Portanto, é importante que a água seja controlada, a fim de garantir a qualidade, levando em consideração que por ter grande poder de associar compostos diversos, as chances de contaminação aumentam.
Os contaminantes são:
Contaminantes químicos: Incluem-se as endotoxinas bacterianas, resultantes de micro-organismos aquáticos Gram negativos. Esses contaminantes podem ser avaliados, principalmente, pelos ensaios de Total de Carbono Orgânico – TOC e de condutividade (BRASIL, 2017).
Contaminantes microbiológicos: São representados principalmente por bactérias. O padrão microbiológico é especificado, em paralelo aos contaminantes químicos, e consiste na ausência de coliformes totais e termotolerantes (micro-organismos patogênicos de origem fecal), além de enterovírus, cistos e oocistos de protozoários, como Giardia sp e
Cryptosporidium sp em amostra de 100 ml. (BRASIL, 2017).
O processo de purificação da água para uso farmacêutico que passa por um pré-tratamento e segue para a etapa de pré-tratamento, através da Osmose Reversa de Duplo Passo, é baseado na eliminação de impurezas físico-químicas, biológicas e microbianas até se obterem
níveis preestabelecidos em compêndios oficiais aprovados pelas autoridades sanitárias (BRASIL, 2013).
O monitoramento da qualidade da água deve abranger todos os pontos críticos e representativos do sistema, de acordo com o planejamento estabelecido, de forma consistente e contínua. Assim, devem ser estabelecidos procedimentos operacionais e de sanitização, um programa de monitoramento abrangente, com manutenção preventiva e um sistema de controle de mudanças, que determine criteriosamente se o sistema necessitará ser revalidado após qualquer modificação. As questões sazonais que podem afetar a qualidade da água da fonte de fornecimento devem ser consideradas na elaboração do plano. A frequência de coleta das amostras é definida na validação do sistema, bem como os ensaios necessários para garantir a manutenção da qualidade da água requerida. Qualquer alteração no plano original deve ser reavaliada (BRASIL, 2017).
A validação dos processos é um dos requisitos de boas práticas de fabricação. Trata-se de um ato documentado que atesta que qualquer procedimento, processo, equipamento, material, operação, ou sistema realmente conduza aos resultados esperados, assegurando a produção de lotes uniformes que atendem as especificações requeridas pelo produto (ALENCAR, 2005).
Dessa forma, uma solução eficaz e segura para avaliar a condição do processo em atender as especificações de determinada característica da qualidade do produto é a análise de capacidade. De acordo com Bayeux et al. (2001), isso implica na análise da estabilidade e variabilidade do processo, bem como o exame de sua posição relativa aos limites e centro do campo de tolerância da característica de interesse. Assim, o estudo da capacidade do procedimento visa determinar o comportamento (existente ou desejável) do processo, de modo que as tolerâncias de projeto do produto possam ser satisfeitas com os recursos disponíveis, ou de outra forma, na especificação de características de novos equipamentos produtivos ou na comparação de processos com diferentes equipamentos.
1.1 Objetivos:
Os principais objetivos desta monografia são:
Apresentar a aplicação do controle estatístico de processo (CEP) na indústria farmacêutica por meio do NUPLAM;
Verificar a estabilidade em um ponto de coleta do processo de purificação do sistema de água do NUPLAM na etapa do pré-tratamento.Diante disso, os objetivos específicos podem ser resumidos em: Compreender o sistema de água no NUPLAM
Entender os principais conceitos em controle estatístico de processos;
Estudar os gráficos de controle que são utilizados para analisar dados de controle de qualidade;
Compreender a variabilidade em processos;
Estudar a capacidade de um processo e seus respectivos índices; Aplicar as técnicas estudadas em dados reais.
1.2 Organização dos capítulos
Este trabalho está dividido em seis capítulos. Neste primeiro capítulo é feita uma apresentação dos principais tópicos apresentados nesta monografia. No segundo capítulo definimos o controle estatístico de processo e comentamos sobre a sua aplicabilidade na indústria farmacêutica. Além disso, expomos os conceitos dos gráficos de controle por variáveis e do gráfico p, bem como seus respectivos limites de controle. As definições de variabilidade e capacidade em um processo são relatadas. O terceiro capítulo está dividido em 2 partes em que cada uma representa as etapas do sistema de água do NUPLAM. No quarto capítulo é feita uma descrição das variáveis estudadas e apresentamos possíveis elementos que causem alterações nelas. Já no capítulo cinco consideramos aplicações a dados reais que envolvem a teoria exposta ao longo da monografia. Finalmente, no sexto capítulo apresentamos as conclusões e pesquisas futuras relacionadas a este trabalho.
2. Controle Estatístico de Processo
A garantia da qualidade de um produto tem sido excessivamente cobrada por seus consumidores e as empresas e/ou indústrias para atingirem a excelência de sua produção e se tornarem estáveis e competitivas no mercado precisam manter um bom controle de seus procedimentos.
Segundo Montgomery (2004, p. 95), o controle estatístico de processo (CEP) é uma poderosa coleção de ferramentas de resolução de problemas útil na obtenção da estabilidade do processo e na melhoria da capacidade através da redução da variabilidade.
O CEP é um sistema de monitoramento pelo método de amostragem, análise e interpretação dos dados, permitindo a visualização do comportamento da produção, a fim de assegurar maior confiabilidade no produto final obtido, consequentemente, propiciando a melhoria do procedimento, já que verificando a presença de causas especiais que podem prejudicar a qualidade do produto, são realizados planos de ações para eliminá-las ou reduzi-las.
De acordo com Alencar et al. (2005), a dinâmica das Boas Práticas de Fabricação (BPF) e Controle dentro da indústria farmacêutica tende a incorporar conceitos de otimização de processos, redução de perdas e gestão ambiental plena, além das já consagradas práticas de monitoramento específicas para a produção de medicamentos.
Diante disto, o CEP é uma ferramenta de grande utilidade, pois incorpora também o conceito das BPF, além de fornecer informações imprescindíveis para a validação de processos, uma vez que permitem a investigação detalhada de todos os pontos críticos de controle, diagnosticando as possíveis não conformidades em todas as etapas do processo, além de sinalizar as possíveis fontes desses desvios de qualidade possibilitando correções e interações com o processo (LIMA, 2009).
O CEP tem como finalidade principal proporcionar um controle eficaz da qualidade do que está sendo produzido. O monitoramento do sistema possibilita que as variáveis permaneçam sob controle. Além disso, sinaliza se houver a presença de causas especiais de variação, assim propiciando aos analistas a necessidade de investigá-las e ajustá-las, conforme o tamanho dos desvios encontrados. Dessa forma, se o defeito for encontrado em um tempo hábil, pode-se evitar a produção de itens defeituosos. Portanto, a utilização adequada do CEP aumenta a confiabilidade e capacidade do processo, já que reduz a variabilidade, os custos de produção e de má qualidade.
Na indústria farmacêutica a busca por qualidade na produção e lucratividade, fez com que o CEP ganhasse espaço e proporcionasse a redução de ocorrências de não conformidades, a diminuição de fabricação de lotes defeituosos e consequentemente o aumento da capacidade do processo.
2.1 Gráficos de controle
Os gráficos de controle são ferramentas importantes para distinguir as causas de variação. As causas especiais são consideradas falhas de operação, não possuem um comportamento padrão e a sua identificação é de responsabilidade da área operacional da empresa. A ação corretiva imediata ajuda de maneira significativa o desempenho do processo, já que a presença de causas especiais possui um elevado impacto econômico.
Entretanto, um processo que apresenta causas comuns é considerado como estável, pois diferente das causas especiais, as causas comuns apresentam um padrão natural. Dependendo do nível de variabilidade, as causas comuns não prejudicam a qualidade dos itens produzidos. Além disso, embora que os operadores sejam capazes de identificar essas causas, elas só podem ser resolvidas com a aprovação da gerência, já que sua redução/eliminação gera mudanças no sistema operacional como um todo.
Diante disso, temos os gráficos de controle desenvolvidos por Walter A. Shewhart na década de 20 na empresa de telefonia Bell Telephone Laboratories, considerados como poderosas ferramentas para realizar a diferenciação entre as causas especiais e as causas comuns de um processo esses gráficos passam por análises para identificar possíveis desvios, afim de reduzir a quantidade de produtos fora de especificações.
Para LIMA (2009), as cartas ou gráficos de controle consistem em uma linha central, um par de limites de controle, um dos quais se localiza abaixo e outro acima da linha central, e valores característicos marcados no gráfico representando o estado de um processo. Se todos esses valores marcados estiverem dentro dos limites de controle, sem qualquer tendência particular e a disposição dos pontos dentro dos limites for aleatória, o processo é considerado sob controle. Entretanto, se os pontos incidirem fora dos limites de controle ou apresentarem uma disposição atípica, o processo é julgado fora de controle.
Existem dois tipos de gráficos de controle: os gráficos de controle para variáveis e gráficos para atributos. Quando os parâmetros não podem ser representados numericamente,
utilizamos os gráficos por atributo que podem ser fundamentados na presença ou ausência de alguma característica de um item, este item pode estar ou não-conforme.
Entretanto, os gráficos de controle para variáveis utilizam dados de escala numérica, obtendo a variação de modo quantitativo. Esses gráficos podem ser subdivididos em gráficos de controle pela média, pela amplitude e pelo padrão, e gráficos de dispersão do desvio-padrão e da amplitude.
2.2 Gráfico de controle por variáveis
O controle da média do processo é usualmente feito através do gráfico de controle para médias, ou gráfico de 𝑋̅. A variabilidade do processo pode ser monitorada tanto através do gráfico de controle para o desvio padrão, chamado gráfico S como para o gráfico de amplitude, chamado gráfico R (LIMA, 2009).
A linha média (LM) para o gráfico de 𝑋̅ é localizada na média de 𝑋̅, o limite superior de controle (LSC) e o limite inferior de controle (LIC) para o gráfico são usualmente estabelecidos a três desvios-padrão dessa média, isto é:
𝐿𝑆𝐶𝑋̅ = µ𝑋̅ + 3𝜎𝑋̅
𝐿𝑀𝑋̅ = µ𝑋̅
𝐿𝐼𝐶𝑋̅ = µ𝑋̅ - 3𝜎𝑋̅
Os limites de controle com três desvios-padrão de afastamento em relação à linha média (“limites de 3 sigma”) foram propostos por Shewhart, que se baseou no seguinte lema: “se o processo estiver em controle, evite ajustes desnecessários, que só tendem a aumentar a sua variabilidade”. Com a abertura de três desvios-padrão, enquanto o processo estiver em controle, raramente um ponto cairá na região de ação do gráfico, o que seria indicação para intervir no processo, visando fazer os ajustes necessários. Desse modo, raramente se cometerá o equívoco de intervir em um processo, em controle. Intervenções em processos em controle, além de desnecessárias, são perigosas, pois podem afetar o processo, desajustando-o, por exemplo (COSTA, 2005).
Os limites de controle para o gráfico R, destinado a monitorar a dispersão do processo, também são situados usualmente a três desvios-padrão de afastamento da média, ou seja:
𝐿𝑆𝐶𝑅= µ𝑅 + 3𝜎𝑅
𝐿𝐼𝐶𝑅= µ𝑅 - 3𝜎𝑅
Se a distribuição da variável de interesse X for normal com desvio-padrão igual a σ, então a distribuição da amplitude amostral R (diferença, em módulo, entre o menor e o maior valor da amostra) terá média e desvio-padrão dados por:
µ𝑟= 𝑑2σ 𝜎𝑟= 𝑑3σ
em que as constantes 𝑑2 e 𝑑3 dependem apenas do tamanho da amostra n (COSTA, 2005).
2.3 Gráfico de controle de p
No gráfico de controle de p, número de itens defeituosos (“não conformes”), os valores de D, são divididos pelo tamanho da amostra, n, ou seja, nesse gráfico são plotadas as frações de defeituosos de cada amostra de tamanho n. Os limites de controle do gráfico p são:
𝐿𝑆𝐶𝑝 = 𝑝0+ 3√𝑝0(1 − 𝑝0)/𝑛
𝐿𝑀𝑃 = 𝑝0
𝐿𝐼𝐶𝑝 = 𝑝0− 3√𝑝0(1 − 𝑝0)/𝑛
Para um mesmo tamanho de amostra n, o gráfico de p é equivalente ao gráfico de np, ou seja, o risco α (o nível máximo aceitável de risco para rejeitar a hipótese nula quando ela é verdadeira (erro tipo I)), e a forma da sequência dos pontos em ambos os gráficos, são exatamente iguais. Uma das vantagens de trabalhar com o gráfico de p é que sua linha central, que corresponde à proporção média de não-conformes do processo, informa diretamente o nível de qualidade do processo (quanto menor o valor da linha central, melhor o nível de qualidade) (COSTA, 2005).
Em situações como a nossa, em que o tamanho das amostras não pode ser mantido constante, isto é, o número de unidades produzidas em cada intervalo de tempo não é exatamente o mesmo, os tamanhos de amostra variam, deve-se optar pelo gráfico de p, pois este terá uma única linha média.
2.4 Variabilidade
A variabilidade é um conjunto de variações ocorridas nos parâmetros envolvidos de um determinado método. Diante disso, temos que a variabilidade se encontra sempre presente em
qualquer tipo de procedimento não determinístico. Para eliminar ou reduzir este fenômeno, cujas observações sucessivas não geram o mesmo resultado, devemos diferenciar as variações. Tem-se as causas comuns, que são naturais do processo, que são de difícil identificação e eliminação. Tem-se também as variações de causas especiais, em que não necessita de uma mudança de alto custo para a empresa, sendo de fácil identificação e eliminação (OAKLAND, 2003).
De acordo com Pires (2000), atuar sobre causas comuns como se fossem causas especiais pode levar a um aumento indesejado da variabilidade do processo, além de representar um custo desnecessário para a empresa. Por outro lado, se as causas especiais passarem despercebidas, estas podem ser incorporadas ao resultado do processo, tomando aceitável um produto que deveria ser rejeitado. Além disso, ignorando-se causas especiais, perdem-se oportunidades de melhoria no produto ou processo.
2.5 Capacidade do processo
A capacidade do processo é analisada após a eliminação de todas as causas especiais, isto é, se o processo estiver estável, indicando variabilidade apenas de causas comuns, ele segue um determinado padrão, podendo assim, verificar sua efetiva capacidade. Esta análise tem como objetivo averiguar se o processo atende as especificações estabelecidas.
Os índices de capacidade de processos (ICP’s) são os parâmetros que medem o quanto ele é capaz. Para grande parte dos índices, quanto maior o seu valor, melhor o processo consegue atender às especificações.
Os ICP’s mais usuais são: 𝐶𝑝
É insensível aos deslocamentos na média do processo e não considera a sua centralização. Avalia a largura da amplitude do processo em comparação com a largura da especificação, além disso, quanto maior o valor do índice, melhor. O cálculo do 𝐶𝑝 utiliza o limite superior de
especificação (LSE) e o limite inferior de especificação (LIE), podendo ser calculado da seguinte maneira:
𝐶𝑝 =
𝐿𝑆𝐸 − 𝐿𝐼𝐸 6𝜎 𝐶𝑝𝑘
Diferente do 𝐶𝑝, este considera a centralização do processo e é sensível aos deslocamentos dos dados. Se a média do processo não pertencer ao intervalo de especificação, o índice assumirá valores negativos. O 𝐶𝑝𝑘 pode ser calculado da seguinte maneira:
𝐶𝑝𝑘 = 𝑀𝑖𝑛 {𝐿𝑆𝐸 − µ
3𝜎 ,
µ − 𝐿𝐼𝐸 3𝜎 }
3. Sistema de água no NUPLAM
3.1 Água de entrada
O sistema de produção de água do NUPLAM foi projetado tendo como base a água potável que abastece a Estação de Tratamento de Água. A condição dessa água é o que vai determinar quais métodos serão empregados para a obtenção da água purificada para fins farmacêuticos.
Fluxograma da Estação de Pré-Tratamento de Água no NUPLAM PARTE 01
3.2 Pré-tratamento
A etapa de Pré-Tratamento do Sistema de Tratamento de Água é constituída por uma série de equipamentos e acessórios ligados em linha, com o objetivo de realizar o tratamento prévio da água de abastecimento e seu monitoramento para que os parâmetros apropriados para a etapa seguinte, do Tratamento, através de Osmose Reversa de Duplo Passo, sejam atingidos.
Inicialmente, a água é submetida ao método de cloração em linha de forma manual, com a adição de hipoclorito de sódio para diminuir a carga microbiana. Após a cloração, a água passa por uma válvula elétrica solenoide que visa diminuir a sua pressão de entrada, através do controle da vazão. Essa água, em seguida, passa por um filtro de areia, responsável pela filtração inicial, com o objetivo de retirar as impurezas mais grosserias e então é enviada à caixa d´água, com capacidade de 9.000 litros, para armazenamento de capacidade.
A água pré-tratada armazenada na caixa d´água é conduzida por uma tubulação de PVC e passa por mais uma válvula elétrica solenoide e por outro filtro de areia. Em seguida, é direcionada para a ETA, onde passa por um filtro de 5 µm, visando reduzir ainda mais as impurezas. Logo após, o analisador de cloro verifica a quantidade de cloro presente na água. Então a água chega ao tanque de abastecimento do deionizador, onde é submetida a um tratamento para a retirada do cloro, através de uma reação química com bissulfito de sódio, injetado por meio de uma bomba injetora. Após isso, a água é impulsionada pela bomba centrifuga de alimentação do deionizador, onde entra em contato com as resinas de troca iônica do deionizador (catiônica e aniônica, dispostas nessa sequência), com a finalidade de reduzir a carga de íons, tendo em vista que a água do poço possui elevada condutividade e também atender as especificações requeridas para a osmose reversa.
Após a passagem pelo deionizador, a água passa pelo filtro de 1 µm e segue para o tanque pulmão de alimentação da osmose reversa, onde é realizada a análise e o ajuste automático do pH da água, através da injeção de solução de hidróxido de sódio por meio de uma bomba injetora. O tanque pulmão, também recebe a água de recirculação, onde o ponto de coleta SPT 11 é encontrado, que sai do rejeito do primeiro passo e segundo passo da Osmose Reversa. Essa água, logo em seguida, passa por um filtro esterilizante de 30’ com porosidade de 0,22µm retendo partículas e microrganismos (Apêndice C). Após passar por essa barreira a água desemboca no tanque pulmão. Posteriormente, a água segue para a osmose reversa, onde será iniciada a fase de tratamento da água em processo.
Há ainda, distribuídos por toda etapa de pré-tratamento, os pontos de coleta da água para análise físico-química e microbiológica. Esses estão nomeados da seguinte maneira: SPT 00, SPT 01, SPT 02, SPT 03 e SPT 11 localizados de acordo com os Apêndices A e B.
O ponto de coleta SPT 11 foi escolhido para estudo deste trabalho por se tratar de um ponto que surte efeito significativo na qualidade da água de entrada do NUPLAM, portanto, sendo uma coleta indispensável para a análise, visto que influencia diretamente no processo de validação da água.
4. Variáveis analisadas
As variáveis analisadas foram escolhidas por serem contaminantes químicos e microbiológicos capazes de afetar todo o processo de purificação da água para uso farmacêutico drasticamente caso não estejam controladas.
4.1 Descrição das variáveis
Condutividade: é uma medida do fluxo de elétrons o qual é facilitado pela presença de íons. Moléculas de água dissociam-se em íons em função do pH e da temperatura, resultando em uma determinada condutividade (THOMPSON, 2016). Alguns gases, em especial o dióxido de carbono, que dissolvem-se em água e interagem para formar íons que afetam a condutividade e o pH da água. Tais íons e a condutividade resultante podem ser considerados como intrínsecos à água (BRASIL, 2010). A condutividade pode indicar níveis de substâncias indesejadas uma vez que as impurezas relevantes são iônicas. Compostos frequentemente encontrados em amostras de água purificada são íons cloreto e amônio. Tais íons externos podem ter impacto significativo na pureza química da água e comprometer a utilização em aplicações farmacêuticas (ALBINI, 2012).
TOC: é o Total de Carbono Orgânico, isto é, a análise do TOC tem o objetivo de avaliar a contaminação da água com a presença de impurezas orgânicas (capítulo 643, USP XXIII). O teor de TOC pode estar relacionado à ocorrência de endotoxinas, ao crescimento microbiano e ao desenvolvimento de biofilmes nas paredes de tubulação dos sistemas de distribuição de água para uso farmacêutico. Sendo que baixos níveis de TOC sugerem a ausência de compostos químicos orgânicos potencialmente nocivos na água usada na elaboração de fármacos e cosméticos (BRASIL, 2010).
Bactérias heterotróficas: As bactérias podem afetar a qualidade da água por desativar reagentes ou alterar substratos por ação enzimática, aumentar o conteúdo em TOC, alterar a linha de base (ruído de fundo) em análises espectrais e produzir pirogênios e endotoxinas (BRASIL, 2017). O surgimento das bactérias pode ser originário da própria microbiota da fonte de água ou de equipamentos do sistema de purificação. Podem surgir, também, de procedimentos de limpeza e sanitização inadequados que levam à formação de biofilmes e por consequência, instalam um ciclo continuo de crescimento a partir
de compostos orgânicos que são os próprios nutrientes para os micro-organismos (ALBINI, 2012).
Coliformes totais (bactérias do grupo coliforme) – bacilos gram-negativos, aeróbios ou anaeróbios facultativos, não formadores de esporos, oxidase-negativos, capazes de desenvolver na presença de sais biliares ou agentes tensoativos que fermentam a lactose com produção de ácido, gás e aldeído a 35,0 ± 0,5 ºC em 24 - 48 horas, e que podem apresentar atividade da enzima ß – galactosidase (BRASIL, 2001). Os coliformes totais podem ser encontrados na maioria dos ambientes que apresentem compostos orgânicos passiveis de decomposição, e sua presença pode ser um indicativo de falta de higiene (CASALI, 2008).
Coliformes fecais – subgrupo das bactérias do grupo coliforme que fermentam a lactose a 44,5 ± 0,2 ºC em 24 horas (BRASIL, 2001). Pode-se indicar poluição sanitária para o surgimento dos coliformes fecais, visto que essas bactérias são mais restritas ao trato intestinal de animais (CASALI, 2008).
5. Aplicação em dados reais
Os dados analisados foram colhidos 5 vezes a cada semana entre o período de junho de 2015 a maio de 2016, sendo assim, cada ponto plotado no gráfico, representa a média de 5 dias de uma semana. Os elementos utilizados para o estudo do TOC resultaram em um total de 36 semanas, enquanto que os dados para as análises da condutividade foram de 39 semanas. Já as observações coletadas das bactérias heterotróficas e dos coliformes fecais e totais foram apenas de 15 semanas, visto que o setor do laboratório onde a coleta foi realizada passou um espaço de tempo sem determinados reagentes que possibilitam a pesquisa dos coliformes fecais e totais. Dessa forma, por se tratar de contaminantes biológicos foi estabelecido que a quantidade de semanas analisadas das bactérias heterotróficas e dos coliformes fecais e totais seriam as mesmas.
O programa R foi utilizado para gerar os gráficos apresentados neste trabalho. O pacote qcc (do inglês, “Quality control chart”) é um dos mais usados em R para estudos de controle estatístico de processo, por sua facilidade em gerar os gráficos de controle, para variáveis e atributos, e a análise da capacidade do processo. Além do gráfico de controle, o R também apresenta o valor da linha central (CL), do limite inferior (LCL) e superior de controle (UCL). No gráfico de controle da função qcc, se obtivermos, pontos na cor vermelha significa que o valor daquele subgrupo racional está extrapolando os limites de controle, pontos na cor amarela significa que algum padrão de não-aleatoriedade foi detectado naquele instante de tempo. Os pontos na cor preta não apresentam irregularidade no processo.
Gráfico 01: Número de itens não conformes de bactérias heterotróficas no ponto STP 11
Fonte: NUPLAM
Verificamos, no gráfico de proporção para bactérias heterotróficas, que o ponto SPT 11 encontra-se fora do limite superior de controle, indicando a possibilidade de existência de causas especiais de variação.
Group G ro u p su m m a ry st a ti st ics 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0 .0 0 .2 0 .4 0 .6 0 .8 p Chart for N.conformes LCL UCL CL Number of groups = 15 Center = 0.06976744 StdDev = 0.2547547 LCL = 0 UCL is variable
Number beyond limits = 1 Number violating runs = 0
Gráfico 02: Número de itens não conformes de coliformes fecais no ponto STP 11
Fonte: NUPLAM
Gráfico 03: Número de itens não conformes de coliformes totais no ponto STP 11
Fonte: NUPLAM Group G ro u p su m m a ry st a ti st ics 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 -1 .0 -0 .5 0 .0 0 .5 1 .0 p Chart for N.conformes LCL UCL CL Number of groups = 15 Center = 0 StdDev = 0 LCL = 0 UCL = 0
Number beyond limits = 0 Number violating runs = 0
Group G ro u p su m m a ry st a ti st ics 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 -1 .0 -0 .5 0 .0 0 .5 1 .0 p Chart for N.conformes LCL UCL CL Number of groups = 15 Center = 0 StdDev = 0 LCL = 0 UCL = 0
Number beyond limits = 0 Number violating runs = 0
Segundo o Ministério da Saúde (2017), para todos os tipos de água para uso farmacêutico, independentemente do método utilizado, coliformes totais e fecais devem estar ausentes. Como foi observado nos gráficos 02 e 03, não temos nenhum item não conforme nas variáveis analisadas, isto é, os dados estão de acordo com as orientações da ANVISA e não identificamos presença de coliformes fecais e totais no ponto SPT 11.
Gráfico 04: Gráfico X-barra para a condutividade no ponto SPT 11
Fonte: NUPLAM
Gráfico 05: Gráfico R para a condutividade no ponto SPT 11
Fonte: NUPLAM Grupo M é d ia d o g ru p o 1 4 7 10 13 16 19 22 25 28 31 34 37 0 50 100 150 200 LCL UCL CL x Grupo A m p li tu d e 1 4 7 10 13 16 19 22 25 28 31 34 37 0 100 200 300 400 500 600 R LCL UCL CL
Gráfico 06: Gráfico X-barra para o TOC no ponto SPT 11
Fonte: NUPLAM
Gráfico 07: Gráfico R para o TOC no ponto SPT 11
Fonte: NUPLAM Grupo M é d ia d o g ru p o 1 3 5 7 9 11 13 15 17 19 21 23 25 500 1000 1500 2000 LCL UCL CL x Grupo A m p li tu d e 1 3 5 7 9 11 13 15 17 19 21 23 25 0 500 1000 1500 2000 R LCL UCL CL
Os gráficos de controle de número 04 até o 07 representam um processo fora de controle, isto é, o comportamento do processo é instável. Em busca de uma melhoria para o processo, o ideal seria identificar as causas especiais, o período em que elas atuaram e, em consequência, quais amostras foram afetadas por elas, em seguida, tomar medidas preventivas para que estas causas especiais não afetem mais o processo.
6. Conclusão
O estudo realizado neste trabalho nos apresentou, por meio dos gráficos de controle, que o processo se encontra fora de controle. O ideal seria abrir uma investigação para evidenciar os problemas e classificar os principais motivos que afetam a qualidade da água, já que desejamos um processo estável e previsível.
Segundo COSTA et al. (2005), o monitoramento dos processos, se realizado de forma inteligente, implica custos que se pagam facilmente, pois qualidade agrega valor. Os custos com a qualidade são organizados em quatro categorias: custos de prevenção, custos de avaliação, custos de falhas internas e custos de falhas externas.
Sendo assim, recomenda-se uma análise mais detalhada do processo e que sejam realizadas novas técnicas de planejamento e análise de experimento, afim de buscar melhorias para o procedimento em questão.
Diante disso, paralelo a este estudo, o Núcleo de Pesquisa em Medicamentos e Alimentos – NUPLAM estava realizando uma investigação para identificar quais fatores afetam a variabilidade e ajustá-los, afim de permitir uma redução na variabilidade sem comprometer a centralidade do processo no valor alvo desejado. Com isso, muitas causas especiais já foram identificadas e eliminadas do processo.
Portanto, temos como sugestão para trabalhos futuros implementar um experimento com a finalidade de realizar uma análise de capacidade do processo, ou seja, verificar se o procedimento atende as especificações estabelecidas.
Apêndice A – Fluxograma da Estação de Pré-Tratamento de Água no NUPLAM PARTE 02
Apêndice B – Fluxograma da Estação de Tratamento de Água no NUPLAM
Apêndice C – Fluxograma da Estação de Água Purificada no NUPLAM
Referências
ALBINI, Bárbara Pereira. Desenvolvimento e validação de meio de cultura para detecção de Pseudomonas Aeruginosa em água purificada para fins farmacêuticos. 2012.
Alencar, João Rui Barbosa; Pinto, Priscila Maria Dias Vieira; Rolim Neto PJ. Indicadores de produção + limpa (P + L) numa indústria farmacêutica. Pharm Technol 2005a: 56-66. BAYEUX, Carlos. Análise da capabilidade de processos (Parte 1). Revista Banas Qualidade. Gestão, Processos e Meio Ambiente. São Paulo, n. 108, 2001.
BRASIL. Farmacopéia Brasileira. 5 ed. São Paulo: Agência Nacional de Vigilância Sanitária, 2010.
BRASIL. Agência Nacional de Vigilância Sanitária - Brasil. Guia de Qualidade para Sistemas de Purificação de Água para Uso Farmacêutico. Janeiro, 2013.
CASALI, Carlos Alberto et al. Qualidade da água para consumo humano ofertada em escolas e comunidades rurais da região central do Rio Grande do Sul. 2008.
Consulta Pública nº 312, de 20 de fevereiro de 2017. Dispõe sobre: Água para uso farmacêutico. Ministério da Saúde, 2017.
COSTA, Antonio Fernando Branco; EPPRECHT, Eugenio Kahn; CARPINETTI, Luiz Cesar Ribeiro. Controle estatístico de qualidade. São Paulo: Atlas, 2005.
LIMA, A. A. N. et al. Aplicação do controle estatístico de processo na indústria farmacêutica. Revista de Ciências Farmacêuticas Básica e Aplicada, v. 27, n. 3, p. 177-187, 2009.
MENDES, Maria Elizabete et al. A importância da qualidade da água reagente no laboratório clínico. Jornal Brasileiro de Patologia e Medicina Laboratorial, v. 47, n. 3, p. 217-223, 2011.
MONTGOMERY, Douglas. C. Introdução ao controle estatístico da qualidade. 4. ed. Rio de Janeiro: LTC, 2004. 513 p.
OAKLAND, J. S. Statistical Process Control. 2ª edição. 2003.
PIRES, Verônica Tassinari. Implantação do controle estatístico de processos em uma empresa de manufatura de óleo de arroz. 2000.
Portaria MS nº 1.469, de 29 de dezembro de 2000. Dispõe sobre: Norma de qualidade da água para consumo humano. Ministério da Saúde, 2001.
R Core Team (2018). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/. THOMPSON, Judith E.; DAVIDOW, Lawrence W. A prática farmacêutica na manipulação de medicamentos. Artmed Editora, 2016.
