La qualité des produits commercialisés représente un enjeu essentiel dans le domaine pharmaceutique. De plus en plus, les industriels cherchent à contrôler les différentes étapes de leurs procédés, les produits générés à toutes les étapes de fabrication ainsi que leurs produits finis, le but de tout cela étant une meilleure compréhension des procédés, ainsi qu’un gain de temps et une réduction des pertes financières.
La chaire de recherche sur les Technologies d’Analyse de Procédés (PAT) en partenariat avec Pfizer travaille sur le développement de connaissances sur les phénomènes physico-chimiques régissant le comportement des procédés, et sur les critères de transferts technologiques basés sur des modèles phénoménologiques ou mathématiques. C’est dans le cadre de cette chaire que s’est déroulée cette maîtrise.
Les travaux présentés mettent en lumière le développement d’une méthode permettant d’analyser de manière non destructive 100% des comprimés fabriqués, à vitesse réelle de production. À l’aide de la spectroscopie Proche-Infrarouge, l’objectif est de quantifier la teneur en principe actif dans chaque produit et dans le but d’identifier tous ceux étant sur ou sous-dosés. Également, l’adaptation de cette méthode à d’autres types d’analyses qui ont un intérêt dans l’industrie, comme la quantification d’humidité des comprimés, et l’enrobage, a été étudiée. Dans chaque cas, des spectres proche-infrarouge de produits fabriqués ont été acquis à l’aide d’une sonde installée sur un système de tri fonctionnant à une vitesse supérieure à celle d’une presse (c’est à dire généralement de 60,000 à 160,000 comprimés par heure). Les données ont été utilisées pour bâtir des modèles multivariés et prédire les valeurs souhaitées. Les résultats obtenus ont montré qu’il était possible d’analyser l’intégralité des échantillons d’un lot, à une vitesse garantissant de ne pas ralentir la production.
L’utilisation d’une telle méthode dans l’industrie permettra de contrôler la globalité des produits finis, et donc permettre une qualité de 100% des produits commercialisés et éviter les rappels. Elle permettra également d’être utilisée en développement, lorsque la génération de beaucoup de données est nécessaire, comme pour le développement d’un algorithme par exemple.
| Identifer | oai:union.ndltd.org:usherbrooke.ca/oai:savoirs.usherbrooke.ca:11143/11773 |
| Date | January 2018 |
| Creators | Langlet, Alyssa |
| Contributors | Gosselin, Ryan |
| Publisher | Université de Sherbrooke |
| Source Sets | Université de Sherbrooke |
| Language | French |
| Detected Language | French |
| Type | Mémoire |
| Rights | © Alyssa Langlet |
Page generated in 0.0018 seconds