Организация отбора проб на производстве

Отбор проб выглядит как рутина: подошёл, зачерпнул, отнёс в лабораторию. Но это первый и самый недооценённый этап контроля качества — тот, где решается судьба не одного образца, а всей партии. Любой анализ, каким бы точным он ни был, отвечает лишь на один вопрос: «что в этой пробе?» Насколько проба похожа на партию, прибор не знает — это решают человек и регламент, на участке, задолго до лаборатории.

И вот здесь начинается интересное. Пока на большинстве производств спорят, сколькими банками «прихватить» партию, мировые лидеры фармы и пищёвки уже несколько лет двигаются в другую сторону: к тому, чтобы вообще не брать физическую пробу. Поэтому начнём не с определений из учебника, а с переднего края — а потом спустимся к тому, что из этого можно сделать на обычном заводе уже сейчас.

Что применяют мировые лидеры

Теория отбора жива и обновляется — последняя редакция вышла в 2024-м

У отбора проб есть свой основоположник. Француз Пьер Жи в одиночку, не работая ни в одном университете, с 1950 по 1975 год построил теорию отбора проб. Главный его результат — формула фундаментальной ошибки отбора: это минимальная ошибка, которая принципиально не может стать нулём, потому что заложена в самой неоднородности материала.

Но это не музейная классика. Дело Жи продолжил датский учёный Ким Эсбенсен: в 2013 году вышел датский стандарт DS 3077 — первый в мире стандарт, посвящённый исключительно представительному отбору проб. Он «горизонтальный», то есть не зависит от типа материала и работает для любого — от руды до молока. И тема живая: третья редакция стандарта готовилась к выходу в 2024 году, а не осталась в учебниках 80-х.

Самый контринтуитивный тезис современной теории звучит почти как провокация:

Представительность связана не с размером пробы, а с процессом отбора. Вопрос «насколько большую пробу взять» — это неправильный вопрос. — из материалов Кима Эсбенсена по теории отбора проб

Отсюда прямой приговор самой привычной практике — «схватить разок» из одного места: вероятность, что единичный захват окажется представительным, практически равна нулю. Представительность даёт только составная (объединённая) проба из многих приращений, собранных по всему объёму. И это не лозунг «берите репрезентативно», а считаемая методика: специальные расчётные функции показывают, сколько приращений объединять в финальную пробу, с какой частотой их брать и какая схема отбора — случайная, послойная или равномерная — будет оптимальной.

«Виртуальные датчики»: измеряют то, что раньше можно было только отнести в лабораторию

Самый горячий тренд у фарм-лидеров — виртуальные датчики (в англоязычной литературе их называют soft sensors). Проблема, которую они решают, знакома любому, кто работал с лабораторией: чтобы измерить критический показатель качества, нужно взять пробу, отнести её в лабораторию и ждать результат днями — а к тому моменту, когда узнаёшь о проблеме, партию часто уже не спасти.

Идея виртуального датчика в том, чтобы не ждать: алгоритмы машинного обучения находят связь между простыми данными, которые есть в реальном времени — кислотность, растворённый кислород, состав отходящих газов — и сложными показателями качества, которые иначе пришлось бы мерить в лаборатории. Это не теория, а внедрения у конкретных компаний:

Смысл сдвига хорошо передаёт одна формулировка: цифровые двойники и виртуальные датчики превращают биореактор из загадочного «чёрного ящика» в прозрачный «стеклянный дом», где качество гарантируется не тестом финального флакона, а интеллектом на каждом шаге.

Цифровые двойники: пробу заменяет виртуальная копия процесса

Следующий уровень — цифровой двойник: динамическая виртуальная копия физического объекта (биореактора, линии, цеха), которую непрерывно питают данные с датчиков и систем управления, а искусственный интеллект использует их для прогноза и оптимизации. Это уже не пилоты энтузиастов, а рынок с деньгами: его объём в фарм-производстве растёт примерно с 1,3 млрд долларов в 2025 году до 8,5 млрд к 2032-му.

Эффект виден на конкретном кейсе. Переход на непрерывное производство с цифровым двойником сократил процесс с семи комнат и двух недель до двух комнат и одного дня: на 33% меньше отходов и на 80% короче цикл производства и тестирования, а измерение прямо в потоке обеспечивало контроль однородности порошка при передаче на прессование.

И главное — регуляторы это поощряют, а не запрещают

Часто думают, что «без пробы и бумажки» проверяющие не примут. На переднем крае ровно наоборот: международные отраслевые нормы и руководства американского регулятора FDA прямо поддерживают контроль прямо в процессе и выпуск продукции в реальном времени как основу непрерывного производства, а специальные программы FDA и европейского агентства дают ускоренное рассмотрение заявкам с обоснованным контролем в потоке. Появился и свежий пласт регулирования под искусственный интеллект: в конце 2024 года FDA выпустила проект руководства по применению ИИ в производстве лекарств, задающий требования к проверке таких моделей в условиях надлежащей производственной практики.

Где всё ещё берут пробу руками — и почему это важно делать правильно

Большинство производств пока берут физическую пробу, и будут брать ещё долго. А значит, цена ошибки на этом этапе никуда не делась. Причём ошибка отбора коварнее ошибки анализа по одной фундаментальной причине, которую стоит запомнить.

В Теории отбора прямо разделяют две вещи. Ошибку анализа можно скорректировать — внести поправку, перемерить. А смещение отбора (sampling bias) не лечится ничем: ни повторным анализом, ни статистикой, ни хемометрикой. Если проба смещена, данные испорчены навсегда — вы просто аккуратно посчитали не ту партию. Поэтому разговор о качестве честно начинать не с лаборатории, а с того, как и откуда берут пробу. Дальше — два реальных кейса, где это стоило очень дорого.

Афлатоксин в орехах: отбор — это 93% всей ошибки теста

Это хрестоматийный пример, где «виновата» именно проба, а не лаборатория. Микотоксины — прежде всего афлатоксин — распределены в партии крайне неравномерно. В партии арахиса отдельные ядра могут быть сильно заражены, тогда как большинство — почти чистые. Представьте мешок орехов, где опасность сконцентрирована в нескольких ядрах из тысяч.

Что это значит на практике — неприятно и контринтуитивно: решения по малым пробам особенно невыгодны потребителю, потому что даже партия с высокой средней концентрацией склонна давать отрицательный результат. То есть заражённая партия спокойно проходит контроль, если те самые «горячие» ядра не попали в пробу.

А теперь цифра, которая переворачивает интуицию. Исследователи разложили общую ошибку теста на составляющие — и вот как она распределяется:

На отбор приходится 92,7% изменчивости теста, на пробоподготовку — 7,2%, а на собственно анализ — всего 0,1%. Вдумайтесь: дорогой лабораторный прибор отвечает за одну тысячную ошибки, а 93% решает то, как набрали пробу. Отбор обычно и есть самый крупный источник изменчивости в тестах на микотоксины — именно потому, что заражена лишь малая доля зёрен, а концентрация на одном зерне может быть очень высокой.

Как с этим борются практически? Берут не одну пробу, а много мелких приращений по всей партии и объединяют их — то самое композитное правило из современной теории. И отдельный, почти бытовой нюанс, который губит результат уже в лаборатории: непостоянный помол и грубые частицы «запирают» токсин и дают ложноотрицательный результат — поэтому требуется, чтобы 95% измолотой пробы проходило через сито 20 меш (0,84 мм).

И чтобы не возникло ощущения, будто проблема давно решена «правильными стандартами»: онлайн-инструмент ФАО для оценки планов отбора показал, что действующие планы Codex для кукурузы и пшеницы могут давать суммарную ошибку измерения, сопоставимую или превышающую 90% от установленного предела по охратоксину А. Методику отбора пересматривают прямо сейчас.

«Вор для проб», который подвёл регулятора

В производстве таблеток первый критический шаг — однородность порошковой смеси: действующее вещество должно быть равномерно распределено, иначе одна таблетка окажется пустышкой, а другая — двойной дозой. Смесь традиционно проверяют специальным пробоотборником — «вором» (sample thief), который погружают в массу и достают порцию.

Проблема в том, что сам акт отбора искажает то, что измеряет. Главный недостаток «вора» в том, что технику трудно воспроизвести, и часто сам отбор вызывает неоднородность пробы и смещает результат. Физика безжалостна: при существующих технологиях расслоение смеси во время отбора — особенно для гранулированных смесей — практически неизбежно и приводит к искажённым результатам анализа. Вы суёте инструмент в смесь, чтобы её проверить, — и этим самым её перемешиваете не так, как надо.

История дошла до регулятора. В 2013 году американское агентство FDA отозвало проект руководства по однородности смеси: его разделы больше не отражали позицию агентства — фактически признание, что стандартный способ отбора сам по себе вносит ошибку. Сегодня методику строят аккуратнее: отбирают «вором» 30 проб с разных позиций смесителя — по три из каждой точки, сначала анализируют десять, и обязательно по послойному (стратифицированному) плану, потому что регулятор рекомендует такой отбор именно тогда, когда в партии есть зоны, где результаты могут отличаться.

А радикальное решение оказалось тем же, что у лидеров из первого раздела, — убрать физический отбор вовсе. Измерение смеси прямо в потоке инфракрасным анализатором даёт результаты, сопоставимые с послойным отбором плюс лабораторный анализ, но без смещения, вызванного физическим отбором пробы. В реальных внедрениях анализатор ставят прямо на вращающийся узел таблеточного пресса — он обеспечивает представительность и меряет однородность дозы в реальном времени с выводом на контрольные карты. Круг замкнулся: проблема отбора привела к отказу от отбора.

Как строят методику отбора под конкретный риск

Теперь самое прикладное: как реально конструируют план отбора на пищевом производстве. Здесь нет «возьмите репрезентативно» — есть рабочий алгоритм.

Шаг 1. Зонирование цеха

Любая программа экологического мониторинга строится на зонах. Зона 1 — поверхности прямого контакта с продуктом, Зона 4 — участки вне зоны переработки, между ними — Зоны 2 и 3 по мере удаления от продукта. Логика простая: чем ближе к открытому продукту, тем строже и чаще контроль.

На практике это выглядит так: составляют мастер-список возможных точек — например, 500, включая труднодоступные, плохо очищаемые и высокотрафиковые места, — а на каждый отбор берут, скажем, 50 случайно выбранных точек. Список большой, выборка из него — случайная и регулярно ротируется.

Шаг 2. Глубину контроля привязывают к риску, а не берут «на всякий случай»

Интенсивность отбора привязывают к риску продукта по международной схеме (её обозначают четырьмя буквами: n — число проб, c — допустимое число «провалов», m и M — границы нормы). Готовые к употреблению продукты высокого риска обычно требуют строгого плана с нулевым допуском по ключевым патогенам и большим числом проб; продукты низкого риска со стабильным сроком хранения — более мягкого плана с умеренной интенсивностью. Принцип, который стоит процитировать дословно:

Аудиторы не ждут, что каждый продукт проверяют как детское питание. Они ждут, что интенсивность отбора отражает риск так, чтобы это можно было объяснить без «махания руками». — из практического руководства по планам выборочного контроля пищевой продукции

Шаг 3. Композит как норма, а не исключение

Здесь практика сходится с теорией Эсбенсена об «ужасности» единичного захвата. Типовой план обнаружения патогенов предполагает отбор от 10 до 60 единиц-кусков из партии, которые объединяют в композитную пробу. Не одна «представительная банка», а множество точек, собранных вместе.

Шаг 4. Реакция на находку — отбор по «вектору»

Хорошая методика не статична. При положительном результате берут дополнительные пробы «по вектору» — саму точку и минимум три соседних, включая контактные и неконтактные поверхности, — чтобы найти источник заражения. Находка не просто фиксируется, а запускает расследование по заранее заданному правилу.

База без занудства: виды проб, репрезентативность, ГОСТ

Чтобы кейсы выше складывались в систему, нужен короткий словарь. Без зубрёжки — только то, что реально используется.

Виды проб: логика «от частного к целому и обратно»

• ТочечнаяМинимальная порция из одной упаковки за один приём. «Кирпичик», из которого собирают всё остальное.
• ОбъединённаяНесколько точечных проб от разных упаковок одной партии, перемешанных вместе. Так усредняется неоднородность — ровно то, что современная теория называет композитом.
• СредняяЧасть объединённой пробы, выделенная для испытаний. Средняя проба ещё представляет партию, но уже компактна.
• АналитическаяТа доля средней пробы, что идёт на конкретный анализ — физико-химический, микробиологический и так далее.

Для сыпучих материалов объём уменьшают квартованием: пробу разравнивают квадратом, делят по диагоналям на четыре треугольника, два противоположных убирают, оставшиеся соединяют — и повторяют. Простой ручной приём, честно сохраняющий представительность.

Принципы, без которых проба врёт

• РепрезентативностьПроба обязана представлять всю партию, а не её удачный фрагмент. Сырьё неоднородно: тяжёлые фракции оседают, верх и низ ёмкости различаются, начало и конец налива — тоже. И помните главный тезис теории: дело не в размере пробы, а в процессе отбора.
• РандомизацияВыбор образцов не должен быть субъективным. Как только человек решает, что зачерпнуть, он невольно тянется к удобному и чистому. Статистические планы выборки убирают этот соблазн: размер выборки и правила отбора заданы заранее.
• Защита от загрязнения и смешиванияМетодика должна исключать загрязнение пробы, самого сырья и окружающей среды. Нельзя отбирать одновременно от двух наименований или двух партий — достаточно одного перепутанного образца, чтобы результат относился не к тому, что вы думаете.
• Идентификация и прослеживаемостьКаждая проба однозначно подписана: наименование, номер партии, дата, время, ответственный. Штрихкод при каждой передаче сохраняет цепочку «проба — анализ — решение» целой от участка до архива.

Сколько отбирать: это расчёт, а не «на глаз»

Объём выборки — это не случайное число, а результат статистического расчёта. В России действует серия стандартов ГОСТ Р ИСО 2859 — выборочный контроль по альтернативному признаку на основе приемлемого уровня качества. Там заданы три уровня контроля (по умолчанию — второй), режимы нормального, усиленного и ослабленного контроля, и важная для неоднородных партий деталь: если партия состоит из подпартий или слоёв, применяют послойную (стратифицированную) выборку — число единиц берут пропорционально количеству в каждом слое. За «сколько проб» всегда стоят два конкурирующих риска — забраковать годное (риск производителя) и пропустить брак (риск потребителя).

И ещё одна привязка, без которой ядро темы неполно: процедура присутствует на всех этапах жизненного цикла продукции. Это входной контроль сырья на приёмке (партия в карантине до результатов), оперативный контроль в процессе производства (температура, кислотность, вес — чтобы поймать отклонение вовремя), выходной контроль готовой продукции перед отгрузкой (на его основании оформляют паспорта качества и сертификаты) и контроль стабильности при хранении (образцы лежат весь срок годности на случай рекламаций).

Типичные ошибки при организации отбора проб

Даже в компаниях с отлаженной системой качества встречаются повторяющиеся проблемы. Чаще всего они связаны с такими ошибками:

• «Удобные» образцыОператор сознательно или подсознательно выбирает лучшие или наиболее доступные единицы. Выборка перестаёт быть случайной, а значит — перестаёт представлять партию.
• Нарушение условий хранения пробОбразцы должны храниться в тех же условиях, что и основная продукция, иначе к моменту анализа результаты теряют смысл.
• Потеря идентификацииПлохая маркировка, оторванные этикетки, неразборчивые записи — и проба превращается в анонимный образец без партии.
• Смешивание проб от разных партийПроисхождение восстановить уже нельзя, а вместе с ним теряется и смысл анализа.
• Отсутствие документированияНет записи — нельзя доказать, что процедура выполнена без нарушений. При проверке или споре это работает против вас.

Практический пример: автоматизированный отбор проб

Чтобы принципы стали наглядными, проследим путь одной партии в отраслевом решении «1С:Молокозавод». В химии и фарме номенклатура другая, но логика «распоряжение → отбор → анализ → решение → документ» та же.

1. Сырьё поступает — система ставит задачу.

   Когда на предприятие поступает молочное сырьё, система автоматически создаёт распоряжение на проведение лабораторных анализов. Задание попадает в рабочее место лаборанта — единый интерфейс, где собраны все нужные журналы.

2. Лаборант создаёт документ «Отбор проб».

   Прямо на основании распоряжения, без переписывания данных вручную. Связь с партией возникает сама собой.

3. Статусы защищают от хаоса.

   Документ идёт по цепочке: «к выполнению» → «в работе» (на это время он блокируется для других пользователей, чтобы двое не работали с одной пробой) → «пробы отработаны».

4. Формируются лабораторные анализы.

   Лаборант вносит фактические значения. Для входящего сырья это момент истины: забраковать или пустить в переработку, и если пустить — то каким сортом.

5. Готовую продукцию система заполняет сама.

   Нормативы известны заранее, поэтому значения подставляются автоматически — лаборанту остаётся подтвердить соответствие.

6. На выходе — паспорт качества и сертификат.

   После решения о годности документы формируются автоматически, а каждый шаг остаётся прослеживаемым: видно, кто, когда и на каком основании принял решение.

Описанный алгоритм — лишь один пример того, как цифровизация превращает отбор проб из источника риска в прозрачный и надёжный этап. На вашем предприятии процесс может выглядеть иначе, но принцип не меняется: автоматизация берёт на себя контроль, а люди занимаются содержательной работой. Чтобы выстроить такую схему именно под ваши линии и регламенты, нужен профессиональный аудит и проектирование.

Что из этого реально внедрить уже сейчас

Сведём всё воедино. На переднем крае ценность ушла от «взять пробу и проверить» к «контролировать процесс в реальном времени». Но между NIR-зондом за миллионы и бумажным журналом есть огромное практическое поле, которое закрывается уже сегодня — и закрывает основную часть рисков из кейсов выше.

Все разобранные провалы — афлатоксин, «вор для проб», ошибки экологического мониторинга — это в основе своей сбои исполнения методики: взяли не оттуда, не столько, не так смешали, не туда записали, не запустили проверку после находки. И именно это закрывается цифровым контролем процесса, а не дорогим железом. Система ведёт сотрудника по этапам: создаёт распоряжение, назначает ответственного, держит сроки и статусы, не даёт пропустить маркировку, блокирует выпуск партии до получения результатов и автоматически собирает прослеживаемость от готовой продукции до сырья.