4. 关键工艺参数（CPP）与关键质量属性（CQA）的识别与数据表映射

在量产转移的工艺验证中，数据表不是把工艺规程里的参数照抄一遍，而是要把“哪些参数真正影响质量、影响哪个质量属性、在哪个工序采集、用什么判定规则”这条逻辑链固化下来。这条链的起点是工艺风险评估，终点是数据表中可采集、可判定的字段。本节以一个口服固体制剂湿法制粒—压片转移案例为主线，演示从风险评估到CPP/CQA识别，再到数据表字段映射的完整过程。

一、从CQA出发：先定义“质量必须守住什么”

CQA是产品质量属性中必须被控制在限定范围内、否则会影响安全性和有效性的那些属性。识别CQA通常依据目标产品质量概况（QTPP），结合ICH Q9风险评估，从对患者影响的程度和不确定性两个维度排序。案例产品为某普通片剂，转移前已确定的关键质量属性示例如下（示例参数，非实测数据）：

注意水分既是CQA（影响稳定性），又常被当作工艺控制指标，这种“双重身份”在数据表中要明确它归属哪一类，避免判定规则冲突。

二、用风险评估把CQA“倒推”到工艺参数

识别CPP的常用做法是：对每个工序列出全部可调参数，用失效模式与影响分析（FMEA）或风险矩阵，评估“参数偏离对CQA的影响严重度×发生概率×可检测性”，得到风险优先数（RPN）。RPN高且与CQA存在明确因果关系的参数，才进入CPP候选；RPN低或与CQA无关联的参数，作为一般工艺参数（非关键）记录即可，不必设置严格判定。

以湿法制粒为例，候选参数包括粘合剂加入量、制粒机搅拌转速、切刀转速、制粒时间、干燥进风温度、干燥时间、整粒筛网目数。经评估，粘合剂加入量、搅拌转速、干燥终点水分对溶出度和含量均匀度影响显著，列为CPP；整粒筛网目数影响较小，列为非关键参数。这里的关键判断是：CPP不是“重要参数”的同义词，而是“必须被控制、否则CQA可能越界”的参数。一个参数是否CPP，取决于它和CQA之间是否有可论证的因果关系，而不是它在工艺描述里出现得早或晚。

三、把CPP/CQA转化为数据表字段

识别出CPP和CQA之后，真正决定数据表好不好用的，是字段设计。一个可采集的CPP字段至少应包含：参数名称与所属工序、目标值与可接受范围（含单位）、采集方式（批记录人工记录、设备PLC导出、在线仪表）、采集频次（每批、每锅次、每时段）、关联CQA、判定规则（合格区间、超限后的处置动作）。CQA字段则要包含检测方法、取样点、限度、结果判定和复测规则。

以“干燥终点水分”为例，它在数据表中不能只写“水分≤3.0%”，而应写成：工序=干燥；参数=终点水分；目标值=2.0%～3.0%；采集方式=干燥结束后取样、卡尔费休法或快速水分仪；频次=每锅次；关联CQA=水分、有关物质、溶出度；判定规则=超出3.0%判为偏差，需评估对有关物质的影响并决定是否加干或报废。这样一条字段，才把“参数—质量—判定”三者绑定在一起。

四、映射中常见的三个坑

第一，把非关键参数也设成严格判定，导致数据表充满“形式偏差”，真正重要的CPP反而被淹没。第二，CPP与CQA的关联写成“多对多”却无因果说明，审核时无法证明该参数为何关键。第三，采集频次与工艺实际不匹配，例如要求每10分钟记录一次搅拌转速，但设备只能导出批次平均值，字段就变成不可执行。合理的做法是让采集方式服从设备能力，同时保证关键时段有数据。

完成映射后，建议做一次“反向追溯”检查：从数据表每一行CPP出发，能否回到风险评估中的某条高RPN记录，再回到某个CQA；从每个CQA出发，能否在数据表中找到至少一个受控CPP和对应的检测记录。两个方向都走得通，这张数据表才具备在工艺验证中支撑判定和偏差调查的能力。