< Previous18 EDICIÓN ESPECIAL MANUFACTURA 2025 Artículo Técnico20 EDICIÓN ESPECIAL MANUFACTURA 2025 Artículo Técnico Finalmente, las tablas 11 y 12 muestran los resultados de la adsorción de ciprofloxacino y norfloxacino, observándose que norfloxacino, es el antibiótico más se adsorbido de los cuatro. Las gráficas 6 y 7 presentan los perfiles de adsorción de estos dos antibióticos de última generación.22 EDICIÓN ESPECIAL MANUFACTURA 2025 Artículo Técnico Conclusiones 1. La harina de soya si adsorbe a los antibióticos ampici- lina, amoxicilina, ciprofloxacino y norfloxacino. 2. La adsorción de los cuatro antibióticos está en función del tiempo de contacto del adsorbente y los adsorbatos. A mayor tiempo de contacto mayor adsorción. 3. La adsorción de los cuatro antibióticos está en función de la cantidad de adsorbente a mayor cantidad de adsorbente mayor porcentaje de adsorción. 4. El porcentaje de adsorción fue mayor para los cuatro antibióticos a los 120 minutos 99.55% para ampicilina, 98.94% para amoxicilina, 100% para ciprofloxacino y 98.90% de norfloxacino. Bibliografía: 1.- Edmond Sanganyadoa y WillisGwenzib. Antibiotic resistance in drinking water systems: Occurrence, removal, and human health risks. Science of The Total Environment Volume 669, 15 June 2019, Pages 785-797. 2.- Maghsodian Z, et. al. “Presencia y distribución de antibióticos en el agua, sedimentos y biota de ambientes de agua dulce y marinos: una revisión”. Antibióticos (Basel). 23 de octubre de 2022;11(11):14. 3.- Organización Mundial de la Salud. Resistencia a los antimicrobianos. 17 de noviembre de 2021. 4.- Jim O’Neill. Antimicrobial Resistance: Tackling a crisis for the health and wealth of nations 2014. The Review on Antimicrobial Resistance. 5. - Sanjuan-Galindo R. et. Al. Método de degradación de antibióticos y evaluación de la actividad antibiótica residual. Journal of Basic Sciences, Vol. 9 (26), pp. 23-36, sep - dic 2023. 6.- Alok Mital. et, al. Remoción y recuperación de verde de malaquita de aguas residuales, utilizando aceite de soya. 2005 Separation and Purifitation Technology 43 pag (125 to 133). 7.- Daneshvar N. et al Adsorción de cromo VI y reducción a cromo III en soluciones acuosas utilizando harina de soya. 2002 Journal Hazardous of Material 394 pag. (49-51). 8.- P.S. Blanes et al (2011) “Salvado de soja: potencial bioadsorbente para la remediación de aguas contaminadas con cromo “Quinto congreso de la soya del Mercosur y primer foro de la soya en Asia. Mercosoya 2011. Buenos Aires Argentina. 9.- López de Alda J. y L. Damiá B. (2011) El problema de los contaminantes emergentes. Instituto de Investigaciones Químicas y Ambientales – CSIC. Barcelona Universidad de Sevilla, España. 10.- Elorriaga Y., J. Marino D. et. al. (2012) Contaminantes Emergentes: Los productos farmacéuticos en el medio ambiente. Facultad de Ciencias Exactas de la Universidad Nacional de la Plata. Argentina. Séptimo Congreso del Medio Ambiente, La plata Argentina. 11.- Aksu, Zümriye, TUNÇ, Özlem. Application of biosorption for penicillin G removal: comparison with activated carbon. Process biochemistry. 2005; 40(2). p. 831-847. 12.- Silva Arroyo J.C. Biosorción de penicilina G como contaminante emergente con adsorbentes naturales y químicamente modifi- cados. Tesis. Universidad Peruana Cayetano Heredia. Facultad de Ciencias y Filosofía, Lima-Perú 2016. *José Sánchez Enríquez es M en CF y profesor investigador Universidad Mexiquense del Bicentenario unidad Tultitlán Ingeniería Química. Como comentarios finales indicaré que estos tres métodos para tratar antibióticos en medios acuosos son efectivos y su costo económico es distinto, siendo la sonólisis la más costosa por el reactor ultrasónico además de tener el inconveniente de provocar daños a la salud como posible desprendimiento de retina por las vibraciones ultrasónica. En cuanto a la fotolisis se requiere de una lámpara UV y re- activos adicionales como el dióxido de titanio. En el caso de la adsorción con biomasa muerta de soya y su tratamiento es de fácil adquisición y económica haciendo este método el de mayor viabilidad, sus rendimientos como se observan en los resultados son mayores del 90%. La implementación de estos métodos en la industria farmacéutica y en hospitales es urgente si no queremos que en el futuro no lejano la resistencia de los antibióticos nos obligue a desarrollar nuevos y costosos antibióticos, es imperativo actuar ya.24 EDICIÓN ESPECIAL MANUFACTURA 2025 Artículo Técnico 1 . Introducción E l diagrama de desempeño estadístico de un proceso es una herramienta que debe ser utilizada para evaluar a los procesos tanto en la etapa 1 , como en su etapa 2 y en su etapa 3 , de su ciclo de vida por las siguientes razones: • En la etapa 1 permite, durante el desarrollo del proceso, establecer las mejores condiciones en sus parámetros críticos de operación para asegurar una probabilidad estadística de que el producto fabricado cumpla la espe- cificación en sus características de calidad críticas. • En la etapa 2 , ser utilizado para evaluar de manera probabilística dado un criterio de aceptación de que el lote del producto cumpla la especificación para sus características de calidad especificadas. • En la etapa 3 , con ayuda de la revisión anual del producto, la posibilidad de mantener al proceso en sus condiciones establecidas de operación o proceder a su mejora bajo un requisito probabilístico en las características de calidad de interés. Para la elaboración del diagrama de desempeño estadístico del proceso en este escrito se utiliza Excel 2016 y Minitab 22. 2. Elaboración de un diagrama de desempeño estadístico del proceso 2.1 Característica de calidad El primer paso es definir la característica de calidad cuan- titativa. Para su elaboración vamos a considerar un caso sencillo como es la valoración del fármaco en producto terminado, pues es una característica de calidad crítica, pero puede ser aplicada a cualquiera siempre y de preferencia sea cuantitativa. Elaboración y uso de un diagrama de desempeño estadístico de un proceso para valoración de un fármaco 1a. parte Por: Alejandro Alcántara 1 , Lourdes Araceli Santana Castillo 2 y José Antonio Huertas Miranda3 2.2 Especificación El segundo paso es definir la especificación de la carac- terística de calidad. Es importante definir si es bilateral, cuya especificación se definirá por los siguientes símbolos: LIE = límite inferior de la especificación LSE = límite superior de la especificación Si es unilateral inferior: LIE = límite inferior de la especificación En el caso de la valoración se tiene una especificación bilateral, que en el caso para la mayoría de los productos terminados es: LIE = 90 % LSE = 110 %. 2.3 Investigar a qué aplica la especificación Este numeral es fundamental y para ello se requiere leer e interpretar la especificación del producto. Esto es depen- diente del número de unidades muestrales ( n ) requeridas para llevar a cabo la determinación y determinar a que aplica la especificación, por ejemplo: • Si la especificación de valoración menciona que úni- camente se lleva a cabo en una sola muestra, entonces n= 1 . • Si la especificación menciona que la muestra requiere llevar a cabo la determinación de disolución en primera etapa en 6 unidades muestrales y la especificación aplica a cada unidad muestral, entonces n = 6 . • Si la especificación menciona que la muestra requiere llevar a cabo la determinación de peso promedio en 20 unidades muestrales y la especificación aplica al valor promedio de la muestra de 20 unidades muestrales, entonces n = 20 .25 EDICIÓN ESPECIAL MANUFACTURA 2025 Artículo Técnico26 EDICIÓN ESPECIAL MANUFACTURA 2025 Artículo Técnico • Si la especificación de sustancias relacionadas menciona que se lleva a cabo en dos muestras, y la especificación aplica a la media aritmética de las dos muestras entonces n = 2 . Esta parte es toral para la correcta elaboración del diagrama de desempeño estadístico del proceso. Para nuestro ejem- plo se utilizará el primer caso, la especificación aplica a la determinación de una sola muestra ( 2.4 Se sabe que una distribución probabilística que comúnmente se emplea para el caso de muchas características de calidad es la distribución normal para 1 , se puede asumir que, por el teorema de límite central, la distribución de las medias aritméticas muestrales se ajustará a una distribución normal. Se recomienda justificar esta elección o con información de cualquiera de las etapas generadas (I, II o III), se investigue el ajuste distribucional de la característica de calidad empleando una prueba estadística como la prueba de Shapiro Wilk, la prueba de Ryan Joiner o la prueba de Anderson Darling, entre otras. Para este caso la elección es la distribución normal para n 2.5 Construcción del Diagrama de Desempeño Estadístico del Proceso Para la construcción del diagrama de desempeño estadístico del proceso se debe definir: LIE LSE Generar una tabla donde se varíen valores de Para el caso del intervalo de µ () que incluya el intervalo de la especificación; además de una diferencial de ). Para el caso de ) que contemple la desviación estándar en un caso conservador de la característica de calidad, además de diferencial de σ ( proporcional para obtener los valores máximos de y que también incluyan los límites de la especificación. En el anexo Para nuestro caso: µ µ σ σ = 0.5% En el anexo 2, se muestra la tabla para este caso en específico, con ayuda de Excel en una hoja de cálculo. Empleando un formato de columna, utilizar encabezados de los valores de µ y σ. Para cada combinación específica de µ y σ calcular los valores correspondientes de valores normalizados de la distribución zeta asociado al LIE ( Z i ) y al LSE ( Z S ) con las fórmulas ( 1 ) y ( 2 ). Incluir dos encabezados en la tabla del anexo 2 ( Z i y Z S ) y reportar los cálculos para cada combinación de µ y σ, para generar la tabla que se muestra en el anexo 3 , se recomienda mostrar los resultados a 4 decimales. Proceder a calcular con Excel la probabilidad de rechazar la condición de µ y σ asociada al LIE ( P R ( Z i )) y la probabilidad de rechazo asociada al LSE((P R (Z S )), con ayuda de las fórmulas ( 3 ) y ( 4 ) respectivamente, utilizando la función ( fx ) de la categoría estadística de Excel indicada en la fórmula. P R (Z i )= 1-DISTR.NORM.ESTAND.N(Z i ,VERDADERO)…..(3) P R (Z S ) = 1-DISTR.NORM.ESTAND.N(Z S ,VERDADERO)…..(4) Incluir dos encabezados más en la tabla del anexo 3 ( P R ( Z i ) y P R ( Z S )) y reportar los cálculos para cada combinación de Z i y Z S , para generar la tabla que se muestra en el anexo 4 , se recomienda mostrar los resultados a 4 decimales. Proceder a calcular con Excel el porcentaje de probabilidad de aceptación para condición de µ y σ asociada al LIE y al LSE ( %P a ), con ayuda de la fórmula ( 5 ), utilizando Excel. %P a = 100×(1- P R (Z i )- P R (Z S ))…..(5) Incluir un encabezado más en la tabla del anexo 4 ( %P a ) y reportar los cálculos para cada combinación de P R (Z i ) y P R (Z S ), para generar la tabla que se muestra en el anexo 5 , se recomienda mostrar los resultados a 4 decimales. Esta tabla le permite obtener la probabilidad de que conociendo los valores de los parámetros µ y σ para una valoración conocer su probabilidad de aceptación para la especificación de 90 – 110% . A partir de esta tabla del anexo 5 , se puede construir el diagrama de desempeño estadístico del proceso elaborando una gráfica en 3D (µ , σ , %P a )o una gráfica de contornos para %Pa en función de µ y σ . Para su elaboración es necesario contar Minitab aplicando el siguiente procedimiento. a) Transferir las columnas µ , σ y %P a a Minitab en formato de columna. b) Ir a la opción de menú “Gráficas”. c) Seleccionar la opción “Gráfica de superficie 3D ”.Next >