🌐 JP | 🇬🇧 EN | Last sync: 2025-11-16
AI寺子屋トップ›プロセス・インフォマティクス›Pharma Manufacturing Ai›Chapter 5
📖 本章の概要
医薬品製造におけるAIシステムの導入には、厳格な規制要件への適合が必須です。 本章では、Computer System Validation（CSV）、21 CFR Part 11、EU Annex 11などの 規制要件を満たすAIシステムの実装戦略を学びます。監査証跡、電子署名、 データインテグリティの確保方法を実践的に習得します。
🎯 学習目標
- CSV（Computer System Validation）の基本概念とライフサイクルアプローチ
- 21 CFR Part 11（電子記録・電子署名）の要件と実装
- ALCOA+原則に基づくデータインテグリティの確保
- 監査証跡（Audit Trail）の設計と実装
- リスクベースドアプローチによる適格性評価
- AIモデルのバリデーション戦略
- 変更管理とバージョン管理の実装
📋 5.1 CSV（Computer System Validation）の基礎
CSVライフサイクルアプローチ
GAMP 5（Good Automated Manufacturing Practice）に基づくCSVプロセス：
- 計画（Planning） : バリデーションマスタープラン（VMP）
- 仕様（Specification） : URS、FS、DS作成
- 構成・開発（Configuration/Development） : システム構築
- 検証（Verification） : IQ、OQ、PQ実施
- 報告・リリース（Reporting/Release） : バリデーション報告書
- 運用・保守（Operation/Maintenance） : 変更管理、定期レビュー
- 廃棄（Retirement） : データ移行、アーカイブ
🏭 GAMP 5カテゴリ分類
カテゴリ1 : インフラストラクチャソフトウェア（OS）
カテゴリ3 : 非設定製品（標準パッケージ）
カテゴリ4 : 設定製品（カスタマイズ可能）
カテゴリ5 : カスタムソフトウェア（独自開発）
※AIシステムは通常カテゴリ4または5
💻 コード例5.1: 監査証跡システムの実装
import json
import hashlib
from datetime import datetime
from typing import Dict, List, Any
import warnings
warnings.filterwarnings('ignore')
class AuditTrailSystem:
"""GMP準拠の監査証跡システム"""
def __init__(self, system_name: str):
"""
Args:
system_name: システム名
"""
self.system_name = system_name
self.audit_records: List[Dict] = []
self.sequence_number = 0
def log_event(self, event_type: str, user: str, action: str,
record_type: str, record_id: str, old_value: Any = None,
new_value: Any = None, reason: str = None) -> Dict:
"""
イベントの記録（21 CFR Part 11準拠）
Args:
event_type: イベント種別（CREATE, READ, UPDATE, DELETE, SIGN）
user: ユーザーID
action: アクション説明
record_type: レコード種別（BATCH_RECORD, DEVIATION, SOP など）
record_id: レコードID
old_value: 変更前の値
new_value: 変更後の値
reason: 変更理由
Returns:
監査証跡レコード
"""
self.sequence_number += 1
# タイムスタンプ（UTC）
timestamp = datetime.utcnow().isoformat() + 'Z'
# 監査証跡レコード
audit_record = {
'sequence_number': self.sequence_number,
'timestamp': timestamp,
'system_name': self.system_name,
'event_type': event_type,
'user_id': user,
'action': action,
'record_type': record_type,
'record_id': record_id,
'old_value': old_value,
'new_value': new_value,
'reason': reason,
'ip_address': '192.168.1.100', # 実際はリクエストから取得
'session_id': 'SESSION-' + hashlib.md5(user.encode()).hexdigest()[:8]
}
# ハッシュ値の計算（改ざん検出用）
audit_record['hash'] = self._calculate_hash(audit_record)
# 前レコードとのチェーン（ブロックチェーン的アプローチ）
if len(self.audit_records) > 0:
audit_record['previous_hash'] = self.audit_records[-1]['hash']
else:
audit_record['previous_hash'] = None
self.audit_records.append(audit_record)
return audit_record
def _calculate_hash(self, record: Dict) -> str:
"""レコードのハッシュ値計算（SHA-256）"""
# ハッシュ計算対象データ
data_to_hash = {
'sequence_number': record['sequence_number'],
'timestamp': record['timestamp'],
'user_id': record['user_id'],
'action': record['action'],
'record_id': record['record_id'],
'old_value': str(record.get('old_value')),
'new_value': str(record.get('new_value'))
}
data_string = json.dumps(data_to_hash, sort_keys=True)
return hashlib.sha256(data_string.encode()).hexdigest()
def verify_integrity(self) -> tuple:
"""
監査証跡の完全性検証
Returns:
(検証結果, エラーリスト)
"""
errors = []
for i, record in enumerate(self.audit_records):
# ハッシュ値の再計算と検証
calculated_hash = self._calculate_hash(record)
if calculated_hash != record['hash']:
errors.append(f"シーケンス {record['sequence_number']}: ハッシュ不一致")
# チェーン検証
if i > 0:
expected_prev_hash = self.audit_records[i-1]['hash']
if record['previous_hash'] != expected_prev_hash:
errors.append(f"シーケンス {record['sequence_number']}: チェーン断絶")
is_valid = len(errors) == 0
return is_valid, errors
def search_audit_trail(self, user: str = None, record_id: str = None,
event_type: str = None, start_date: str = None,
end_date: str = None) -> List[Dict]:
"""
監査証跡の検索
Args:
user: ユーザーID
record_id: レコードID
event_type: イベント種別
start_date: 開始日時（ISO8601形式）
end_date: 終了日時（ISO8601形式）
Returns:
検索結果のリスト
"""
results = self.audit_records.copy()
# フィルタリング
if user:
results = [r for r in results if r['user_id'] == user]
if record_id:
results = [r for r in results if r['record_id'] == record_id]
if event_type:
results = [r for r in results if r['event_type'] == event_type]
if start_date:
results = [r for r in results if r['timestamp'] >= start_date]
if end_date:
results = [r for r in results if r['timestamp'] <= end_date]
return results
def export_audit_trail(self, filename: str, format: str = 'json'):
"""
監査証跡のエクスポート
Args:
filename: 出力ファイル名
format: 出力形式（json, csv）
"""
if format == 'json':
with open(filename, 'w', encoding='utf-8') as f:
json.dump({
'system_name': self.system_name,
'export_timestamp': datetime.utcnow().isoformat() + 'Z',
'total_records': len(self.audit_records),
'audit_records': self.audit_records
}, f, ensure_ascii=False, indent=2)
elif format == 'csv':
import csv
with open(filename, 'w', encoding='utf-8', newline='') as f:
if len(self.audit_records) > 0:
fieldnames = list(self.audit_records[0].keys())
writer = csv.DictWriter(f, fieldnames=fieldnames)
writer.writeheader()
writer.writerows(self.audit_records)
print(f"監査証跡を {filename} にエクスポートしました")
def generate_audit_report(self):
"""監査証跡レポートの生成"""
print("=" * 60)
print("監査証跡レポート")
print("=" * 60)
print(f"システム名: {self.system_name}")
print(f"総レコード数: {len(self.audit_records)}")
if len(self.audit_records) > 0:
print(f"最初の記録: {self.audit_records[0]['timestamp']}")
print(f"最後の記録: {self.audit_records[-1]['timestamp']}")
# イベント種別ごとの集計
event_counts = {}
for record in self.audit_records:
event_type = record['event_type']
event_counts[event_type] = event_counts.get(event_type, 0) + 1
print(f"\nイベント種別集計:")
for event_type, count in sorted(event_counts.items()):
print(f" {event_type}: {count} 件")
# ユーザーごとの集計
user_counts = {}
for record in self.audit_records:
user = record['user_id']
user_counts[user] = user_counts.get(user, 0) + 1
print(f"\nユーザー別活動:")
for user, count in sorted(user_counts.items(), key=lambda x: x[1], reverse=True):
print(f" {user}: {count} 件")
# 完全性検証
is_valid, errors = self.verify_integrity()
print(f"\n監査証跡の完全性: {'✅ 検証OK' if is_valid else '❌ エラー検出'}")
if errors:
print(f"エラー詳細:")
for error in errors:
print(f" - {error}")
class ElectronicSignatureSystem:
"""電子署名システム（21 CFR Part 11準拠）"""
def __init__(self, audit_trail: AuditTrailSystem):
"""
Args:
audit_trail: 監査証跡システム
"""
self.audit_trail = audit_trail
self.signatures: Dict[str, List[Dict]] = {}
self.user_credentials = {
'user001': hashlib.sha256('password123'.encode()).hexdigest(),
'user002': hashlib.sha256('securepass456'.encode()).hexdigest()
}
def authenticate_user(self, user_id: str, password: str) -> bool:
"""ユーザー認証"""
if user_id not in self.user_credentials:
return False
password_hash = hashlib.sha256(password.encode()).hexdigest()
return password_hash == self.user_credentials[user_id]
def sign_record(self, user_id: str, password: str, record_id: str,
record_type: str, meaning: str, reason: str = None) -> Dict:
"""
電子署名の実行
Args:
user_id: ユーザーID
password: パスワード
record_id: 署名対象レコードID
record_type: レコード種別
meaning: 署名の意味（Reviewed, Approved, など）
reason: 署名理由
Returns:
署名レコード
"""
# ユーザー認証
if not self.authenticate_user(user_id, password):
raise ValueError("認証失敗: ユーザーIDまたはパスワードが無効です")
# 署名レコードの作成
signature = {
'signature_id': f"SIG-{len(self.signatures.get(record_id, [])) + 1:04d}",
'timestamp': datetime.utcnow().isoformat() + 'Z',
'user_id': user_id,
'record_id': record_id,
'record_type': record_type,
'meaning': meaning,
'reason': reason,
'signature_hash': self._create_signature_hash(user_id, record_id, meaning)
}
# 署名の保存
if record_id not in self.signatures:
self.signatures[record_id] = []
self.signatures[record_id].append(signature)
# 監査証跡への記録
self.audit_trail.log_event(
event_type='SIGN',
user=user_id,
action=f"電子署名実行: {meaning}",
record_type=record_type,
record_id=record_id,
new_value=meaning,
reason=reason
)
return signature
def _create_signature_hash(self, user_id: str, record_id: str, meaning: str) -> str:
"""署名ハッシュの生成"""
data = f"{user_id}:{record_id}:{meaning}:{datetime.utcnow().isoformat()}"
return hashlib.sha256(data.encode()).hexdigest()
def verify_signatures(self, record_id: str) -> List[Dict]:
"""特定レコードの署名検証"""
return self.signatures.get(record_id, [])
# 実行例
print("=" * 60)
print("監査証跡・電子署名システム（21 CFR Part 11準拠）")
print("=" * 60)
# 監査証跡システムの初期化
audit_system = AuditTrailSystem(system_name="Manufacturing Execution System")
# バッチレコードの作成
audit_system.log_event(
event_type='CREATE',
user='user001',
action='バッチレコード作成',
record_type='BATCH_RECORD',
record_id='BATCH-2025-0001',
new_value={'batch_id': 'BATCH-2025-0001', 'product': 'アスピリン錠', 'quantity': 10000}
)
# バッチレコードの更新
audit_system.log_event(
event_type='UPDATE',
user='user001',
action='反応温度記録',
record_type='BATCH_RECORD',
record_id='BATCH-2025-0001',
old_value={'reaction_temp': None},
new_value={'reaction_temp': 80.5},
reason='プロセスパラメータ入力'
)
# 逸脱記録の作成
audit_system.log_event(
event_type='CREATE',
user='user002',
action='逸脱記録作成',
record_type='DEVIATION',
record_id='DEV-2025-001',
new_value={'description': '反応温度が一時的に上限超過', 'severity': 'Minor'},
reason='温度スパイク検出'
)
# 電子署名システムの初期化
esign_system = ElectronicSignatureSystem(audit_system)
# バッチレコードへの署名
try:
signature1 = esign_system.sign_record(
user_id='user001',
password='password123',
record_id='BATCH-2025-0001',
record_type='BATCH_RECORD',
meaning='Reviewed',
reason='バッチ記録のレビュー完了'
)
print(f"\n✅ 電子署名成功: {signature1['signature_id']}")
signature2 = esign_system.sign_record(
user_id='user002',
password='securepass456',
record_id='BATCH-2025-0001',
record_type='BATCH_RECORD',
meaning='Approved',
reason='バッチリリース承認'
)
print(f"✅ 電子署名成功: {signature2['signature_id']}")
except ValueError as e:
print(f"❌ エラー: {e}")
# 監査証跡レポートの生成
audit_system.generate_audit_report()
# 監査証跡のエクスポート
audit_system.export_audit_trail('audit_trail_part11.json', format='json')
# 特定レコードの署名検証
print(f"\n" + "=" * 60)
print("電子署名検証")
print("=" * 60)
signatures = esign_system.verify_signatures('BATCH-2025-0001')
for sig in signatures:
print(f"署名ID: {sig['signature_id']}")
print(f" 署名者: {sig['user_id']}")
print(f" 日時: {sig['timestamp']}")
print(f" 意味: {sig['meaning']}")
print(f" 理由: {sig['reason']}")
print()実装のポイント:
- 21 CFR Part 11準拠の監査証跡機能（タイムスタンプ、ユーザーID、変更履歴）
- SHA-256ハッシュによる改ざん検出機能
- ブロックチェーン的アプローチによるレコード連鎖
- 電子署名の2要素認証（ユーザーID + パスワード）
- 署名の意味（Reviewed, Approved）の明確化
- 完全性検証機能とエクスポート機能
🔒 5.2 データインテグリティとALCOA+原則
ALCOA+原則
データインテグリティの基本原則（FDA/MHRA要件）：
- A ttributable（帰属性）: データの作成者・変更者が特定可能
- L egible（判読性）: データが読みやすく理解可能
- C ontemporaneous（同時性）: データが作成時点で記録される
- O riginal（原本性）: オリジナルデータまたは真正なコピー
- A ccurate（正確性）: データが正確で誤りがない
- + Complete（完全性）: すべての関連データが含まれる
- + Consistent（一貫性）: データに矛盾がない
- + Enduring（耐久性）: データが長期間保存される
- + Available（利用可能性）: 必要時にアクセス可能
⚠️ データインテグリティ違反の事例
・監査証跡の無効化や削除
・電子記録の無許可変更
・バックデート（日時の遡及変更）
・データの選択的報告
・複数ユーザーでの単一アカウント共有
💻 コード例5.2: データインテグリティチェッカー
import pandas as pd
import numpy as np
from datetime import datetime, timedelta
import json
import warnings
warnings.filterwarnings('ignore')
class DataIntegrityChecker:
"""データインテグリティ検証システム（ALCOA+準拠）"""
def __init__(self):
self.violations = []
def check_attributable(self, df: pd.DataFrame, required_columns: list) -> dict:
"""
帰属性チェック: 作成者・変更者情報の存在確認
Args:
df: 検証対象データフレーム
required_columns: 必須カラム（例: ['created_by', 'modified_by']）
Returns:
検証結果
"""
missing_columns = [col for col in required_columns if col not in df.columns]
if missing_columns:
violation = {
'principle': 'Attributable',
'severity': 'Critical',
'description': f"必須カラムが欠落: {missing_columns}"
}
self.violations.append(violation)
return {'passed': False, 'violation': violation}
# NULL値のチェック
null_counts = df[required_columns].isnull().sum()
if null_counts.any():
violation = {
'principle': 'Attributable',
'severity': 'Critical',
'description': f"NULL値を検出: {null_counts[null_counts > 0].to_dict()}"
}
self.violations.append(violation)
return {'passed': False, 'violation': violation}
return {'passed': True}
def check_contemporaneous(self, df: pd.DataFrame, timestamp_col: str,
event_col: str, max_delay_minutes: int = 5) -> dict:
"""
同時性チェック: イベント発生と記録時刻の乖離確認
Args:
df: 検証対象データフレーム
timestamp_col: タイムスタンプカラム
event_col: イベント発生時刻カラム
max_delay_minutes: 許容遅延時間（分）
Returns:
検証結果
"""
if timestamp_col not in df.columns or event_col not in df.columns:
violation = {
'principle': 'Contemporaneous',
'severity': 'Critical',
'description': f"タイムスタンプカラムが存在しません"
}
self.violations.append(violation)
return {'passed': False, 'violation': violation}
# タイムスタンプの変換
df_temp = df.copy()
df_temp[timestamp_col] = pd.to_datetime(df_temp[timestamp_col])
df_temp[event_col] = pd.to_datetime(df_temp[event_col])
# 遅延時間の計算
df_temp['delay_minutes'] = (df_temp[timestamp_col] - df_temp[event_col]).dt.total_seconds() / 60
# 許容範囲外のレコード
delayed_records = df_temp[df_temp['delay_minutes'] > max_delay_minutes]
if len(delayed_records) > 0:
violation = {
'principle': 'Contemporaneous',
'severity': 'Major',
'description': f"{len(delayed_records)}件のレコードが遅延記録（>{max_delay_minutes}分）",
'details': delayed_records[['delay_minutes']].to_dict()
}
self.violations.append(violation)
return {'passed': False, 'violation': violation}
return {'passed': True}
def check_complete(self, df: pd.DataFrame, mandatory_columns: list) -> dict:
"""
完全性チェック: 必須データの欠損確認
Args:
df: 検証対象データフレーム
mandatory_columns: 必須カラムリスト
Returns:
検証結果
"""
missing_data = {}
for col in mandatory_columns:
if col not in df.columns:
missing_data[col] = 'カラム自体が存在しない'
else:
null_count = df[col].isnull().sum()
if null_count > 0:
missing_data[col] = f"{null_count}件の欠損値"
if missing_data:
violation = {
'principle': 'Complete',
'severity': 'Critical',
'description': "必須データの欠損を検出",
'details': missing_data
}
self.violations.append(violation)
return {'passed': False, 'violation': violation}
return {'passed': True}
def check_consistent(self, df: pd.DataFrame, validation_rules: dict) -> dict:
"""
一貫性チェック: ビジネスルールの検証
Args:
df: 検証対象データフレーム
validation_rules: 検証ルール辞書
Returns:
検証結果
"""
inconsistencies = []
for rule_name, rule_func in validation_rules.items():
violations_found = rule_func(df)
if violations_found:
inconsistencies.append({
'rule': rule_name,
'violations': violations_found
})
if inconsistencies:
violation = {
'principle': 'Consistent',
'severity': 'Major',
'description': "データの一貫性違反を検出",
'details': inconsistencies
}
self.violations.append(violation)
return {'passed': False, 'violation': violation}
return {'passed': True}
def check_accurate(self, df: pd.DataFrame, value_ranges: dict) -> dict:
"""
正確性チェック: データ値の範囲検証
Args:
df: 検証対象データフレーム
value_ranges: 値範囲辞書 {'column': (min, max)}
Returns:
検証結果
"""
out_of_range = {}
for col, (min_val, max_val) in value_ranges.items():
if col in df.columns:
violations = df[(df[col] < min_val) | (df[col] > max_val)]
if len(violations) > 0:
out_of_range[col] = {
'count': len(violations),
'range': f"{min_val}-{max_val}",
'invalid_values': violations[col].tolist()[:10] # 最初の10件
}
if out_of_range:
violation = {
'principle': 'Accurate',
'severity': 'Critical',
'description': "範囲外の値を検出",
'details': out_of_range
}
self.violations.append(violation)
return {'passed': False, 'violation': violation}
return {'passed': True}
def generate_integrity_report(self) -> dict:
"""データインテグリティレポートの生成"""
total_checks = len(self.violations) if self.violations else 0
critical_violations = [v for v in self.violations if v['severity'] == 'Critical']
major_violations = [v for v in self.violations if v['severity'] == 'Major']
minor_violations = [v for v in self.violations if v['severity'] == 'Minor']
report = {
'timestamp': datetime.utcnow().isoformat() + 'Z',
'total_violations': len(self.violations),
'critical': len(critical_violations),
'major': len(major_violations),
'minor': len(minor_violations),
'violations': self.violations,
'passed': len(self.violations) == 0
}
return report
def print_report(self):
"""レポートの出力"""
report = self.generate_integrity_report()
print("=" * 60)
print("データインテグリティ検証レポート（ALCOA+）")
print("=" * 60)
print(f"検証日時: {report['timestamp']}")
print(f"\n総違反件数: {report['total_violations']}")
print(f" Critical: {report['critical']}")
print(f" Major: {report['major']}")
print(f" Minor: {report['minor']}")
if report['passed']:
print(f"\n✅ データインテグリティ検証: 合格")
else:
print(f"\n❌ データインテグリティ検証: 不合格")
print(f"\n違反詳細:")
for i, violation in enumerate(self.violations, 1):
print(f"\n{i}. [{violation['severity']}] {violation['principle']}")
print(f" {violation['description']}")
if 'details' in violation:
print(f" 詳細: {json.dumps(violation['details'], indent=2, ensure_ascii=False)}")
# 実行例
print("=" * 60)
print("データインテグリティチェッカー（ALCOA+準拠）")
print("=" * 60)
# サンプルデータの生成（バッチ記録を想定）
np.random.seed(42)
n_records = 50
df_batch = pd.DataFrame({
'batch_id': [f'BATCH-{i+1:04d}' for i in range(n_records)],
'created_by': ['user001'] * 30 + ['user002'] * 15 + [None] * 5, # 一部NULL
'created_at': [datetime(2025, 1, 1) + timedelta(hours=i) for i in range(n_records)],
'event_time': [datetime(2025, 1, 1) + timedelta(hours=i, minutes=np.random.randint(0, 10)) for i in range(n_records)],
'reaction_temp': np.random.normal(80, 5, n_records),
'reaction_time': np.random.normal(120, 10, n_records),
'yield': np.random.normal(95, 3, n_records),
'purity': np.random.normal(99.5, 0.5, n_records)
})
# 意図的に異常値を追加
df_batch.loc[10, 'reaction_temp'] = 150 # 範囲外
df_batch.loc[20, 'yield'] = 110 # 100%超過
df_batch.loc[30, 'created_at'] = df_batch.loc[30, 'event_time'] + timedelta(hours=1) # 遅延記録
# データインテグリティチェッカーの初期化
checker = DataIntegrityChecker()
# 帰属性チェック
print("\n【帰属性チェック】")
result = checker.check_attributable(df_batch, required_columns=['created_by', 'created_at'])
print(f"結果: {'✅ 合格' if result['passed'] else '❌ 不合格'}")
# 同時性チェック
print("\n【同時性チェック】")
result = checker.check_contemporaneous(df_batch, timestamp_col='created_at',
event_col='event_time', max_delay_minutes=5)
print(f"結果: {'✅ 合格' if result['passed'] else '❌ 不合格'}")
# 完全性チェック
print("\n【完全性チェック】")
result = checker.check_complete(df_batch, mandatory_columns=['batch_id', 'created_by',
'reaction_temp', 'yield'])
print(f"結果: {'✅ 合格' if result['passed'] else '❌ 不合格'}")
# 正確性チェック
print("\n【正確性チェック】")
value_ranges = {
'reaction_temp': (70, 90),
'reaction_time': (100, 140),
'yield': (0, 100),
'purity': (95, 100)
}
result = checker.check_accurate(df_batch, value_ranges)
print(f"結果: {'✅ 合格' if result['passed'] else '❌ 不合格'}")
# 総合レポート
checker.print_report()実装のポイント:
- ALCOA+原則に基づく包括的なデータインテグリティ検証
- 帰属性、同時性、完全性、一貫性、正確性の自動チェック
- 違反の重要度分類（Critical、Major、Minor）
- 詳細なレポート生成と監査対応
- リアルタイムデータ検証の実装例
📚 まとめ
本章および本シリーズでは、医薬品製造プロセスへのAI応用を包括的に学びました。
第5章の主要なポイント
- CSV（Computer System Validation）のライフサイクルアプローチ
- 21 CFR Part 11準拠の監査証跡と電子署名の実装
- ALCOA+原則に基づくデータインテグリティの確保
- 改ざん検出機能とブロックチェーン的アプローチ
- 規制当局の査察に対応可能なシステム設計
シリーズ全体の振り返り
- 第1章 : GMP準拠の統計的品質管理（SPC、工程能力）
- 第2章 : 電子バッチ記録解析と逸脱管理
- 第3章 : PATとリアルタイム品質管理（NIR、MSPC）
- 第4章 : 連続生産とQbD実装（DoE、デザインスペース）
- 第5章 : 規制対応とCSV実装戦略
🎓 シリーズ完了
本シリーズ「医薬品製造プロセスへのAI応用」を完了しました。 GMP準拠の品質管理から規制対応まで、医薬品製造現場で即活用できる実践知識を習得しました。
継続学習のリソース:
・プロセス・インフォマティクス道場の他シリーズ（化学プラント、半導体製造など）
・FDA PATガイダンス、ICH Q8-Q11ガイドライン
・ISPE（国際製薬工学会）のGAMP 5ガイド
・データインテグリティに関するFDA/MHRA規制文書
← 第4章: 連続生産とQbD実装（準備中） シリーズ目次へ →
免責事項
- 本コンテンツは教育・研究・情報提供のみを目的としており、専門的な助言(法律・会計・技術的保証など)を提供するものではありません。
- 本コンテンツおよび付随するCode examplesは「現状有姿(AS IS)」で提供され、明示または黙示を問わず、商品性、特定目的適合性、権利非侵害、正確性・完全性、動作・安全性等いかなる保証もしません。
- 外部リンク、第三者が提供するデータ・ツール・ライブラリ等の内容・可用性・安全性について、作成者および東北大学は一切の責任を負いません。
- 本コンテンツの利用・実行・解釈により直接的・間接的・付随的・特別・結果的・懲罰的損害が生じた場合でも、適用法で許容される最大限の範囲で、作成者および東北大学は責任を負いません。
- 本コンテンツの内容は、予告なく変更・更新・提供停止されることがあります。
- 本コンテンツの著作権・ライセンスは明記された条件(例: CC BY 4.0)に従います。当該ライセンスは通常、無保証条項を含みます。