TcmAdulterationAndFillerDetectionQualityChecker

Tcm Adulteration And Filler Detection

TCM Traditional Chinese Medicine Herbal Botanical BHP Chinese Pharmacopoeia CSV→JSON URS & FS
Open selection
TCM Adulteration & Filler Detection Quality Checker — Detection of Adulteration and Fillers in TCM

Performs chemometric and analytical authenticity control per USP <561>, EP 2.8.1, ChP general chapters and WHO guidelines: chemometric comparison (correlation coefficient ≥0.95, Mahalanobis distance ≤3.0, residual variance ≤5.0), chromatographic fingerprinting (similarity index ≥0.90, common peaks match, missing marker compounds detection), filler detection (starch via IR markers, cellulose excess, mineral fillers via high ash content >10%, synthetic dyes like Sudan Red/Metanil Yellow), and risk context assessment (known adulterant risk, high-risk adulterants list). Four-tier classification: AUTHENTIC / SUSPICIOUS / ADULTERATED / UNKNOWN.

⚠️ Critical: Synthetic dyes in TCM are prohibited; presence = immediate batch rejection. Starch and talc are used to increase weight of cheap raw materials; detection is mandatory for powdered forms. Mahalanobis distance >3.0 statistically means sample does not belong to authentic group with 95% probability. Absence of marker compounds (e.g., ginsenosides in ginseng) renders therapy ineffective. Chemometric models require regular reference library updates (at least annually). For complex multi-component mixtures (Fufang), fingerprint method is preferred over single markers. Tool assesses AUTHENTICITY AND ABSENCE OF ADULTERATION only; does not replace quantitative assay of active substances (TcmMarkerCompoundsQuantificationQualityChecker) or safety assessment (TcmHeavyMetalsQualityChecker). ADULTERATED status means raw material use is prohibited; SUSPICIOUS requires additional investigation (e.g., DNA barcoding).

Usage:
TcmAdulterationAndFillerDetectionQualityChecker.exe → demo mode (console output)
TcmAdulterationAndFillerDetectionQualityChecker.exe input.csv output.json → evaluate your data

📍 Scope of Application:
• TCM raw material incoming inspection: Verification of suppliers from China/Southeast Asia.
• Customs control: Rapid identification of smuggled or falsified raw materials.
• Manufacturing QC: Monitoring integrity of prescription mixtures.
• Regulatory inspections: Proof of authenticity for registration dossiers.
• Complaint investigations: Analysis of samples that caused lack of therapeutic effect.

💡 Tips:
1. Library Maintenance: Regularly update reference library with new batches from verified suppliers.
2. Multi-Method Approach: Combine NIR (fast) with HPLC (accurate) for maximum reliability.
3. Adulterant Database: Maintain database of known filler spectra (starch, talc, dyes) for direct search.
4. PCA Model Validation: Validate PCA models on independent datasets before routine implementation.
5. Supplier Audits: Use utility data for supplier audits; frequent "Suspicious" results = reason for inspection.

⚠️ Note: This utility assesses AUTHENTICITY AND ABSENCE OF ADULTERATION. It does not replace quantitative determination of active substances (TcmMarkerCompoundsQuantificationQualityChecker) or safety assessment (TcmHeavyMetalsQualityChecker). ADULTERATED status prohibits raw material use; SUSPICIOUS status requires additional investigation (e.g., DNA barcoding).

input.csv

SampleID,HerbName,PartUsed,AnalyticalMethod,ReferenceLibraryVersion,CorrelationCoefficient,MinCorrelationThreshold,MahalanobisDistance,MaxMahalanobisDistance,ResidualVariance,MaxResidualVariance,StarchDetected,StarchMarkerIntensity,CelluloseExcessDetected,CelluloseMarkerIntensity,SyntheticDyeDetected,DetectedDyeType,MineralFillerDetected,MineralAshContent_Percent,MaxAllowedAshContent_Percent,CommonPeaksCount,ExpectedCommonPeaks,SimilarityIndex,MinSimilarityIndex,MissingMarkerCompounds,KnownAdulterantRisk,HighRiskAdulterants
TCM-ADV-2026-001,Panax_ginseng,Root,NIR_FTIR_Combined,Lib_TCM_v4.2,0.985,0.95,1.2,3.0,2.1,5.0,false,0.05,false,0.12,false,,false,4.5,10.0,10,10,0.96,0.90,,true,"American_Ginseng,Starch,Talc"
TCM-ADV-2026-002,Panax_ginseng,Root,NIR_FTIR_Combined,Lib_TCM_v4.2,0.82,0.95,8.5,3.0,12.5,5.0,true,0.85,false,0.15,false,,true,18.5,10.0,6,10,0.75,0.90,"Ginsenoside_Rb1,Ginsenoside_Re",true,"American_Ginseng,Starch,Talc"
TCM-ADV-2026-003,Coptis_chinensis,Rhizome,HPLC_Fingerprint,Lib_TCM_v4.2,0.65,0.95,12.0,3.0,15.0,5.0,false,0.02,false,0.10,true,Metanil_Yellow,false,5.2,10.0,4,8,0.55,0.90,"Berberine,Jatrorrhizine,Coptisine",true,"Other_Coptis_species,Yellow_Dye"
TcmAdulterationAndFillerDetectionQualityChecker — URS/FS Documentation

TcmAdulterationAndFillerDetectionQualityChecker — URS & FS

TCM Adulteration & Filler Detection Quality Checker

TCM Adulteration & Filler Detection Quality Checker

FUZKK Pharma Utilities URS / FS / CSV-ready documentation Generated: 2026-06-23 Path: East/tkm/data/apps/TcmAdulterationAndFillerDetectionQualityChecker

1. Назначение документа

Документ описывает пользовательские требования (URS) и функциональную спецификацию (FS) для утилиты TcmAdulterationAndFillerDetectionQualityChecker. Утилита предназначена для детерминированной проверки данных input.csv, формирования структурированного результата output.json и поддержки прослеживаемого QA/QC review.

Документ является проектной URS/FS-основой для CSV/CSA, IQ/OQ/PQ и дальнейшей валидации в контексте конкретной лабораторной процедуры.

2. Исходное описание утилиты

TCM Adulteration & Filler Detection Quality Checker — Выявление фальсификации и наполнителей в ТКМ ℹ️ Утилита выполняет хемометрический и аналитический контроль подлинности согласно USP <561>, EP 2.8.1, ChP general chapters и WHO guidelines: ХЕМОМЕТРИЧЕСКОЕ СРАВНЕНИЕ: • Correlation Coefficient ≥ 0.95: Степень сходства спектра/хроматограммы с эталоном. • Mahalanobis Distance ≤ 3.0: Мера удаленности от кластера аутентичных образцов в пространстве PCA. • Residual Variance ≤ 5.0: Необъясненная дисперсия; высокие значения указывают на присутствие чужеродных компонентов. • ⚠ Низкая корреляция + высокое расстояние Махаланобиса = вероятная подмена вида. ХРОМАТОГРАФИЧЕСКИЕ ОТПЕЧАТКИ ПАЛЬЦЕВ (HPLC/GC): • Similarity Index ≥ 0.90: Индекс сходства профилей. • Common Peaks Match: Все ожидаемые пики должны присутствовать. • Missing Marker Compounds: Отсутствие ключевых маркеров (например, берберина в коптисе) = фальсификация. ДЕТЕКЦИЯ НАПОЛНИТЕЛЕЙ: • Starch Detection: ИК-маркеры крахмала (полосы 1000–1100 см⁻¹). Частый наполнитель для увеличения веса корней. • Cellulose Excess: Избыток целлюлозы может указывать на добавление нецелевых частей растения (стебли вместо листьев). • Mineral Fillers: Повышенная зольность (>10%) часто свидетельствует о добавлении талька, мела или почвы. • Synthetic Dyes: ⛔ Обнаружение Судана красного, метанилового желтого и др. = незаконная фальсификация для имитации цвета. КОНТЕКСТ РИСКА: • Known Adulterant Risk: Учет известных рисков для конкретного вида (например, женьшень часто подменяют американским женьшенем). • High-Risk Adulterants List: Список наиболее вероятных заменителей для прицельного поиска. ⚠️ ВАЖНО: • Синтетические красители в ТКМ запрещены; их наличие = немедленный отказ партии. • Крахмал и тальк используются для увеличения веса дешевого сырья; детекция обязательна для порошкообразных форм. • Расстояние Махаланобиса > 3.0 статистически означает, что образец не принадлежит к группе аутентичных с вероятностью 95%. • Отсутствие маркерных соединений (например, гинзенозидов в женьшене) делает терапию неэффективной. • Хемометрические модели требуют регулярного обновления библиотеки эталонов (минимум раз в год). • Для сложных многокомпонентных смесей (Fufang) метод отпечатков пальцев предпочтительнее единичных маркеров. Использование: TcmAdulterationAndFillerDetectionQualityChecker.exe → демо-режим (вывод в консоль) TcmAdulterationAndFillerDetectionQualityChecker.exe input.csv output.json → оценка ваших данных 📍 Область применения: • Входной контроль сырья ТКМ: Проверка поставщиков из Китая/Юго-Восточной Азии. • Таможенный контроль: Быстрая идентификация контрабандного или фальсифицированного сырья. • Производственный QC: Мониторинг целостности рецептурных смесей. • Регуляторные инспекции: Доказательство подлинности для регистрационных досье. • Расследование жалоб: Анализ образцов, вызвавших отсутствие терапевтического эффекта. 💡 Советы: 1. Library Maintenance: Регулярно пополняйте библиотеку эталонов новыми партиями от проверенных поставщиков. 2. Multi-Method Approach: Комбинируйте NIR (быстро) с HPLC (точно) для максимальной надежности. 3. Adulterant Database: Ведите базу спектров известных наполнителей (крахмал, тальк, красители) для прямого поиска. 4. PCA Model Validation: Валидируйте PCA-модели на независимых наборах данных перед внедрением в рутину. 5. Supplier Audits: Используйте данные утилиты для аудита поставщиков; частые "Suspicious" результаты = повод для проверки. ⚠️ Примечание: Утилита оценивает ПОДЛИННОСТЬ И ОТСУТСТВИЕ ФАЛЬСИФИКАЦИИ. Она не заменяет количественное определение активных веществ (TcmMarkerCompoundsQuantificationQualityChecker) или оценку безопасности (TcmHeavyMetalsQualityChecker). Статус ADULTERATED означает запрет на использование сырья; SUSPICIOUS требует дополнительного расследования (например, ДНК-баркодирования).

3. URS — пользовательские требования

3.1 Цель и область применения

Система должна принимать табличные результаты лабораторного контроля, выполнять проверку по заранее заданным критериям и возвращать понятный статус по каждой серии/записи: Pass, Review или Fail.

3.2 Нормативная / методическая база

В исходном описании и правилах утилиты используются следующие ориентиры: ChP, USP, EP, WHO. Финальные лимиты должны быть подтверждены утверждённой спецификацией, монографией, SOP или протоколом трансфера метода.

3.3 Ключевые QC-проверки

  • Correlation Coefficient ≥ 0.95: Степень сходства спектра/хроматограммы с эталоном.
  • Mahalanobis Distance ≤ 3.0: Мера удаленности от кластера аутентичных образцов в пространстве PCA.
  • Residual Variance ≤ 5.0: Необъясненная дисперсия; высокие значения указывают на присутствие чужеродных компонентов.
  • ⚠ Низкая корреляция + высокое расстояние Махаланобиса = вероятная подмена вида.
  • Similarity Index ≥ 0.90: Индекс сходства профилей.
  • Common Peaks Match: Все ожидаемые пики должны присутствовать.
  • Missing Marker Compounds: Отсутствие ключевых маркеров (например, берберина в коптисе) = фальсификация.
  • Starch Detection: ИК-маркеры крахмала (полосы 1000–1100 см⁻¹). Частый наполнитель для увеличения веса корней.

3.4 Пользователи

  • QC analyst — подготовка и загрузка input.csv.
  • QA/QC reviewer — проверка результата и отклонений.
  • CSV/validation specialist — подтверждение пригодности утилиты.
  • System owner — управление версией, доступом и изменениями.

3.5 Требования к данным и Data Integrity

  • каждая строка CSV должна быть прослеживаемой к серии, образцу или измерению;
  • исходные значения не должны изменяться утилитой;
  • расчёты должны быть воспроизводимыми при повторном запуске;
  • любое отклонение должно сохраняться как структурированное finding с указанием поля и правила;
  • ручное изменение итогового статуса вне QA-процесса не допускается.

4. FS — функциональная спецификация

4.1 Поток обработки

  1. Проверить наличие и кодировку input.csv.
  2. Проверить заголовки, обязательные поля и типы данных.
  3. Нормализовать числовые и булевы значения без изменения исходного следа.
  4. Выбрать набор правил по категории продукта/типа, если он предусмотрен.
  5. Сравнить значения с лимитами и вычислить derived metrics.
  6. Сформировать запись результата по каждой строке.
  7. Сохранить output.json с общей сводкой, findings и traceability.

4.2 CSV-схема

№Поле CSVТипОбяз.Назначение
1SampleIDstringДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
2HerbNamestringДаИдентичность продукта, препарата или образца.
3PartUsedstringДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
4AnalyticalMethodstringДаМетаданные аналитического метода или условий анализа.
5ReferenceLibraryVersionstringДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
6CorrelationCoefficientdecimalДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
7MinCorrelationThresholddecimalДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
8MahalanobisDistancedecimalДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
9MaxMahalanobisDistancedecimalДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
10ResidualVariancedecimalДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
11MaxResidualVariancedecimalДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
12StarchDetectedbooleanДаБинарный признак обнаружения для правил нулевой толерантности или предупреждений.
13StarchMarkerIntensitydecimalДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
14CelluloseExcessDetectedbooleanДаБинарный признак обнаружения для правил нулевой толерантности или предупреждений.
15CelluloseMarkerIntensitydecimalДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
16SyntheticDyeDetectedbooleanДаБинарный признак обнаружения для правил нулевой толерантности или предупреждений.
17DetectedDyeTypestringДаКлассификация для выбора адаптивных лимитов или набора правил.
18MineralFillerDetectedbooleanДаБинарный признак обнаружения для правил нулевой толерантности или предупреждений.
19MineralAshContent_PercentdecimalДаИзмеренный аналитический результат для сравнения с критерием приемлемости.
20MaxAllowedAshContent_PercentdecimalДаИзмеренный аналитический результат для сравнения с критерием приемлемости.
21CommonPeaksCountintegerДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
22ExpectedCommonPeaksintegerДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
23SimilarityIndexdecimalДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
24MinSimilarityIndexdecimalДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
25MissingMarkerCompoundsstringДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
26KnownAdulterantRiskbooleanДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.
27HighRiskAdulterantsstringДаВходной атрибут для детерминированной оценки правил и прослеживаемости результата.

4.3 Пример входных данных

SampleIDHerbNamePartUsedAnalyticalMethodReferenceLibraryVersionCorrelationCoefficientMinCorrelationThresholdMahalanobisDistanceMaxMahalanobisDistanceResidualVarianceMaxResidualVarianceStarchDetectedStarchMarkerIntensityCelluloseExcessDetectedCelluloseMarkerIntensitySyntheticDyeDetectedDetectedDyeTypeMineralFillerDetectedMineralAshContent_PercentMaxAllowedAshContent_PercentCommonPeaksCountExpectedCommonPeaksSimilarityIndexMinSimilarityIndexMissingMarkerCompoundsKnownAdulterantRiskHighRiskAdulterants
TCM-ADV-2026-001Panax_ginsengRootNIR_FTIR_CombinedLib_TCM_v4.20.9850.951.23.02.15.0false0.05false0.12falsefalse4.510.010100.960.90trueAmerican_Ginseng,Starch,Talc
TCM-ADV-2026-002Panax_ginsengRootNIR_FTIR_CombinedLib_TCM_v4.20.820.958.53.012.55.0true0.85false0.15falsetrue18.510.06100.750.90Ginsenoside_Rb1,Ginsenoside_RetrueAmerican_Ginseng,Starch,Talc
TCM-ADV-2026-003Coptis_chinensisRhizomeHPLC_FingerprintLib_TCM_v4.20.650.9512.03.015.05.0false0.02false0.10trueMetanil_Yellowfalse5.210.0480.550.90Berberine,Jatrorrhizine,CoptisinetrueOther_Coptis_species,Yellow_Dye

4.4 Выходной JSON

{
  "utility": "TcmAdulterationAndFillerDetectionQualityChecker",
  "runId": "urn:fuzkk:run:example",
  "sourceFile": "input.csv",
  "recordsProcessed": 3,
  "overallStatus": "Pass / Review / Fail",
  "records": [
    {
      "recordId": "TCM-ADV-2026-001",
      "status": "Pass / Review / Fail",
      "criticalFindings": [],
      "warnings": [],
      "evaluatedRules": [
        "Configured acceptance criteria from the utility rule set"
      ],
      "inputTrace": {
        "SampleID": "TCM-ADV-2026-001",
        "HerbName": "Panax_ginseng",
        "PartUsed": "Root",
        "AnalyticalMethod": "NIR_FTIR_Combined",
        "ReferenceLibraryVersion": "Lib_TCM_v4.2",
        "CorrelationCoefficient": "0.985",
        "MinCorrelationThreshold": "0.95",
        "MahalanobisDistance": "1.2"
      }
    }
  ],
  "dataIntegrity": {
    "deterministicEvaluation": true,
    "sourceRowTraceability": true,
    "manualOverrideAllowed": false
  }
}

5. Трассировка URS → FS → тесты

URSFS-механизмПроверка
Загрузка корректного input.csvCSV parser + schema validatorOQ: валидный/невалидный CSV
Детерминированная оценка лимитовRule engine с фиксированной конфигурациейOQ: граничные значения и known expected results
Статусы Pass/Review/FailStatus aggregator по findingsOQ/PQ: образцы с проходными и провальными сериями
Прослеживаемость к исходной строкеinputTrace + recordIdPQ: сверка output.json с исходным CSV
Поддержка QA reviewструктурированные findings и warningsPQ: review сценарии и deviation handling

6. CSV/CSA и валидационный подход

IQ

  • проверка версии утилиты;
  • проверка расположения исполняемого файла;
  • проверка шаблона CSV;
  • контроль прав доступа.

OQ

  • проверка обязательных полей;
  • проверка типов данных;
  • проверка граничных значений;
  • проверка zero-tolerance правил.

PQ

  • прогоны на реальных/репрезентативных данных;
  • сверка с ручным расчётом;
  • подтверждение QA review workflow.

Change control

  • версионирование лимитов;
  • impact assessment при изменении правил;
  • регрессия после обновления.

1. Document purpose

This document defines user requirements (URS) and functional specification (FS) for TcmAdulterationAndFillerDetectionQualityChecker. The utility is intended to evaluate input.csv data deterministically, generate structured output.json output and support traceable QA/QC review.

This document is a project-level URS/FS baseline for CSV/CSA, IQ/OQ/PQ and further validation under an approved laboratory procedure.

2. Source utility description

TCM Adulteration & Filler Detection Quality Checker — Detection of Adulteration and Fillers in TCM Performs chemometric and analytical authenticity control per USP <561>, EP 2.8.1, ChP general chapters and WHO guidelines: chemometric comparison (correlation coefficient ≥0.95, Mahalanobis distance ≤3.0, residual variance ≤5.0), chromatographic fingerprinting (similarity index ≥0.90, common peaks match, missing marker compounds detection), filler detection (starch via IR markers, cellulose excess, mineral fillers via high ash content >10%, synthetic dyes like Sudan Red/Metanil Yellow), and risk context assessment (known adulterant risk, high-risk adulterants list). Four-tier classification: AUTHENTIC / SUSPICIOUS / ADULTERATED / UNKNOWN. ⚠️ Critical: Synthetic dyes in TCM are prohibited; presence = immediate batch rejection. Starch and talc are used to increase weight of cheap raw materials; detection is mandatory for powdered forms. Mahalanobis distance >3.0 statistically means sample does not belong to authentic group with 95% probability. Absence of marker compounds (e.g., ginsenosides in ginseng) renders therapy ineffective. Chemometric models require regular reference library updates (at least annually). For complex multi-component mixtures (Fufang), fingerprint method is preferred over single markers. Tool assesses AUTHENTICITY AND ABSENCE OF ADULTERATION only; does not replace quantitative assay of active substances (TcmMarkerCompoundsQuantificationQualityChecker) or safety assessment (TcmHeavyMetalsQualityChecker). ADULTERATED status means raw material use is prohibited; SUSPICIOUS requires additional investigation (e.g., DNA barcoding). Usage: TcmAdulterationAndFillerDetectionQualityChecker.exe → demo mode (console output) TcmAdulterationAndFillerDetectionQualityChecker.exe input.csv output.json → evaluate your data 📍 Scope of Application: • TCM raw material incoming inspection: Verification of suppliers from China/Southeast Asia. • Customs control: Rapid identification of smuggled or falsified raw materials. • Manufacturing QC: Monitoring integrity of prescription mixtures. • Regulatory inspections: Proof of authenticity for registration dossiers. • Complaint investigations: Analysis of samples that caused lack of therapeutic effect. 💡 Tips: 1. Library Maintenance: Regularly update reference library with new batches from verified suppliers. 2. Multi-Method Approach: Combine NIR (fast) with HPLC (accurate) for maximum reliability. 3. Adulterant Database: Maintain database of known filler spectra (starch, talc, dyes) for direct search. 4. PCA Model Validation: Validate PCA models on independent datasets before routine implementation. 5. Supplier Audits: Use utility data for supplier audits; frequent "Suspicious" results = reason for inspection. ⚠️ Note: This utility assesses AUTHENTICITY AND ABSENCE OF ADULTERATION. It does not replace quantitative determination of active substances (TcmMarkerCompoundsQuantificationQualityChecker) or safety assessment (TcmHeavyMetalsQualityChecker). ADULTERATED status prohibits raw material use; SUSPICIOUS status requires additional investigation (e.g., DNA barcoding).

3. URS — user requirements

3.1 Intended use and scope

The system shall accept tabular laboratory QC results, evaluate them against configured acceptance criteria and return a clear status for each batch or record: Pass, Review or Fail.

3.2 Regulatory / methodological basis

The source description and utility rules refer to the following framework: ChP, USP, EP, WHO. Final acceptance limits shall be confirmed by the approved specification, pharmacopoeial monograph, SOP or method-transfer protocol.

3.3 Key QC checks

  • TCM raw material incoming inspection: Verification of suppliers from China/Southeast Asia.
  • Customs control: Rapid identification of smuggled or falsified raw materials.
  • Manufacturing QC: Monitoring integrity of prescription mixtures.
  • Regulatory inspections: Proof of authenticity for registration dossiers.
  • Complaint investigations: Analysis of samples that caused lack of therapeutic effect.

3.4 Users

  • QC analyst — prepares and loads input.csv.
  • QA/QC reviewer — reviews output, findings and deviations.
  • CSV/validation specialist — confirms fitness for intended use.
  • System owner — controls versioning, access and change management.

3.5 Data and data-integrity requirements

  • each CSV row shall be traceable to a batch, sample or analytical measurement;
  • source values shall not be modified by the utility;
  • calculations shall be reproducible on repeated execution;
  • each deviation shall be captured as a structured finding with field and rule references;
  • manual override of the final status outside QA process is not allowed.

4. FS — functional specification

4.1 Processing flow

  1. Verify presence and encoding of input.csv.
  2. Validate headers, mandatory fields and data types.
  3. Normalize numeric and boolean values while preserving the source trace.
  4. Select an adaptive rule set by product/category type, where applicable.
  5. Compare values with limits and compute derived metrics.
  6. Create a result record for each input row.
  7. Write output.json with summary, findings and traceability.

4.2 CSV schema

#CSV fieldTypeReq.Purpose
1SampleIDstringYesInput attribute required for deterministic rule evaluation and output traceability.
2HerbNamestringYesProduct, preparation or sample identity.
3PartUsedstringYesInput attribute required for deterministic rule evaluation and output traceability.
4AnalyticalMethodstringYesAnalytical method / condition metadata required for technical review.
5ReferenceLibraryVersionstringYesInput attribute required for deterministic rule evaluation and output traceability.
6CorrelationCoefficientdecimalYesInput attribute required for deterministic rule evaluation and output traceability.
7MinCorrelationThresholddecimalYesInput attribute required for deterministic rule evaluation and output traceability.
8MahalanobisDistancedecimalYesInput attribute required for deterministic rule evaluation and output traceability.
9MaxMahalanobisDistancedecimalYesInput attribute required for deterministic rule evaluation and output traceability.
10ResidualVariancedecimalYesInput attribute required for deterministic rule evaluation and output traceability.
11MaxResidualVariancedecimalYesInput attribute required for deterministic rule evaluation and output traceability.
12StarchDetectedbooleanYesBinary detection flag used for zero-tolerance or warning rules.
13StarchMarkerIntensitydecimalYesInput attribute required for deterministic rule evaluation and output traceability.
14CelluloseExcessDetectedbooleanYesBinary detection flag used for zero-tolerance or warning rules.
15CelluloseMarkerIntensitydecimalYesInput attribute required for deterministic rule evaluation and output traceability.
16SyntheticDyeDetectedbooleanYesBinary detection flag used for zero-tolerance or warning rules.
17DetectedDyeTypestringYesClassification used to select adaptive limits or rule set.
18MineralFillerDetectedbooleanYesBinary detection flag used for zero-tolerance or warning rules.
19MineralAshContent_PercentdecimalYesMeasured analytical result compared with the configured acceptance criterion.
20MaxAllowedAshContent_PercentdecimalYesMeasured analytical result compared with the configured acceptance criterion.
21CommonPeaksCountintegerYesInput attribute required for deterministic rule evaluation and output traceability.
22ExpectedCommonPeaksintegerYesInput attribute required for deterministic rule evaluation and output traceability.
23SimilarityIndexdecimalYesInput attribute required for deterministic rule evaluation and output traceability.
24MinSimilarityIndexdecimalYesInput attribute required for deterministic rule evaluation and output traceability.
25MissingMarkerCompoundsstringYesInput attribute required for deterministic rule evaluation and output traceability.
26KnownAdulterantRiskbooleanYesInput attribute required for deterministic rule evaluation and output traceability.
27HighRiskAdulterantsstringYesInput attribute required for deterministic rule evaluation and output traceability.

4.3 Input data example

SampleIDHerbNamePartUsedAnalyticalMethodReferenceLibraryVersionCorrelationCoefficientMinCorrelationThresholdMahalanobisDistanceMaxMahalanobisDistanceResidualVarianceMaxResidualVarianceStarchDetectedStarchMarkerIntensityCelluloseExcessDetectedCelluloseMarkerIntensitySyntheticDyeDetectedDetectedDyeTypeMineralFillerDetectedMineralAshContent_PercentMaxAllowedAshContent_PercentCommonPeaksCountExpectedCommonPeaksSimilarityIndexMinSimilarityIndexMissingMarkerCompoundsKnownAdulterantRiskHighRiskAdulterants
TCM-ADV-2026-001Panax_ginsengRootNIR_FTIR_CombinedLib_TCM_v4.20.9850.951.23.02.15.0false0.05false0.12falsefalse4.510.010100.960.90trueAmerican_Ginseng,Starch,Talc
TCM-ADV-2026-002Panax_ginsengRootNIR_FTIR_CombinedLib_TCM_v4.20.820.958.53.012.55.0true0.85false0.15falsetrue18.510.06100.750.90Ginsenoside_Rb1,Ginsenoside_RetrueAmerican_Ginseng,Starch,Talc
TCM-ADV-2026-003Coptis_chinensisRhizomeHPLC_FingerprintLib_TCM_v4.20.650.9512.03.015.05.0false0.02false0.10trueMetanil_Yellowfalse5.210.0480.550.90Berberine,Jatrorrhizine,CoptisinetrueOther_Coptis_species,Yellow_Dye

4.4 Output JSON

{
  "utility": "TcmAdulterationAndFillerDetectionQualityChecker",
  "runId": "urn:fuzkk:run:example",
  "sourceFile": "input.csv",
  "recordsProcessed": 3,
  "overallStatus": "Pass / Review / Fail",
  "records": [
    {
      "recordId": "TCM-ADV-2026-001",
      "status": "Pass / Review / Fail",
      "criticalFindings": [],
      "warnings": [],
      "evaluatedRules": [
        "Configured acceptance criteria from the utility rule set"
      ],
      "inputTrace": {
        "SampleID": "TCM-ADV-2026-001",
        "HerbName": "Panax_ginseng",
        "PartUsed": "Root",
        "AnalyticalMethod": "NIR_FTIR_Combined",
        "ReferenceLibraryVersion": "Lib_TCM_v4.2",
        "CorrelationCoefficient": "0.985",
        "MinCorrelationThreshold": "0.95",
        "MahalanobisDistance": "1.2"
      }
    }
  ],
  "dataIntegrity": {
    "deterministicEvaluation": true,
    "sourceRowTraceability": true,
    "manualOverrideAllowed": false
  }
}

5. Traceability URS → FS → tests

URSFS mechanismTest evidence
Load valid input.csvCSV parser + schema validatorOQ: valid/invalid CSV cases
Deterministic limit evaluationRule engine with fixed configurationOQ: boundary values and known expected results
Pass/Review/Fail statusesStatus aggregator based on findingsOQ/PQ: passing and failing representative batches
Traceability to source rowinputTrace + recordIdPQ: output.json reconciliation to source CSV
QA review supportstructured findings and warningsPQ: review and deviation-handling scenarios

6. CSV/CSA and validation approach

IQ

  • utility version check;
  • executable location check;
  • CSV template check;
  • access-right verification.

OQ

  • mandatory field checks;
  • data type checks;
  • boundary-value checks;
  • zero-tolerance rule checks.

PQ

  • runs on real or representative data;
  • comparison with manual calculation;
  • confirmation of QA review workflow.

Change control

  • rule and limit versioning;
  • impact assessment for rule changes;
  • regression after updates.
Generated for FUZKK Pharma Utilities. This URS/FS documentation must be reviewed and approved under the applicable site quality system before regulated use.

Included in packages

Traditional Chinese Medicine (TCM) QC Suite

QC utility package for TCM: botanical identity, fingerprint consistency, marker compounds, decoction pieces, Paozhi processing, pesticides, mycotoxins, heavy metals, sulfur fumigation, microbial limits and adulteration screening.

Open