정보
이 스킬은 EU FMD 및 미국 DSCSA와 같은 글로벌 규정을 준수하는 의약품 일련화 및 추적 관리 시스템을 구현합니다. 고유 식별자 생성, 집계 계층 구조, EPCIS 데이터 교환 및 검증 엔드포인트 통합을 처리합니다. 규제 시장에 제품을 출시하거나, EMVS와 같은 시스템과 통합하거나, 중국이나 브라질과 같은 지역으로 일련화를 확장할 때 사용하세요.
빠른 설치
Claude Code
추천npx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/implement-pharma-serialisationClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
name: implement-pharma-serialisation description: > EU FMD、US DSCSA、その他のグローバル規制に準拠した医薬品シリアライゼーションと トラックアンドトレースシステムを実装します。固有識別子の生成、集積階層、EPCISデータ 交換、検証エンドポイント統合を対象とします。新製品上市向けのシリアライゼーション実装、 EMVS/NMVSとの統合、DSCSAに準拠した取引情報交換の設計、EPCISイベントリポジトリの 構築、または追加市場(中国、ブラジル、ロシア)へのシリアライゼーション拡張時に使用します。 locale: ja source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: 2026-03-16 license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: compliance complexity: advanced language: multi tags: serialisation, eu-fmd, dscsa, epcis, track-and-trace, pharma
医薬品シリアライゼーションの実装
グローバルなトラックアンドトレース規制への規制準拠のために医薬品シリアライゼーションシステムを設定します。
使用タイミング
- EUまたは米国市場での新製品上市向けのシリアライゼーション実装時
- 欧州医薬品検証システム(EMVS/NMVS)との統合時
- DSCSAに準拠した取引情報交換の設計時
- サプライチェーン可視性のためのEPCISイベントリポジトリの構築または統合時
- 追加市場(中国NMPA、ブラジルANVISA等)へのシリアライゼーション拡張時
入力
- 必須: 製品情報(GTIN、製品コード、剤形、包装サイズ)
- 必須: 対象市場の規制(EU FMD、DSCSA、またはその両方)
- 必須: 包装階層(単品、束、ケース、パレット)
- 任意: 統合用の既存ERPまたはMESシステムの詳細
- 任意: 受託製造業者のシリアライゼーション能力
- 任意: 検証エンドポイント仕様
手順
ステップ1: 規制環境の把握
| 規制 | 地域 | 主要要件 | 期限 |
|---|---|---|---|
| EU FMD (2011/62/EU) | EU/EEA | 各単品への固有識別子 + 改ざん防止機能 | 2019年2月より発効 |
| DSCSA | 米国 | パッケージレベルでの電子的・相互運用可能なトレーシング | 2024年11月以降完全施行 |
| China NMPA | 中国 | 最小販売単位ごとの固有薬品トレーサビリティコード | 段階的 |
| Brazil ANVISA (SNCM) | ブラジル | IUM付き医薬品のシリアライゼーション | 段階的 |
| Russia MDLP | ロシア | 単品ごとの暗号コード、必須スキャン | 発効済み |
規制ごとの主要データ要素:
EU FMDの固有識別子(委任規則2016/161に基づく):
- 製品コード(GS1からのGTIN-14)
- シリアル番号(最大20桁の英数字、ランダム化)
- バッチ/ロット番号
- 有効期限
DSCSAの取引情報:
- 製品識別子(NDC/GTIN、シリアル番号、ロット、有効期限)
- 取引情報(日付、関係者、出荷の詳細)
- 取引履歴と取引声明
- パッケージレベルでの検証
期待結果: どの規制が各製品・市場の組み合わせに適用されるかを明確に把握していること。 失敗時: 進める前に市場要件を確認するために規制部門に相談します。
ステップ2: シリアライゼーションデータモデルの設計
-- Core serialisation data model
CREATE TABLE serial_numbers (
id BIGSERIAL PRIMARY KEY,
gtin VARCHAR(14) NOT NULL, -- GS1 GTIN-14
serial_number VARCHAR(20) NOT NULL, -- Unique per GTIN
batch_lot VARCHAR(20) NOT NULL,
expiry_date DATE NOT NULL,
status VARCHAR(20) DEFAULT 'ACTIVE', -- ACTIVE, DECOMMISSIONED, DISPENSED, etc.
created_at TIMESTAMPTZ DEFAULT NOW(),
UNIQUE(gtin, serial_number)
);
-- Aggregation hierarchy
CREATE TABLE aggregation (
id BIGSERIAL PRIMARY KEY,
parent_code VARCHAR(50) NOT NULL, -- SSCC or higher-level code
parent_level VARCHAR(10) NOT NULL, -- CASE, PALLET, BUNDLE
child_code VARCHAR(50) NOT NULL, -- GTIN+serial or child SSCC
child_level VARCHAR(10) NOT NULL, -- UNIT, BUNDLE, CASE
aggregation_event_id UUID NOT NULL,
created_at TIMESTAMPTZ DEFAULT NOW()
);
-- EPCIS events
CREATE TABLE epcis_events (
id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
event_type VARCHAR(30) NOT NULL, -- ObjectEvent, AggregationEvent, TransactionEvent
action VARCHAR(10) NOT NULL, -- ADD, OBSERVE, DELETE
biz_step VARCHAR(100), -- urn:epcglobal:cbv:bizstep:commissioning
disposition VARCHAR(100), -- urn:epcglobal:cbv:disp:active
read_point VARCHAR(100), -- urn:epc:id:sgln:location
event_time TIMESTAMPTZ NOT NULL,
event_timezone VARCHAR(6) NOT NULL,
payload JSONB NOT NULL,
created_at TIMESTAMPTZ DEFAULT NOW()
);
集積階層:
Pallet (SSCC)
└── Case (SSCC)
└── Bundle (GTIN + serial) [optional level]
└── Unit (GTIN + serial)
期待結果: データモデルがEPCISイベント追跡付きの完全なパック階層をサポートしていること。 失敗時: 既存のERPスキーマと競合する場合は、ERP を直接変更するのではなく統合レイヤーを設計します。
ステップ3: シリアル番号生成の実装
import secrets
import string
def generate_serial_number(length: int = 20, charset: str = None) -> str:
"""Generate a random serial number compliant with GS1 standards.
EU FMD requires randomised serial numbers to prevent prediction.
Max 20 characters, alphanumeric (GS1 Application Identifier 21).
"""
if charset is None:
# GS1 AI(21) allows: digits, uppercase, lowercase, and some special chars
# Most implementations use alphanumeric only for interoperability
charset = string.ascii_uppercase + string.digits
return ''.join(secrets.choice(charset) for _ in range(length))
def generate_serial_batch(gtin: str, batch_lot: str, expiry: str, count: int) -> list:
"""Generate a batch of unique serial numbers for a production run."""
serials = set()
while len(serials) < count:
serials.add(generate_serial_number())
return [
{
"gtin": gtin,
"serial_number": sn,
"batch_lot": batch_lot,
"expiry_date": expiry,
"status": "COMMISSIONED"
}
for sn in serials
]
期待結果: シリアル番号が暗号論的にランダムで、GTINごとにユニークで、印刷前に保存されていること。 失敗時: ユニーク性の衝突が発生した場合は、競合するシリアルを再生成し、イベントをログに記録します。
ステップ4: GS1 DataMatrixエンコーディングの実装
2D DataMatrixバーコードはGS1エレメント文字列をエンコードします:
(01)GTIN(21)Serial(10)Batch(17)Expiry
例:
(01)05012345678901(21)A1B2C3D4E5(10)LOT123(17)261231
各フィールドの意味:
- AI(01) = GTIN-14
- AI(21) = シリアル番号
- AI(10) = バッチ/ロット番号
- AI(17) = 有効期限(YYMMDD)
GS1 DataMatrixは可変長フィールドの区切り文字としてFNC1(GSキャラクター、ASCII 29)を使用します。
def encode_gs1_element_string(gtin: str, serial: str, batch: str, expiry: str) -> str:
"""Encode GS1 element string for DataMatrix printing.
FNC1 (GS character \\x1d) separates variable-length fields.
AI(01) and AI(17) are fixed length, so no separator needed after them.
AI(21) and AI(10) are variable length and need FNC1 terminator.
"""
GS = '\x1d' # GS1 FNC1 / Group Separator
return f"01{gtin}21{serial}{GS}10{batch}{GS}17{expiry}"
期待結果: エンコードされた文字列がGS1認定の検証機(ISO 15415グレードC以上)でスキャンテスト印刷を確認していること。 失敗時: スキャン検証が失敗した場合は、印刷品質、クワイエットゾーン、エンコーディング順序を確認します。
ステップ5: 国内検証システムとの統合
EU FMD — EMVS/NMVS統合
MAH → Upload serial data → EU Hub → Distribute to National Systems (NMVS)
├── Germany (securPharm)
├── France (CTS)
├── Italy (AIFA)
└── ... 31 markets
API操作:
- アップロード(MAH → EUハブ): コミッショニングされたシリアル番号のバッチアップロード
- 検証(薬局 → NMVS): 調剤前のシリアルステータス確認
- デコミッショニング(薬局 → NMVS): 販売時点での調剤済みとしてマーク
- 再有効化(MAH → NMVS): 誤ったデコミッショニングの取り消し
DSCSA — 検証ルーターサービス
Trading Partner A → VRS Request → Verification Router → MAH's VRS → Response
VRSレスポンダーエンドポイントを実装します:
# Simplified VRS endpoint (DSCSA verification)
from fastapi import FastAPI, HTTPException
app = FastAPI()
@app.get("/verify/{gtin}/{serial}/{lot}/{expiry}")
async def verify_product(gtin: str, serial: str, lot: str, expiry: str):
"""DSCSA product verification endpoint."""
record = await lookup_serial(gtin, serial)
if record is None:
return {"verified": False, "reason": "SERIAL_NOT_FOUND"}
if record.batch_lot != lot or str(record.expiry_date) != expiry:
return {"verified": False, "reason": "DATA_MISMATCH"}
if record.status != "ACTIVE":
return {"verified": False, "reason": f"STATUS_{record.status}"}
return {"verified": True, "status": record.status}
期待結果: 検証エンドポイントが1秒以内に正しいステータスで応答すること。 失敗時: 国内システムへのアップロードが失敗した場合は、指数バックオフでリトライし、運用チームに警告します。
ステップ6: EPCISイベントキャプチャの実装
EPCIS 2.0形式でサプライチェーンイベントを記録します:
{
"@context": "https://ref.gs1.org/standards/epcis/2.0.0/epcis-context.jsonld",
"type": "ObjectEvent",
"eventTime": "2025-03-15T10:30:00.000+01:00",
"eventTimeZoneOffset": "+01:00",
"epcList": ["urn:epc:id:sgtin:5012345.067890.A1B2C3D4E5"],
"action": "ADD",
"bizStep": "urn:epcglobal:cbv:bizstep:commissioning",
"disposition": "urn:epcglobal:cbv:disp:active",
"readPoint": {"id": "urn:epc:id:sgln:5012345.00001.0"},
"bizLocation": {"id": "urn:epc:id:sgln:5012345.00001.0"}
}
医薬品サプライチェーンにおける主要なビジネスステップ:
commissioning— シリアル番号が物理的な単品に割り当てられるpacking— ケースまたはパレットへの集積shipping— ある場所からの出発receiving— ある場所への到着dispensing— 患者への提供(デコミッショニングのトリガー)
期待結果: すべてのステータス変更が正しいタイムスタンプと場所を含むEPCISイベントを生成すること。 失敗時: 失敗したイベントキャプチャはキューに入れてリトライする必要があります。サイレントに破棄してはなりません。
バリデーション
- シリアル番号がランダム化され、GTINごとにユニークである
- GS1 DataMatrixエンコーディングがバーコードスキャナーで検証されている(ISO 15415グレードC以上)
- 集積階層が単品 → 束 → ケース → パレットを正しくリンクしている
- 国内検証システム統合がテストされている(アップロード、検証、デコミッショニング)
- すべてのビジネスステップでEPCISイベントがキャプチャされている
- 検証エンドポイントが1秒以内に応答する
- 例外処理がアップロード失敗、スキャン失敗、ネットワークエラーを対象としている
よくある落とし穴
- 連番シリアル番号: EU FMDは偽造防止のためにランダム化を明示的に要求しています。連番を使用しないこと
- 集積エラー: ケースの分解(解集積)は階層を更新する必要があります。誤った子関連付けのケースを出荷すると下流で検証失敗が発生します
- タイムゾーン処理: EPCISイベントはタイムゾーンオフセットを含める必要があります。オフセットなしのローカル時刻を使用するとサイト間でイベントの順序に曖昧さが生じます
- 遅延アップロード: シリアルデータは製品がサプライチェーンに入る前に国内システムにアップロードする必要があります。遅延アップロード = 薬局で疑わしいとフラグされる製品
- 例外の無視: 正当な製品が(誤検知で)定期的にフラグされます。アラートを調査・解決するプロセスが不可欠です
関連スキル
perform-csv-assessment— コンピューター化システムとしてのシリアライゼーションシステムのバリデーションconduct-gxp-audit— シリアライゼーションプロセスの監査implement-audit-trail— シリアライゼーションイベントの監査証跡serialize-data-formats— 一般的なデータシリアライゼーション(異なるドメイン、補完的な概念)design-serialization-schema— データ交換フォーマットのスキーマ設計
GitHub 저장소
Frequently asked questions
What is the implement-pharma-serialisation skill?
implement-pharma-serialisation is a Claude Skill by pjt222. Skills package instructions and resources that Claude loads on demand, so Claude can perform implement-pharma-serialisation-related tasks without extra prompting.
How do I install implement-pharma-serialisation?
Use the install commands on this page: add implement-pharma-serialisation to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does implement-pharma-serialisation belong to?
implement-pharma-serialisation is in the Other category, tagged general.
Is implement-pharma-serialisation free to use?
Yes. implement-pharma-serialisation is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
연관 스킬
LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.
이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.
이 Claude Skill은 스프레드, 오버/언더, 프로프 베트를 포함한 스포츠 베팅 시장을 분석합니다. 역사적 추이와 상황별 통계를 검토하여 가치 베트를 발견하고, 교육적 목적으로 실행 가능한 권장 사항이 담긴 구조화된 마크다운 결과를 제공합니다. 개발자는 이 기능을 스포츠 베팅 분석 도구에 활용할 수 있으며, 단순히 엔터테인먼트/교육 목적으로만 설계되었음을 유의해야 합니다.
이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.
