JMP a de nombreux clients formidables, c'était donc un plaisir de faire équipe avec Somaieh Mohammadi et Gwenola Ninon de Fujifilm Diosynth Biotechnologies pour un webinaire du monde de la chimie. Pour plus de détails et pour accéder à l'enregistrement de ceci, veuillez cliquer ici .
Nous avons couvert des défis très importants dans les processus de mise à l'échelle, notamment:
- Planifiez des exécutions à petite échelle qui débloquent les paramètres parfaits ou testent des conditions de processus alternatives.
- Obtenir une image complète en comparant les échelles et en qualifiant la plus petite échelle.
- Convaincre votre organisation d'adopter cette approche sophistiquée en transmettant une compréhension des processus et des avantages clairs.
Les documents suivants vous montrent comment explorer cette approche. Vous n'avez pas encore JMP? Téléchargez votre essai gratuit ici .
Quelques prérequis:
- Comprenez ce que vous voulez réaliser et les résultats souhaitables / avantages potentiels. En fin de compte, la mise à l'échelle d'un processus nécessite des ressources, telles que du temps et de l'argent, il est donc important de comprendre s'il y aura suffisamment de bénéfices pour cette activité.
- Planifiez la mise à l'échelle, est-ce que ce sera une expérience à la hausse ou à la baisse? Quels sont vos attributs de qualité critiques (CQA) et vos paramètres de processus critiques (CPP)?
Étape 1: saisissez vos AQC et vos CPP dans un DOE approprié. En cas de doute, il est recommandé d'utiliser l'option Design personnalisé, plus de détails dans un exemple travaillé ici . Avec des ressources limitées, ce scénario particulier a nécessité un Conception de criblage définitif .
Étape 2: Réalisez des expériences et saisissez les résultats dans la table de données générée par JMP après le DOE.
Étape 3: Explorez vos données durement gagnées! Une façon d'y parvenir est d'utiliser le Ajuster Y par X plate-forme, faites défiler les analyses univariées séparées ci-dessous. Pouvons-nous faire des recommandations exploitables à partir de ces analyses? Personnellement, je ne pense pas, il existe des relations potentiellement multivariées entre les CPP (Feed Rate, Catalyst, Agitation, Temperature and Time) et le CQA (Yield).
Étape 4: utilisez le Ajuster le modèle (cliquez pour une grande @HydeMiller talk) pour établir un modèle. Il est maintenant crucial d'interroger ce modèle, d'imaginer les questions qui doivent être posées pour être rassuré de tout éclairage exploitable. le Profil de prédiction (@phil_kay présente une plongée approfondie en utilisant le PP), est un outil brillant pour vous aider, vous et vos collègues, à commencer à poser ces questions. N'oubliez pas que vous souhaitez transférer d'un espace de paramètres (toutes les configurations de facteurs potentiels) à un espace de conception (toutes les configurations de facteurs utiles qui correspondent à votre CQA souhaitée).
Étape 5: En toute confiance dans votre espace de conception à une certaine échelle, essayez de réaliser les expériences à un autre niveau d'échelle. Ci-dessous, j'ai réalisé des expériences à quatre niveaux d'échelle (AMBR Bioreactor, Pilot Plant 1, Pilot Plant 2 et Full Scale). Lorsqu'un processus est mis à l'échelle, nous devons nous attendre à des changements dans les valeurs de l'AQC.
Idéalement, nous aimerions que ces changements soient cohérents dans toutes les gammes de CPP, cela se voit entre AMBR Bioreactor et Pilot Plant 1. Utilisez le tableau de bord QbD ci-dessous pour explorer cette relation.
Parfois, les relations sont atténuées (les différences entre les échelles diminuent avec la plage du RPC) ou amplifiées (les différences entre les échelles augmentent avec la plage du RPC). Pouvez-vous en voir la preuve dans les comparaisons entre AMBR Bioreactor et Pilot Plant 2 ou Full Scale? En fin de compte, ce sont les deux situations dans lesquelles notre modèle de processus n'est pas robuste à toutes les échelles ... nous devrons peut-être explorer d'autres RPC ou relations avec le RPC.
En résumé
JMP est un outil fantastique pour vous aider à faire évoluer vos processus. L'ensemble des outils disponibles vous permettent, à vous et à votre organisation, de générer puis d'utiliser la compréhension des processus.
Au cours du webinaire, la question du sondage demandait "Lequel de ces défis abordés par Design of Experiments est le plus applicable à votre organisation?"
- Réduire le nombre d'expériences (28%)
- Fixer un calendrier et un budget pour l'expérimentation (12%)
- Comprendre les nouveaux processus de pointe (6%)
- Amélioration / innovation des processus actuels (38%)
- Communication efficace de la compréhension des processus (17%)
Avec 38%, il est clair que les organisations souhaitent améliorer leurs processus actuels. Votre organisation gagnerait-elle à étendre ses processus actuels de manière robuste? Si tel est le cas, n'hésitez pas à nous contacter; soit ci-dessous dans la section commentaires, en remplissant le formulaire ici , ou m'envoyer un email à ben.francis@jmp.com
Articles recommandés:
Sandner, V., Pybus, LP, McCreath, G. et Glassey, J. (2019), Scale ‐ Down Model Development in AMBR systems: An Industrial Perspective. Biotechnol. J., 14: 1700766. doi: 10.1002 / biot.201700766
Veronika Debevec, Tijana Stanić Ljubin, Žiga Jeraj, Tanja Rozman Peterka, Borut Bratuž, Dušan Gašperlin, Stanko Srčič et Matej Horvat (2020) Approche par étapes pour développer un espace de conception indépendant de l'échelle pour le processus d'enrobage fonctionnel des comprimés, Développement de médicaments et pharmacie industrielle, 46: 4, 566-575, EST CE QUE JE: 10.1080 / 03639045.2020.1742140
