JMP compte de nombreux clients formidables, ce fut donc un plaisir de faire équipe avec Somaieh Mohammadi et Gwenola Ninon de Fujifilm Diosynth Biotechnologies pour un webinaire Chemistry World. Pour plus de détails et pour accéder à l'enregistrement de ce s'il vous plaît cliquez sur ici .
Nous avons couvert des défis très importants dans les processus de mise à l'échelle, notamment :
- Planifier des cycles à petite échelle qui déverrouillent 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, s'agira-t-il d'une expérience à l'échelle supérieure ou inférieure ? Quels sont vos attributs de qualité critiques (CQA) et vos paramètres de processus critiques (CPP) ?
Étape 1 : Saisissez vos CQA et CPP dans un DOE approprié. En cas de doute, il est recommandé d'utiliser l'option Custom Design, plus de détails dans un exemple travaillé ici . Avec des ressources limitées, ce scénario particulier a nécessité une Conception de criblage définitif .
Étape 2 : Effectuez des expériences et saisissez les résultats dans le tableau de données généré par JMP après le DOE.
Étape 3 : Explorez vos données durement gagnées ! Une façon de le faire est avec le Ajuster Y par X plate-forme, faites défiler les analyses univariées ci-dessous. Pouvons-nous faire des recommandations exploitables à partir de ces analyses ? Personnellement, je ne le pense pas, il existe potentiellement des relations multivariées entre les CPP (Feed Rate, Catalyst, Agitation, Temperature and Time) et le CQA (Yield).
Étape 4 : Utilisez le Ajuster le modèle (cliquez pour un grand @HydeMiller talk) plate-forme pour établir un modèle. Il est maintenant crucial d'interroger ce modèle, d'imaginer les questions qu'il faut se poser pour être rassuré de toute information exploitable. Le Profileur de prédiction (@phil_kay présente une analyse approfondie de l'utilisation du PP), est un excellent outil pour vous aider, vous et vos collègues, à commencer à vous poser ces questions. N'oubliez pas que vous souhaitez transférer d'un espace de paramètres (toutes les configurations de facteurs potentiels) vers un espace de conception (toutes les configurations de facteurs utiles qui répondent à votre CQA souhaité).
Étape 5 : Avec confiance dans votre espace de conception à une certaine échelle, envisagez d'effectuer les expériences à un autre niveau d'échelle. Ci-dessous, j'ai effectué des expériences à quatre niveaux d'échelle (bioréacteur AMBR, usine pilote 1, usine pilote 2 et pleine échelle). Au fur et à mesure qu'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 CPP, cela se voit entre le bioréacteur AMBR et l'usine pilote 1. Utilisez le tableau de bord QbD ci-dessous pour explorer cette relation.
Parfois, les relations sont atténuées (les différences entre les échelles diminuent au-dessus de la plage du RPC) ou amplifiées (les différences entre les échelles augmentent au-dessus de la plage du RPC). Pouvez-vous en voir la preuve dans les comparaisons entre le bioréacteur AMBR et l'usine pilote 2 ou à pleine échelle ? En fin de compte, ce sont deux situations où notre modèle de processus n'est pas robuste à toutes les échelles... nous devrons peut-être explorer d'autres CPP ou relations CPP.
En résumé
JMP est un outil fantastique pour vous aider à faire évoluer vos processus. L'ensemble d'outils disponibles vous permet, 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 auxquels la conception d'expériences s'attaque 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 %)
- Améliorer/innover les processus actuels (38 %)
- Communiquer efficacement la compréhension des processus (17 %)
Avec 38 %, il est clair que les organisations sont intéressées à améliorer leurs processus actuels. Votre organisation gagnerait-elle à pouvoir faire évoluer 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 en m'envoyant un e-mail à ben.francis@jmp.com
Articles recommandés :
Sandner, V., Pybus, LP, McCreath, G. et Glassey, J. (2019), Développement de modèles à échelle réduite dans les systèmes ambr : une perspective industrielle. 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 & 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
