JMP ha molti clienti meravigliosi, quindi è stato un piacere collaborare con Somaieh Mohammadi e Gwenola Ninon di Fujifilm Diosynth Biotechnologies per un webinar di Chemistry World. Per maggiori dettagli e per accedere alla registrazione di questo, fare clic su Qui .
Abbiamo affrontato sfide molto importanti nei processi di ridimensionamento, tra cui:
- Pianificazione di corse su piccola scala che sbloccano le impostazioni perfette o sperimentano condizioni di processo alternative.
- Ottenere il quadro completo confrontando le scale e qualificando la scala più piccola.
- Convincere la tua organizzazione ad adottare questo approccio sofisticato trasmettendo comprensione del processo e chiari vantaggi.
I seguenti materiali mostrano come esplorare questo approccio. Non hai ancora JMP? Scarica la tua versione di prova gratuita Qui .
Alcuni prerequisiti:
- Comprendi cosa vuoi ottenere e i risultati desiderabili/potenziali benefici. In definitiva, la scalabilità di un processo richiede risorse, come tempo e denaro, quindi è importante capire se ci sarà un guadagno sufficiente per questa attività.
- Pianifica come scalare, sarà un esperimento di scalabilità verso l'alto o verso il basso? Quali sono i tuoi attributi critici di qualità (CQA) e parametri critici di processo (CPP)?
Passaggio 1: inserisci i tuoi CQA e CPP in un DOE appropriato. In caso di dubbio, è consigliabile utilizzare l'opzione Custom Design, maggiori dettagli in un esempio funzionante Qui . Con risorse limitate, questo particolare scenario richiedeva a Progettazione definitiva dello screening .
Passaggio 2: eseguire esperimenti e inserire i risultati nella tabella dati generata da JMP dopo il DOE.
Passaggio 3: esplora i tuoi dati guadagnati duramente! Un modo per farlo è con il Adatta Y per X piattaforma, fai scorrere le analisi univariate separate di seguito. Possiamo formulare raccomandazioni attuabili da queste analisi? Personalmente, non la penso così, ci sono relazioni potenzialmente multivariate tra i CPP (Feed Rate, Catalyst, Agitation, Temperature and Time) e il CQA (Yield).
Passaggio 4: utilizzare il Modello adatto (clicca per un grande @Hyde Miller talk) piattaforma per stabilire un modello. Ora è fondamentale interrogare quel modello, immaginare le domande che devono essere poste per essere rassicurati su qualsiasi intuizione attuabile. IL Profilo di previsione (@phil_kay presenta un approfondimento utilizzando il PP), è uno strumento brillante per aiutare te e i tuoi colleghi a iniziare a porre queste domande. Ricorda che vuoi trasferire da uno spazio dei parametri (tutte le potenziali configurazioni di fattori) a uno spazio di progettazione (tutte le configurazioni di fattori utili che soddisfano il tuo CQA desiderato).
Passaggio 5: con fiducia nel tuo spazio di progettazione su una certa scala, cerca di eseguire gli esperimenti su un altro livello di scala. Di seguito, ho eseguito esperimenti a quattro livelli di scala (bioreattore AMBR, impianto pilota 1, impianto pilota 2 e scala completa). Man mano che un processo viene ampliato, dobbiamo aspettarci cambiamenti nei valori CQA.
Idealmente, vorremmo che questi cambiamenti fossero coerenti tra gli intervalli CPP, come si vede tra il bioreattore AMBR e l'impianto pilota 1. Utilizza la dashboard QbD qui sotto per esplorare questa relazione.
A volte, le relazioni sono attenuate (le differenze tra le scale diminuiscono al di sopra del range CPP) o amplificate (le differenze tra le scale aumentano al di sopra del range CPP). Puoi vedere le prove di ciò nei confronti tra AMBR Bioreactor e Pilot Plant 2 o Full Scale? In definitiva, queste sono entrambe situazioni in cui il nostro modello di processo non è robusto su tutte le scale... potremmo aver bisogno di esplorare altri CPP o relazioni CPP.
In sintesi
JMP è uno strumento fantastico per aiutarti a ridimensionare i tuoi processi. L'insieme di strumenti disponibili consente a te e alla tua organizzazione di generare e quindi utilizzare la comprensione dei processi.
Durante il webinar, la domanda del sondaggio chiedeva "Quale di queste sfide affrontate da Design of Experiments è più applicabile alla tua organizzazione?"
- Riduzione del numero di esperimenti (28%)
- Stabilire tempi e budget per la sperimentazione (12%)
- Comprensione di nuovi processi all'avanguardia (6%)
- Migliorare/innovare i processi attuali (38%)
- Comunicare la comprensione del processo in modo efficace (17%)
Con il 38%, è chiaro che le organizzazioni sono interessate a migliorare i propri processi attuali. La tua organizzazione trarrebbe vantaggio dalla possibilità di scalare in modo efficace i propri processi attuali? In tal caso, sentiti libero di metterti in contatto; o sotto nella sezione commenti, compilando il modulo Qui o inviandomi un'e-mail a ben.francis@jmp.com
Articoli consigliati:
Sander, V., Pibus, LP, McCreath, G. e Glassey, J. (2019), Scale-Down Model Development in amb systems: An Industrial Perspective. Biotecnol. 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) Approccio graduale allo sviluppo di uno spazio di progettazione indipendente dalla scala per il processo di rivestimento funzionale delle compresse, Sviluppo di farmaci e farmacia industriale, 46:4, 566-575, DOI: 10.1080/03639045.2020.1742140
