398737_ja-JP

liliconcom

対処戦略から簡単なものへ：機能データエクスプローラー（2021-US-30MP-890）で曲線を理解する

レベル：中級

 

アンドレア・クームス、シニアシステムエンジニア、JMP

 

10年前、私は「JSL to the Rescue：ワクチン製造におけるリアルタイム生産データを理解するための対処戦略」というタイトルのJMPディスカバリー講演を行いました。これは、からの曲線データを理解するためのカスタムワークフローを作成するためのいくつかのアプローチを提案しました。製造プロセス。データ、データ処理、およびモデリングの量は圧倒的であり、プロセスを監視、特性評価、および改善するには、かなりの量のスクリプトが必要でした。 10年後、Functional Data Explorerが登場しました。これにより、この作業がはるかに簡単になるだけでなく、プロセスのパフォーマンスとプロセスの理解に関してより多くの情報が得られます。このプレゼンテーションでは、Functional Data Explorerで細菌発酵データを理解することがいかに簡単であり、その結果がどのように安心をもたらすことができるかを示します。対処戦略は必要ありません。

 

このプレゼンテーションの最後には、発酵成長曲線を経時的に監視することに関するいくつかの考えが含まれています。説明する1つのオプションは、標準曲線から各曲線の積分差を計算することです。次のJMPコミュニティの説明は、2つのスプラインフィット間の面積を計算する方法を示しています。

https://community.jmp.com/t5/Discussions/Calculating-area-between-two-spline-fits-bivariate/td-p/1180

 

 

 

自動生成されたトランスクリプト...

 

スピーカー	トランスクリプト
アンドレア・クームス、JMP	こんにちは、私の名前はアンドレア・クームスです。私はJMPのシステムエンジニアです。 それで、今日、私は業界、特に製薬業界で働いていた私の年の話をするつもりです。
	それで、これが私が今日話していることを一言で言えばここにあります。
	意味をなすための対処戦略
	製造におけるリアルタイム生産データの分析...ワクチン製造における。 そしてそのプレゼンテーションでは、湾曲したデータを処理する方法について説明しました
	製造現場のセンサーからリアルタイムで取得していること。
	そして今日、私が話したいのは、JMPにある新しいツールのいくつか、特に機能データエクスプローラーと、それがこれらすべての作業を簡単なものにした方法です。
	そして、プロセスの理解、プロセスの最適化、およびプロセスの監視のために機能データエクスプローラーを使用する方法について説明します。
	それでは、最初に、私たちが扱っていたプロセスと曲線について説明しましょう。 したがって、ここの左側には、架空のワクチン製造プロセスの例があります。 それは材料の準備から始まります。
	この場合、バクテリア発酵を2段階で行ってから、製品をろ過、吸収、収穫します。
	そして下流で生成物を遠心分離し、最後に、材料の複数のサブロットを一緒に1ロットの材料に配合します。
	そして今日は、このプロセスの発酵段階に焦点を当てます。
	ですから、バクテリアが発酵している間、バクテリアは成長を遂げており、成長曲線はここ右側の何かのように見えます。 したがって、成長中には、ラグフェーズ、指数関数的成長フェーズ、定常フェーズ、そして最後に対数死フェーズがあります。
	そして、私がこの会社にいる間、私たちはプロセスの理解の下で、特にこれらの成長曲線の周りでプロセスの進化を経験していました。
	そこで、これら2つの発酵段階から5つのサンプルを採取し、それらのサンプルをQCラボに送って結果を待つことから始めました。 そして、私たちは得ました
	光学密度なので、これらのサンプルの細胞の密度を知ることができ、得られた結果は、右の図のようになりました。
	それらの特定の時点での結果の分布がありますが、成長曲線がどのように見えるかは本当にわかりませんでした。 それらは、私が下のそれらの分布の上に描いた曲線のいずれかのように見えた可能性があります。 本当に何も考えていませんでした。
	しかし、その後、インラインプローブを実装したので、濁度プローブを実装して、これらの成長曲線がどのように見えるかを実際に確認できるようにしました。 しかし、私たちはガウンを着て製造スイートに入らなければなりませんでした
	データを手動でダウンロードしてデスクに戻し、このすべてのデータをどのように処理するかを理解してください。
	そして最後に、PLCをアップグレードして、すべてのセンサーからのすべてのデータをデスクに置くことができるようになりました。ガウンを着て戻ったり、製造に戻ったりする必要はありません。すべてのデータがありました
	私たちの指先で、それは素晴らしかった。 しかし、注意深く分析した結果、データが多すぎて、処理するデータが多すぎることがわかりました。
	だから...
	そのため、リアルタイムデータを理解するための対処戦略についてこのプレゼンテーションを行いました。
	私たちはデータを理解するために多くの作業を行いました。リアルタイムデータを理解するために実行できるいくつかの戦略を共有したいと思います。
	私が最初に話したのは、それらの成長曲線をパラメータ化することでした。 だから私たちはこれらの曲線を持っていましたが、私たちは成長を見て、
	何が起こっているのかを理解しているので、それらをパラメーター化しました。 言い換えれば、私たちは成長の傾き、死亡率の傾きを取り、バクテリアが各段階にある期間を見ていました。 私たちは見ていました
	特定の時点での濁度、そして今、私たちはこれらの成長の大きなコレクションを持っていました...私たちが成長変数と呼んだもの。
	そして、これらの成長変数は私たちにとって非常に役に立ちました。 プロセスの理解、プロセスの最適化、プロセスの監視に使用しました。
	さて、私が話した対処戦略の2番目のグループは、このすべてのリアルタイムデータの処理だけでした。
	私たちが持っていた。 したがって、もちろん、このすべてのデータが有用であることがわかったら、すぐにアクセスしたいと考えました。
	したがって、最初に理解しなければならないのは、すべてのデータソースと、歴史家からのデータだけでなく、
	私たちの研究室の情報管理システムにおけるERPシステム。 そのデータをすべて1か所にまとめる必要がありました。 スーパージャーナルを使用したので、これはすべてのデータにアクセスし、すべてのスクリプトを実行するための中心的なコマンドの一種です。
	これは本当にたくさんの仕事でした。 私たちは自分たちをかなり誇りに思っていましたが、後から考えると、
	JMP、特に現在JMP 16にあるツールを知っていると、この作業をはるかに簡単にすることがいくつかあります。
	成長曲線があれば、機能データエクスプローラーを使用して曲線を分析できたはずです。 それらをパラメータ化する必要はありません、
	多くのデータを残していたところです。 機能データエクスプローラーですべてのデータを使用できます。 そしてもちろん、拡張ログへのアクションの記録、
	そうすれば、スクリプト作成の作業が非常に簡単になります。 しかし、今日は、機能データエクスプローラーをどのように使用するかに焦点を当てたいと思います。
	もちろん、私はもうそのデータにアクセスできないので、いくつかの成長曲線をシミュレートしました。 ここに20の異なる曲線があります。これは、細菌発酵中に見られるいくつかの変動を表しています。
	そして、機能データエクスプローラーを使用すると、これらの4つのステップに要約できます。 まず最初に、曲線のコレクションを取得します
	個々の曲線をすべて滑らかにします。 2番目のステップは、これらの曲線に見られるすべての変動性を表す平均形状と形状コンポーネントを決定することです。
	次のステップは、各曲線の形状成分の大きさを抽出することです。
	そして、これら2つの形状コンポーネントがあると、それらは実際には汎関数主成分と呼ばれます。
	次に、曲線がモデルへの入力であるかどうか、モデルへの出力であるかどうか、クラスタリング分析を行う場合など、データを分析する方法にこれらを使用できます。
	実際、これらの機能的主成分を使用して、あらゆる種類の分析を実行できます。 今日の例では、すべての曲線がモデルへの出力であるため、機能的なDOEを使用します。
	これらの曲線を詳しく見てみましょう。 それでは、JMPに取り掛かりましょう。
	ここにデータテーブルがあり、バッチ番号があり、濁度の中で曲線を構成する時間があります。
	また、プロセスパラメータもたくさんあります。 そして、私が最初にやりたいことは、これらのプロセスパラメータのいずれかがあるかどうかを確認するためにプロセスを理解したいということです
	曲線に見られる変動性に影響を与えています。 それでは、機能データエクスプローラーに入りましょう。 X、濁度はYであるため、時間を入れます。 ID関数を入力してから、これらのプロセスパラメータをすべて取得し、補足変数として入力します。
	ここで、実行する必要のある最初のステップは、柔軟なモデルをすべての曲線に適合させる必要があることです。これを行うには、指向性...直接関数PCAを使用します。
	これらの柔軟なモデルは次のとおりです。 JMPがすでに行っている2番目のステップは、平均曲線を決定することです。
	と私たちの形状コンポーネント。 そして、JMPは私のために6つの異なる形状コンポーネントを識別しました。 この左側に、6つの異なる形状のコンポーネントがあります。
	そして、これらの形状コンポーネントが私のデータで説明している変動の累積量は次のとおりです。
	ご覧のとおり、最初の2つの形状コンポーネントだけで、曲線の変動の92％についてすでに説明していますが、これはすばらしいことです。
	そして、ここに残っている形状コンポーネントは、おそらく私のデータのランダムな変動を説明しているだけなので、除外します。 それでは、先に進んでFPCの数を2つにカスタマイズしてみましょう。そうすれば、これら2つの形状コンポーネントが残ります。
	次のステップは、これらの曲線のそれぞれについて、これらの形状コンポーネントのそれぞれの大きさを決定することです。ここで、スコアプロットにそれらを含めます。
	X軸にはShapeComponent 1があり、Y軸にはShape Component2があります。
	以下にプロファイラーがあり、ここで黄色で強調表示した曲線を確認できます。最初の形状コンポーネントが曲線の形状にどのように影響するかを確認できます。
	主に曲線の成長段階であり、2番目の形状コンポーネントは主に曲線の死段階に影響を与えます。
	そして、これらのバッチのいくつかを詳しく見てみましょう。 バッチ15を見てみましょう。 これがバッチ15の曲線で、シェイプコンポーネント1の大きさとシェイプコンポーネント2の大きさを確認できます。 これらをプロファイラーに直接入力できます。
	これで、バッチ15の曲線を再現できることがわかります。 もう1つ見てみましょう。 このバッチ2を見てみましょう。これは、バッチ15と比較して非常に異なって見え、形状...形状コンポーネントの大きさも非常に異なります。 だからしましょう
	それらを見てください。
	そして、あなたは今、私たちが行ってきたことを見ることができます...私たちはその曲線も複製することができます。
	したがって、平均形状、つまり曲線の周りの変動を表す2つの形状コンポーネントがわかっているので、これらの形状コンポーネントのこれらの大きさを使用して分析を行うことができます。
	そして、私たちが行うことができます...あなたの曲線があなたのモデルの応答であるとき、あなたはここで機能データエクスプローラーでその分析を行うことができます。
	それで、ここの下に、私は新しいプロファイラーを持っています。 そして今回はプロファイラーで、私は...カーブを再び持っています。これを再び黄色で強調表示します。
	そして、pH、温度、圧力、混合速度のパラメーターがあります。 混合速度についてはこちらをご覧ください。かなりフラットなので、その形状には影響しません。
	圧力についても同じですが、温度を調べ始めると、曲線の形状、主に曲線の成長段階が変化していることがわかります。 そして、pHを変えると、それは主に私の曲線のその段階に影響を与えます。
	これが、プロセスを理解するために私が採用するアプローチです。 さて、プロセスの最適化はどうですか？ そして、プロセスの最適化とは、つまり、
	標準化したい特定の曲線がある場合、その望ましい曲線を取得するために必要なpHと温度はどのくらいですか？ さて、あなたがする必要がある最初のことはあなたがそれが何であるかを定義する必要があるということです
	希望の曲線は次のようになります。 そして、データテーブルの下部に、探している形状を説明するデータポイントがいくつかあります。これらは、ここに表示されます...
	グラフビルダーで。 そしてこの場合、私は非常に速い成長率と非常に遅いクラッシュ率を持つ曲線を取得することに興味があります。
	そして、これは機能データエクスプローラーに追加するのは本当に簡単です。 追加の手順を1つ実行する必要があります。以前にしたことを思い出します。
	そして、もう1つのステップは、そのターゲット関数をロードし、どれを識別するかです。
	関数は私たちの目標を表しています。 そして今私がしているのは、以前にしたことを再現することだけです。 直接機能PCAを実行します。
	FPCを2にカスタマイズします。これは、以前に表示されていた結果とまったく同じです。次に、機能的なDOEを実行します。
	繰り返しになりますが、ここで私の曲線を強調します。 そして、そのターゲット曲線が特定されたので、望ましさを最大化することができます。つまり、pHと温度の設定値を見つけることができます。
	そして、そのターゲットカーブに最もよく似たカーブを私に与える圧力と混合速度。 だからあります
	本当に速い成長率、遅いクラッシュ率。 そして、私はただする必要があります
	pH 7.2の培地から始めて、発酵槽で37.9の温度を使用します。 これが、プロセスの理解とプロセスの最適化に使用したであろうアプローチです。
	成長曲線または曲線形状のプロセス監視について話しているとき、そこにはいくつかの異なるオプションがあり、ここでいくつかの異なる考えがあります。
	これを実行したい場合は、この2020年のプレゼンテーション、関数形式のプロセス変数の統計的プロセス制御を確認することを強くお勧めします。
	これは録音されたプレゼンテーションで、本当に素晴らしいです。 彼らは、それらの機能的主成分を取り、それらをモデル駆動型多変量管理図に入れることについて話しました。
	彼らは素晴らしいデモンストレーションを行いました...そのデモンストレーション、そしてそのアプローチを取ることのいくつかのおそらく欠点についても話しました。
	ですから、あなたが検討したいと思うかもしれない別のアプローチについて議論したいと思います。それは、標準との統合された違いを見ています。
	したがって、以前と同じように、そのターゲットカーブを確認するときに、そのターゲットカーブを標準として使用し、バッチごとに、その標準との差を計算できます。 だから例えば、ここに私は
	ここで青で表されている1つのバッチからの曲線...または申し訳ありませんが、赤で表されています。 標準曲線は青色で、私は違いをとっています。ここでの違いは、下のこの緑色の曲線にあります。
	そして、その曲線を統合して曲線の下の領域を見つけることができ、それを統計的プロセス制御プログラムで使用できます。 そして、私はそれを行う方法のステップをすばやく案内したいと思います。
	これが私の時間と標準の濁度値、その最初のバッチの濁度です。これら2つの差を計算しました。 そして、あなたができることはあなたができることです
	Fit Y by Xを使用して、時間の経過に伴うその差のスプラインモデルを作成すると、そのモデルの係数をデータテーブルに保存できます。
	取得するのは、スプラインモデルの構築に使用できるX値と4つの係数です。 そして、スプラインモデルを構築するための式は次のとおりです。
	次に、この式を統合します。 したがって、スクリプトを使用してこれを行うことができます。私は数式エディターでこれを行うことにしました。 そのため、前の式を手作業で統合するだけで、ここで曲線の各スライスの面積を決定しました。
	したがって、これらの領域のスライスを取得したら、関心のある領域を合計する必要があります。 だから私は全体の曲線の領域を行うことができます。
	私は成長期と死期だけのためにそれをすることもできます、そして私はここでそれをしました
	私のテーブル変数で。 これで、合計の統合された差異、成長段階での統合された差異、および死亡段階での統合された差異の変数ができました。
	そして、基本的には、バッチごとにそれを実行します。 ここでは、20のバッチすべてに対してこれを実行しました。これで、これらの変数に対して統計的プロセス制御を実行できます。
	したがって、これらは、機能データエクスプローラーを使用して、プロセスの監視、プロセスの理解、およびプロセスの最適化を検討するために採用したアプローチの一種です。 ぜひチェックしてみてください。あなたにとってもケーキです。 ありがとうございました。

 

起こるDOE統計とモデリング