Salut,
le développement d'un processus de production de substances médicamenteuses se fait en plusieurs étapes au sein des BU, par exemple il existe différentes étapes de purification
Image : chaque couleur est une BU pour laquelle un DOE a été exécuté et un modèle a été trouvé qui explique le processus. Les entrées sont différentes dans chaque BU, les expériences ont été menées indépendamment, donc le matériel de sortie dans la BU1 n'est pas le même que celui utilisé dans la BU2 pour un traitement ultérieur.
C'est un défi pour mon client : Ils souhaitent combiner toutes ces données/modèles pour obtenir un modèle final pour l'ensemble du processus.
Comme les différents modèles proviennent chacun de DOE indépendants et que les entrées ne sont pas nécessairement les mêmes dans chaque opération unitaire, je me demande si vous avez une bonne façon de gérer une telle situation.
- La simple combinaison entraînera plusieurs valeurs manquantes,
- alors ce n'est pas un processus continu selon lequel le matériau créé dans une BU sera utilisé dans l'expérience de la BU suivante, il a un nouveau matériau qui devrait agir comme l'autre matériau mais pas avec certitude.
S'il s'agissait d'un processus continu, j'ai même pensé à SEM pour configurer le processus et intégrer les variables et les connaissances acquises au cours des différentes étapes dans un seul grand modèle.
L'autre idée que j'aurais est la simulation et l'utilisation de techniques de validation avec des facteurs nuls et en supposant que nous avons une configuration continue et que nous voyons les résultats, puis testons avec des exécutions de confirmation.
Des idées ou des expériences ?
Merci,
Martin
