Diapositivas de situación/personajes de usuario típicos
|
Título profesional/Roles
|
Ingeniero de Fabricación, Producto, Calidad, Procesos
|
Upstream Scientist, I+D, Transferencia Tecnológica, Scale up
|
|
Industria
|
Farmacéutica, Química, Biotecnológica
|
|
Problema comercial crítico
|
Encuentre la causa de fallas repetidas en la producción.
|
Mejorar la productividad del proceso de I+D en un X%
|
Mejorar la productividad del proceso de I+D en un X%
|
|
Problemas/Razones
|
No puedo encontrar la causa raíz de las fallas de producción, los pasos del proceso cambian con el tiempo y no tengo la capacidad de verlo en un "panorama general", tengo muchos datos históricos y ninguna herramienta para analizar. Tenga lecturas de sensores a lo largo del tiempo que puedan brindar más detalles, pero demasiados detalles para observar con gráficos.
|
Nuevo proceso sin conocimiento previo del tema, intentando ejecutar DoE en factores de proceso pero las lecturas del sensor son difíciles de interpretar. No tengo una buena comprensión de cómo se ve el proceso mientras se ejecuta y cómo se relaciona con la producción.
|
El proceso por lotes ofrece mejoras mínimas en el nuevo proceso; es necesario pasar al proceso por lotes. No tengo idea de los parámetros de alimentación adecuados.
|
|
Capacidades específicas
|
Identifique las lecturas de sensores ideales y no ideales que deben mantenerse para obtener altos niveles de producción.
|
Identificar los cambios en las lecturas de los sensores que están asociados con cambios de productividad.
|
Identificar los mejores parámetros de alimentación que maximizan la productividad.
|
|
Valor de negocio
|
Mejora de la reputación, restauración de la cadena de suministro, reducción del tiempo de inactividad durante las investigaciones, evitando paradas de auditores. Cumplir plazos/objetivos.
|
Conjunto de habilidades novedosas para los clientes, innovación más rápida, mayores niveles de productividad, ampliación más sencilla y prueba de concepto
|
Tiempo más rápido para completar el proyecto. Mejora de la productividad. Transferencia más fácil para ampliar.
|
|
Valor de usuario
|
Reducción del pánico de "todos manos a la obra", resolución más rápida para volver al papel principal, mayor credibilidad y mejor moral. Más confianza en el enfoque. Curva de aprendizaje corta.
|
Mejor conocimiento del proceso, mejor percepción. Conjunto de habilidades novedosas.
|
Mejor conocimiento para ampliar la escala. Mejora de la percepción por parte de la dirección.
|
Términos a tener en cuenta: ampliación de escala, biorreactor, microbiano, mamífero, ambr, ambr250, ambr15, pequeña escala, desarrollo de procesos, upstream.
Contexto
El trabajo aquí es una continuación de esta demostración sobre el uso de un FDOE para el desarrollo de la producción de biorreactores, tomando los métodos aplicados por Clariant en esta charla de Discovery. En este caso, estoy recontextualizando el proceso para centrarme en cómo se pueden recopilar y utilizar grandes cantidades de datos de sensores para predecir el nivel del producto final. Esto puede aplicarse a clientes potenciales en dos contextos:
- Nivel de fabricación : los procesos de producción variarán naturalmente en las lecturas de sus sensores y el control funcional de sus parámetros (es decir, qué tan bien mantienen el pH, la agitación y la temperatura), lo que conducirá a cambios en el nivel de producción final: los prospectos pueden recopilar toda esta información para Investigar e identificar configuraciones de parámetros críticos del proceso a lo largo del tiempo o indicadores de desempeño deficiente o bueno.
- Nivel experimental : la aplicación de DoE (cambiar los parámetros de producción/condiciones del medio) provocará naturalmente un cambio en la forma en que actúa el insecto con el tiempo, cambiando su respiración (oxígeno disuelto), número de células (biomasa) y producción de subproductos. (pH): saber cómo cambian estos parámetros agrega una mayor comprensión del proceso además de la información que obtienen de un DoE estándar. Los biorreactores siempre recopilan lecturas de los sensores, pero no suelen ser detalladas.
El mensaje/pregunta clave para desafiar a los usuarios es : "Tienes todas estas lecturas de sensores recopiladas mientras ejecutas la producción/experimentos, ¿por qué no las usas?".
JMP tiene un gran potencial para aprovechar el análisis FDE para una mejor comprensión del proceso; actualmente no existe ningún otro software comercial capaz de proporcionar el nivel de conocimiento posible con FDE. Los enfoques actuales requieren una gran comprensión de las estadísticas y la codificación, que el usuario promedio (ingeniero/científico) no tendrá ni querrá tener. ¡Este es el tipo de herramienta por la que habría dado mi pierna izquierda cuando trabajaba en el desarrollo del proceso de biorreactor y habría acortado significativamente los tiempos de nuestro proyecto!
Lo último primero
Este vídeo está siendo procesado actualmente. Inténtelo de nuevo en unos minutos.
El panel final muestra cómo puede realizar cambios en las lecturas del sensor y ver cómo se relacionan con la producción final. El perfilador adecuado nos permite comprender cómo se relaciona la productividad con ciertos componentes de forma para cada lectura del sensor. Aumentar el valor de DO FPC1 conduce a un aumento de la productividad, lo que podemos ver a la izquierda corresponde a una mayor caída en el oxígeno disuelto a partir de las 50 h.
Esta inmersión es una excelente manera de explicar cómo este conocimiento mejora la comprensión del proceso: la inmersión muestra que el proceso exige más oxígeno después de 50 h para ser más productivo. Esto se puede utilizar como marcador de calidad (es decir, si sucede, seremos productivos) o para indicar que se pueden realizar mejoras en el proceso (es decir, si se agrega aún más agitación/aireación ya que las células quieren más oxígeno en este momento). tiempo).
Luego puede utilizar las funciones de conveniencia para mostrar cómo deben aparecer las lecturas del sensor en entornos de alta y baja producción. Quien esté ejecutando este proceso puede utilizarlas como lecturas de los sensores del 'niño cartel' y volver a producción y decirles que estén atentos a estos perfiles.
Descripción general de la demostración (la parte 'Hazlo')
- Ajustar el modelo funcional de tiempo vs lecturas de sensores (biomasa, pH, OD). ID con la columna 'lote'.
- Incluya el producto final en la columna complementaria; esto es importante para que se transfiera a la tabla de resumen más adelante.
- Ajuste el modelo apropiado a cada lectura del sensor para que se ajuste mejor a los datos (pH y biomasa = P-spline, DO = wavelets).
- La lectura del sensor de OD requiere limpieza con el filtro Savitzky Golay; esta es una buena oportunidad para preguntar a los clientes si tienen datos ruidosos con los que tienen problemas.
- Para fines de demostración (para hacer un perfil más limpio) , reduzca la cantidad de componentes de forma a 4 cada uno ; si supera esto, corremos el riesgo de que la herramienta parezca demasiado compleja para los nuevos usuarios.
- Es importante brindar una descripción rudimentaria de lo que significan las funciones de forma y los puntajes de FPC para que el cliente tenga sentido para que los siguientes pasos tengan sentido: cambiar la cantidad de FPC1 en el pH brinda una buena manera de mostrarlo agregando más/menos de un "golpe" en ~20h.
- Guardar resúmenes: esto extrae las funciones de forma y las puntuaciones de FPC (junto con los niveles de productividad finales) para cada sensor.
- Ajustar modelo : ajuste las puntuaciones del FPC como entradas al proceso. En este caso, utilicé GenReg para ajustar los términos de FPC y seleccioné un modelo que proporciona un buen RSq y no selecciona todos los términos del modelo; esto es importante para a) resaltar que no todos los puntajes de FPC son importantes para la producción y b) Evite que el generador de perfiles final esté demasiado ocupado.
- Una vez completado, guarde la fórmula de predicción para el FPC frente al nivel de producción.
- Cree los perfiladores de A) puntuaciones de FPC para productividad y
puntuaciones de FPC para lecturas de sensores)- – Mantenga los dos perfiladores separados: esto evita que haya puntuaciones FPC que estén fuera de los límites del modelo de productividad lineal y que puedan conducir a valores de producción negativos (rompiendo la ilusión en la demostración).
- Para ayudar a ilustrar, he codificado por colores las lecturas del sensor según las puntuaciones de FPC.
