732284_fr-FR

liliconcom

C81 - Détermination des paramètres de production optimaux dans la production de bioréacteurs à l'aide de Functional Data Explorer – Entrée fonctionnelle vers sortie non fonctionnelle

Personnalités d'utilisateur/diapositives de situation typiques

Titre d'emploi/Les rôles	Ingénieur Fabrication, Produit, Qualité, Procédés	Scientifique Amont, R+D, Transfert de Technologie, Scale up
Industrie	Pharma, Chimie, Biotechnologie
Problème commercial critique	Trouver la cause des échecs répétés en production	Améliorer la productivité du processus R+D de X %	Améliorer la productivité du processus R+D de X %
Problèmes/raisons	Impossible de trouver la cause première des échecs de production, les étapes du processus changent au fil du temps et n'ont pas la capacité de les examiner dans une seule « vue d'ensemble », ils disposent de nombreuses données historiques et d'aucun outil pour les analyser. Obtenez des lectures de capteur au fil du temps qui peuvent donner plus de détails, mais trop de détails pour être visualisés avec un graphique.	Nouveau processus sans connaissance préalable du sujet, tentant d'exécuter des DoE sur des facteurs de processus, mais les lectures des capteurs sont difficiles à interpréter. Je n'ai pas une bonne compréhension de l'apparence du processus en cours d'exécution et de son rapport avec la production.	Le processus par lots apporte des améliorations minimes au nouveau processus, il faut donc passer au fed-batch. Aucune idée des paramètres d'alimentation adaptés.
Capacités spécifiques	Identifiez les lectures de capteur idéales et non idéales qui doivent être maintenues pour obtenir des niveaux de production élevés.	Identifier les changements dans les lectures des capteurs associés aux changements de productivité	Identifiez les meilleurs paramètres d’alimentation qui maximisent la productivité
Valeur commerciale	Amélioration de la réputation, restauration de la chaîne d'approvisionnement, réduction des temps d'arrêt pendant les enquêtes, évitement des fermetures d'auditeurs. Respect des délais/objectifs.	De nouvelles compétences pour les clients, une innovation plus rapide, des niveaux de productivité plus élevés, une mise à l'échelle et une preuve de concept plus faciles	Délai plus rapide pour terminer le projet. Productivité améliorée. Transfert plus facile à mettre à l’échelle.
Valeur utilisateur	Réduction des paniques « tout le monde sur le pont », résolution plus rapide pour revenir au rôle principal, amélioration de la crédibilité, amélioration du moral. Plus confiant dans l’approche. Courbe d'apprentissage courte.	Meilleure connaissance des processus, meilleure perception. Nouvelles compétences.	Une meilleure connaissance pour passer à l’échelle. Amélioration de la perception par la direction.

Termes à surveiller : mise à l'échelle, bioréacteur, microbien, mammifère, ambr, ambr250, ambr15, à petite échelle, développement de processus, en amont.

Contexte

Le travail ici s'inscrit dans la continuité de cette démonstration sur l'utilisation d'un FDOE pour le développement de la production de bioréacteurs, en reprenant les méthodes appliquées par Clariant dans cette conférence Discovery. Dans ce cas, je recontextualise le processus pour me concentrer sur la façon dont les grandes quantités de données de capteurs peuvent être collectées et utilisées pour prédire le niveau de produit final. Cela peut s’appliquer aux prospects dans deux contextes :

• Niveau de fabrication – les processus de production varieront naturellement en termes de lectures de capteurs et de contrôle fonctionnel de leurs paramètres (c'est-à-dire dans quelle mesure ils maintiennent le pH, l'agitation, la température), ce qui entraînera des changements dans le niveau de production final – les prospects peuvent rassembler toutes ces informations pour étudier et identifier les paramètres critiques du processus au fil du temps ou les indicateurs de mauvaise/bonne performance
• Niveau expérimental – l’application du DoE (modification des paramètres de production/conditions du milieu) entraînera naturellement un changement dans la façon dont l’insecte agit au fil du temps, modifiant sa respiration (oxygène dissous), le nombre de cellules (biomasse) et la production de sous-produits. (pH) – savoir comment ces paramètres changent ajoute une meilleure compréhension du processus en plus des informations qu'ils obtiennent d'un DoE standard. Les bioréacteurs recueillent toujours les relevés des capteurs, mais ils ne sont pas souvent détaillés.

Le message/question clé à poser aux utilisateurs est le suivant : « Vous rassemblez toutes ces lectures de capteurs pendant que vous exécutez la production/les expériences, pourquoi ne les utilisez-vous pas ? ».

JMP dispose d'un grand potentiel pour exploiter l'analyse FDE pour une meilleure compréhension des processus. Il n'existe actuellement aucun autre logiciel commercial capable de fournir le niveau d'informations possible avec FDE. Les approches actuelles nécessitent une compréhension approfondie des statistiques et du codage, ce que votre utilisateur moyen (ingénieur/scientifique) n'aura pas/ne voudra pas avoir. C’est le genre d’outil que j’aurais donné à ma jambe gauche lorsque je travaillais sur le développement de processus de bioréacteur et qui aurait considérablement réduit la durée de nos projets !

La dernière chose en premier

Cette vidéo est actuellement en cours de traitement. S'il vous plait, réessayez dans quelques minutes.

(voir dans Mes vidéos)

Le tableau de bord final montre comment vous pouvez prendre en compte les modifications apportées aux relevés des capteurs et voir leur rapport avec la production finale. Le bon profileur nous permet de comprendre comment la productivité est liée à certains composants de forme pour chaque lecture de capteur. L'augmentation de la valeur de DO FPC1 entraîne une augmentation de la productivité, ce que l'on voit à gauche correspond à une baisse plus importante de l'oxygène dissous à partir de 50h.

Cette baisse est un excellent moyen d'expliquer comment ces connaissances améliorent la compréhension du processus : la baisse montre que le processus demande plus d'oxygène après 50 heures afin d'être plus productif. Cela peut être utilisé comme un marqueur de qualité (c'est-à-dire que si cela se produit, nous allons être productifs) ou pour indiquer que des améliorations du processus peuvent être apportées (c'est-à-dire devraient-ils ajouter encore plus d'agitation/aération car les cellules veulent plus d'oxygène à ce moment-là). temps).

Vous pouvez ensuite utiliser les fonctions de désirabilité pour montrer comment les lectures du capteur doivent apparaître dans des paramètres de production élevée et faible. Celui qui dirige ce processus peut les utiliser comme lectures de capteurs « enfants de référence », revenir à la production et leur dire de surveiller ces profils.

Aperçu de la démo (le bit "Do It")

1. Ajuster le modèle fonctionnel du temps par rapport aux lectures du capteur (biomasse, pH, OD). ID avec la colonne 'lot'.
   1. Inclure le produit final dans la colonne supplémentaire – ceci est important pour qu’il soit reporté ultérieurement dans le tableau récapitulatif

2. Ajustez le modèle approprié à chaque lecture du capteur pour adapter au mieux les données (pH et biomasse = P-spline, DO = ondelettes).
   1. La lecture du capteur DO nécessite un nettoyage avec le filtre Savitzky Golay – c'est une bonne occasion de demander aux clients s'ils ont des données bruyantes avec lesquelles ils ont du mal
   2. À des fins de démonstration (pour créer un profil plus propre) , réduisez le nombre de composants de forme à 4 chacun – plus que cela et nous risquons de rendre l'outil trop complexe pour les nouveaux utilisateurs.

1. Il est important de donner une description rudimentaire de ce que les fonctions de forme et les scores FPC signifient pour le client pour que les prochaines étapes aient un sens – changer la quantité de FPC1 sur le pH donne une belle façon de le montrer en ajoutant plus/moins de « bosse » à ~20h.

3. Enregistrer les résumés – Ceci extrait les fonctions de forme et les scores FPC (ainsi que les niveaux de productivité finaux) pour chaque capteur.

4. Ajuster le modèle – adapter les scores FPC en tant qu'entrées dans le processus. Dans ce cas, j'ai utilisé GenReg pour adapter les termes FPC et sélectionné un modèle qui donne un bon RSq et ne sélectionne pas tous les termes du modèle – ceci est important pour a) souligner que tous les scores FPC ne sont pas importants pour la production et b) évitez que le profileur final soit trop occupé.
   1. Une fois terminé, enregistrez la formule de prédiction pour le niveau FPC par rapport au niveau de production.

5. Créez les profileurs de A) scores FPC pour la productivité et scores FPC pour les lectures des capteurs)
   1. – Gardez les deux profileurs séparés – cela évite qu’il y ait des scores FPC qui sortent des limites du modèle de productivité linéaire et qui peuvent conduire à des valeurs de production négatives (brisant l’illusion de la démo).
   2. Pour illustrer cela, j'ai codé par couleur les lectures du capteur en fonction des scores FPC.

Études de cas