732284_de-DE

liliconcom

C81 – Bestimmung optimaler Produktionseinstellungen in der Bioreaktorproduktion mithilfe des Functional Data Explorer – Funktionale Eingabe bis nichtfunktionale Ausgabe

Typische Benutzer-Personas/Situationsfolien

Berufsbezeichnung/Rollen	Fertigungs-, Produkt-, Qualitäts- und Prozessingenieur	Upstream-Wissenschaftler, F+E, Technologietransfer, Scale-up
Industrie	Pharma, Chemie, Biotechnologie
Kritisches Geschäftsproblem	Finden Sie die Ursache für wiederholte Ausfälle in der Produktion	Verbessern Sie die Produktivität des F+E-Prozesses um X %	Verbessern Sie die Produktivität des F+E-Prozesses um X %
Probleme/Gründe	Die Ursache für Produktionsausfälle kann nicht gefunden werden, die Prozessschritte werden im Laufe der Zeit geändert und es ist nicht möglich, alles in einem „großen Ganzen“ zu betrachten, es sind viele historische Daten vorhanden und es gibt kein Tool zur Analyse. Lassen Sie über einen längeren Zeitraum hinweg Sensorwerte ermitteln, die möglicherweise mehr Details liefern, aber zu viele Details, um sie grafisch darzustellen.	Neuer Prozess ohne vorherige Fachkenntnisse. Es wird versucht, DoE-Analysen zu Prozessfaktoren durchzuführen, aber die Sensorwerte sind schwer zu interpretieren. Ich habe kein gutes Verständnis davon, wie der Prozess während der Ausführung aussieht und wie das mit der Produktion zusammenhängt.	Der Batch-Prozess bietet minimale Verbesserungen im neuen Prozess, es muss auf Fed-Batch umgestellt werden. Keine Ahnung von geeigneten Fütterungsparametern.
Spezifische Fähigkeiten	Identifizieren Sie die idealen und nicht idealen Sensorwerte, die aufrechterhalten werden müssen, um ein hohes Produktionsniveau zu erreichen.	Identifizieren Sie die Änderungen der Sensorwerte, die mit Produktivitätsänderungen verbunden sind	Identifizieren Sie die besten Fütterungsparameter, die die Produktivität maximieren
Geschäftswert	Verbesserung der Reputation, Wiederherstellung der Lieferkette, Reduzierung der Ausfallzeiten bei Untersuchungen, Vermeidung von Schließungen von Prüfern. Termine/Ziele einhalten.	Neuartige Kompetenzen für Kunden, schnellere Innovation, höhere Produktivität, einfachere Skalierung und Machbarkeitsstudie	Schnellere Zeit bis zum Projektabschluss. Verbesserte Produktivität. Einfachere Übertragung zur Skalierung.
Benutzerwert	Reduzierte „Alle Mann an Deck“-Panik, schnellere Lösung, um zur Hauptrolle zurückzukehren, verbesserte Glaubwürdigkeit, verbesserte Moral. Sicherer im Vorgehen. Kurze Lernkurve.	Bessere Prozesskenntnis, bessere Wahrnehmung. Neuartige Fähigkeiten.	Besseres Wissen für die Skalierung. Verbesserte Wahrnehmung durch das Management.

Begriffe, auf die Sie achten sollten: Maßstabsvergrößerung, Bioreaktor, mikrobiell, Säugetier, Ambr, Ambr250, Ambr15, Kleinmaßstab, Prozessentwicklung, Upstream.

Kontext

Die Arbeit hier ist eine Fortsetzung dieser Demo zur Verwendung eines FDOE für die Entwicklung der Bioreaktorproduktion und basiert auf den Methoden, die Clariant in diesem Discovery-Vortrag angewendet hat. In diesem Fall kontextualisiere ich den Prozess hier neu, um mich darauf zu konzentrieren, wie die riesigen Mengen an Sensordaten gesammelt und zur Vorhersage des Endproduktniveaus verwendet werden können. Dies kann in zwei Kontexten auf potenzielle Kunden zutreffen:

• Produktionsebene – Produktionsprozesse variieren natürlich in ihren Sensormesswerten und der funktionalen Steuerung ihrer Parameter (z. B. wie gut sie pH-Wert, Rühren, Temperatur aufrechterhalten), was zu Änderungen in der endgültigen Produktionsebene führt – potenzielle Kunden können all diese Informationen sammeln Untersuchen und identifizieren Sie kritische Prozessparametereinstellungen im Zeitverlauf oder Indikatoren für schlechte/gute Leistung
• Experimentelle Ebene – Die Anwendung von DoE (Änderung der Produktionsparameter/Medienbedingungen) führt im Laufe der Zeit natürlich zu einer Änderung der Art und Weise, wie sich der Käfer verhält, und verändert seine Atmung (gelöster Sauerstoff), die Anzahl der Zellen (Biomasse) und die Nebenproduktproduktion (pH-)Werte – zu wissen, wie sich diese Parameter ändern, trägt zusätzlich zu den Informationen, die sie aus einer Standard-DoE erhalten, zu einem besseren Prozessverständnis bei. Bioreaktoren erfassen immer Sensorwerte, diese sind jedoch oft nicht detailliert.

Die Kernbotschaft/-frage an die Benutzer lautet : „Bei der Durchführung von Produktionen/Experimenten werden all diese Sensorwerte erfasst. Warum nutzen Sie sie nicht?“

JMP hat großes Potenzial, die FDE-Analyse für ein besseres Prozessverständnis zu nutzen – derzeit gibt es keine andere kommerzielle Software, die in der Lage ist, den mit FDE möglichen Einblick zu liefern. Aktuelle Ansätze erfordern umfassende Kenntnisse in Statistik und Codierung, die ein durchschnittlicher Benutzer (Ingenieur/Wissenschaftler) nicht haben wird/haben möchte. Dies ist die Art von Werkzeug, bei der ich bei der Arbeit an der Bioreaktor-Prozessentwicklung mein linkes Bein anstelle meines Rückens eingesetzt hätte und unsere Projektzeiten erheblich verkürzt hätte!

Das Letzte zuerst

Dieses Video wird zur Zeit verarbeitet. Bitte versuchen Sie es in ein paar Minuten noch einmal.

(in Meine Videos ansehen)

Das endgültige Dashboard zeigt, wie Sie Änderungen an den Sensormesswerten vornehmen und sehen können, wie sie sich auf die endgültige Produktion auswirken. Der richtige Profiler gibt uns ein Verständnis dafür, wie die Produktivität mit bestimmten Formkomponenten für jeden Sensormesswert zusammenhängt. Eine Erhöhung des DO-Werts FPC1 führt zu einer Produktivitätssteigerung, die, wie wir links sehen können, einem stärkeren Rückgang des gelösten Sauerstoffs ab 50 Stunden entspricht.

Dieser Rückgang ist eine gute Möglichkeit zu erklären, wie dieses Wissen das Prozessverständnis verbessert – der Rückgang zeigt, dass der Prozess nach 50 Stunden mehr Sauerstoff benötigt, um produktiver zu sein. Dies kann als Indikator für die Qualität dienen (d. h. wenn es passiert, werden wir produktiv sein) oder als Hinweis darauf, dass Prozessverbesserungen vorgenommen werden können (d. h. sollte noch mehr Bewegung/Belüftung hinzugefügt werden, da die Zellen dabei mehr Sauerstoff benötigen). Zeit).

Mithilfe der Erwünschtheitsfunktionen können Sie dann zeigen, wie die Sensorwerte in Umgebungen mit hoher und niedriger Produktion aussehen sollten. Wer auch immer diesen Prozess durchführt, kann diese als „Aushängeschild“ der Sensorwerte verwenden und zur Produktion zurückkehren und ihn anweisen, nach diesen Profilen Ausschau zu halten.

Demo-Übersicht (der „Do It“-Teil)

1. Passen Sie das funktionale Modell der Zeit vs. Sensormesswerte (Biomasse, pH, DO) an. ID mit der Spalte „Batch“.
   1. Fügen Sie das Endprodukt in die Zusatzspalte ein – dies ist wichtig, damit es später in die Übersichtstabelle übernommen werden kann

2. Passen Sie das entsprechende Modell an jeden Sensormesswert an, um die Daten optimal anzupassen (pH und Biomasse = P-Spline, DO = Wavelets).
   1. Der Messwert des DO-Sensors muss mit dem Savitzky-Golay-Filter bereinigt werden – dies ist eine gute Gelegenheit, Kunden zu fragen, ob sie mit verrauschten Daten zu kämpfen haben
   2. Reduzieren Sie zu Demozwecken (um ein übersichtlicheres Profil zu erstellen) die Anzahl der Formkomponenten auf jeweils 4 – mehr als das, und wir riskieren, dass das Tool für neue Benutzer zu komplex erscheint.

1. Es ist wichtig, eine rudimentäre Beschreibung dessen zu geben, was die Formfunktionen und FPC-Werte für den Kunden bedeuten, damit die nächsten Schritte einen Sinn ergeben – die Änderung der FPC1-Menge am pH-Wert bietet eine gute Möglichkeit, zu zeigen, dass mehr oder weniger eine „Beule“ entsteht ~20h.

3. Zusammenfassungen speichern – Dadurch werden die Formfunktionen und FPC-Werte (zusammen mit den endgültigen Produktivitätsniveaus) für jeden Sensor extrahiert.

4. Modell anpassen – Passen Sie die FPC-Ergebnisse als Eingaben für den Prozess an. In diesem Fall habe ich GenReg verwendet, um die FPC-Begriffe anzupassen, und ein Modell ausgewählt, das einen guten RSq liefert und nicht jeden Modellbegriff auswählt – dies ist wichtig, um a) hervorzuheben, dass nicht jeder FPC-Score für die Produktion wichtig ist und b) Vermeiden Sie, dass der letzte Profiler zu beschäftigt ist.
   1. Wenn Sie fertig sind, speichern Sie die Vorhersageformel für die FPC im Vergleich zum Produktionsniveau.

5. Erstellen Sie die Profiler von A) FPC-Scores zu Produktivität und FPC-Scores zu Sensorablesungen)
   1. – Halten Sie die beiden Profiler getrennt – dies verhindert, dass es FPC-Werte gibt, die außerhalb der Grenzen des linearen Produktivitätsmodells liegen und zu negativen Produktionswerten führen können (was die Illusion in der Demo bricht).
   2. Zur besseren Veranschaulichung habe ich die Sensorwerte den FPC-Ergebnissen farblich zugeordnet.

Fallstudien