732284_it-IT

liliconcom

C81 - Determinazione delle impostazioni di produzione ottimali nella produzione del bioreattore utilizzando Functional Data Explorer - Da input funzionale a output non funzionale

Diapositive con personaggi/situazioni tipiche degli utenti

Titolo di lavoro/Ruoli	Ingegnere di produzione, prodotto, qualità, processo	Scienziato a monte, ricerca e sviluppo, trasferimento tecnologico, espansione
Industria	Farmaceutico, chimico, biotecnologico
Problema aziendale critico	Trovare la causa di ripetuti guasti nella produzione	Migliora la produttività del processo di ricerca e sviluppo del X%	Migliora la produttività del processo di ricerca e sviluppo del X%
Problemi/ragioni	Non è possibile trovare la causa principale dei fallimenti di produzione, le fasi del processo vengono modificate nel tempo e non si ha la capacità di considerarlo in un "quadro generale", si dispone di molti dati storici e nessuno strumento da analizzare. Avere letture del sensore nel tempo che potrebbero fornire maggiori dettagli, ma troppi dettagli per essere visualizzati graficamente.	Nuovo processo senza alcuna conoscenza preliminare dell'argomento, tentativo di eseguire DoE su fattori di processo ma le letture del sensore sono difficili da interpretare. Non ho una buona comprensione di come appare il processo durante l'esecuzione e di come ciò sia correlato alla produzione.	Il processo batch offre miglioramenti minimi nel nuovo processo, è necessario passare al fed-batch. Nessuna idea di parametri di alimentazione adeguati.
Capacità specifiche	Identificare le letture dei sensori ideali e non ideali che devono essere mantenute per ottenere livelli elevati di produzione.	Identificare i cambiamenti nelle letture dei sensori associati ai cambiamenti di produttività	Identificare i migliori parametri di alimentazione che massimizzano la produttività
Valore aziendale	Miglioramento della reputazione, ripristino della catena di fornitura, riduzione dei tempi di inattività durante le indagini, evitando la chiusura dei revisori. Rispettare scadenze/obiettivi.	Nuove competenze per i clienti, innovazione in tempi più rapidi, livelli di produttività più elevati, scalabilità più semplice e proof-of-concept	Tempi più rapidi per il completamento del progetto. Produttività migliorata. Trasferimento più semplice per l'espansione.
Valore dell'utente	Riduzione del panico "tutti sul ponte", risoluzione più rapida per tornare al ruolo principale, maggiore credibilità, miglioramento del morale. Più fiducioso nell'approccio. Curva di apprendimento breve.	Migliore conoscenza dei processi, migliore percezione. Competenze innovative.	Migliore conoscenza per l’ampliamento. Miglioramento della percezione da parte del management.

Termini a cui prestare attenzione: aumento di scala, bioreattore, microbico, mammifero, ambr, ambr250, ambr15, su piccola scala, sviluppo di processi, a monte.

Contesto

Il lavoro qui è la continuazione di questa demo sull'utilizzo di un FDOE per lo sviluppo della produzione di bioreattori, adottando i metodi applicati da Clariant in questo discorso su Discovery. In questo caso sto ricontestualizzando il processo per concentrarmi su come le grandi quantità di dati dei sensori possono essere raccolte e utilizzate per prevedere il livello del prodotto finale. Ciò può applicarsi ai potenziali clienti in due contesti:

• Livello di produzione – i processi di produzione varieranno naturalmente nelle letture dei sensori e nel controllo funzionale dei parametri (ad esempio, quanto bene mantengono il pH, l'agitazione, la temperatura), il che porterà a cambiamenti nel livello di produzione finale – i potenziali clienti possono raccogliere tutte queste informazioni per indagare e identificare le impostazioni critiche dei parametri di processo nel tempo o gli indicatori di prestazioni scarse/buone
• Livello sperimentale : l'applicazione del DoE (modifica dei parametri di produzione/condizioni dei mezzi) causerà naturalmente un cambiamento nel modo in cui l'insetto agisce nel tempo, modificandone la respirazione (ossigeno disciolto), il numero di cellule (biomassa) e la produzione di sottoprodotti (pH): sapere come cambiano questi parametri aggiunge una maggiore comprensione del processo oltre alle informazioni ottenute da una DoE standard. I bioreattori raccolgono sempre le letture dei sensori, ma spesso non sono dettagliate.

Il messaggio/domanda chiave per sfidare gli utenti è "Hai tutte queste letture dei sensori raccolte mentre esegui la produzione/gli esperimenti, perché non le usi?".

JMP ha un grande potenziale per sfruttare l'analisi FDE per una migliore comprensione del processo: attualmente non esistono altri software commerciali in grado di fornire il livello di approfondimento possibile con FDE. Gli approcci attuali richiedono una profonda conoscenza delle statistiche e della codifica, che l'utente medio (ingegnere/scienziato) non avrà/vorrà avere. Questo è il tipo di strumento a cui avrei dato la mia gamba sinistra mentre lavoravo allo sviluppo del processo del bioreattore e avrebbe ridotto significativamente i tempi del nostro progetto!

Prima l'ultima cosa

Questo video è attualmente in fase di elaborazione. Riprova tra qualche minuto.

(vedi in I miei video)

La dashboard finale mostra come apportare modifiche alle letture dei sensori e vedere come si collegano alla produzione finale. Il profiler giusto ci consente di comprendere come la produttività è correlata a determinati componenti della forma per ciascuna lettura del sensore. L'aumento del valore di DO FPC1 porta ad un aumento della produttività, che come possiamo vedere a sinistra corrisponde ad un calo maggiore nell'ossigeno disciolto dalle 50 ore in poi.

Questo calo è un ottimo modo per spiegare come questa conoscenza migliora la comprensione del processo: il calo mostra che il processo richiede più ossigeno dopo 50 ore per essere più produttivo. Questo può essere utilizzato come indicatore di qualità (ovvero, se ciò accade, saremo produttivi) o per indicare che è possibile apportare miglioramenti al processo (ovvero, dovrebbero aggiungere ancora più agitazione/aerazione poiché le cellule desiderano più ossigeno in questo momento) tempo).

È quindi possibile utilizzare le funzioni di desiderabilità per mostrare come dovrebbero apparire le letture del sensore in impostazioni di produzione alta e bassa. Chiunque stia eseguendo questo processo può utilizzarli come letture del sensore "poster child" e tornare alla produzione e dire loro di cercare questi profili.

Panoramica della demo (la parte "Do It")

1. Adattare il modello funzionale del tempo rispetto alle letture dei sensori (biomassa, pH, DO). ID con la colonna "batch".
   1. Includi il prodotto finale nella colonna supplementare: è importante per poterlo riportare successivamente nella tabella riepilogativa

2. Adattare il modello appropriato a ciascuna lettura del sensore per adattare al meglio i dati (pH e biomassa = P-spline, DO = wavelet).
   1. La lettura del sensore DO richiede la pulizia con il filtro Savitzky Golay: questa è una buona opportunità per chiedere ai clienti se hanno dati rumorosi con cui hanno difficoltà
   2. A scopo dimostrativo (per creare un profilo più pulito) riduci il numero di componenti della forma a 4 ciascuno : più di questo rischiamo di rendere lo strumento troppo complesso per i nuovi utenti.

1. È importante fornire una descrizione rudimentale di ciò che le funzioni di forma e i punteggi FPC significano per il cliente affinché i passaggi successivi abbiano senso: modificare la quantità di FPC1 sul pH offre un modo carino di mostrarlo aggiungendo più/meno una "protuberanza" a ~20h.

3. Salva riepiloghi: estrae le funzioni di forma e i punteggi FPC (insieme ai livelli di produttività finali) per ciascun sensore.

4. Adatta modello : adatta i punteggi FPC come input del processo. In questo caso ho utilizzato GenReg per adattare i termini FPC e selezionato un modello che fornisce un buon RSq e non seleziona tutti i termini del modello: questo è importante per a) evidenziare che non tutti i punteggi FPC sono importanti per la produzione eb) evitare che il profiler finale sia troppo occupato.
   1. Una volta completata, salva la formula di previsione per FPC rispetto al livello di produzione.

5. Creare i profiler di A) punteggi FPC in produttività e punteggi FPC in letture del sensore)
   1. – Mantieni i due profiler separati – questo impedisce che i punteggi FPC siano fuori dai limiti del modello di produttività lineare che può portare a valori di produzione negativi (rompendo l’illusione nella demo).
   2. Per facilitare l'illustrazione, ho codificato a colori le letture del sensore in base ai punteggi FPC.

Casi studio