일반적인 사용자 페르소나/상황 슬라이드
|
직위/역할
|
제조, 제품, 품질, 프로세스 엔지니어
|
업스트림 과학자, R+D, 기술 이전, 확장
|
|
산업
|
제약, 화학, 생명공학
|
|
중요한 비즈니스 문제
|
반복되는 생산실패 원인 찾기
|
R+D 프로세스 생산성을 X% 향상
|
R+D 프로세스 생산성을 X% 향상
|
|
문제/이유
|
생산 실패의 근본 원인을 찾을 수 없고, 프로세스 단계가 시간이 지남에 따라 변경되고 이를 하나의 '큰 그림'으로 볼 수 없으며, 과거 데이터가 많고 분석할 도구가 없습니다. 시간이 지남에 따라 센서 판독값을 얻으면 더 자세한 정보를 얻을 수 있지만 그래프로 보기에는 너무 많은 세부정보가 있습니다.
|
사전 주제 지식이 없는 새로운 프로세스, 프로세스 요소에 대해 DoE를 실행하려고 시도하지만 센서 판독값을 해석하기 어렵습니다. 프로세스가 실행되는 동안 어떻게 보이고 그것이 생산과 어떻게 관련되는지 잘 이해하지 못했습니다.
|
배치 프로세스는 새로운 프로세스에서 최소한의 개선을 제공하므로 유가식으로 전환해야 합니다. 적절한 먹이 매개 변수에 대한 아이디어가 없습니다.
|
|
특정 기능
|
높은 수준의 생산을 달성하기 위해 유지해야 하는 이상적인 센서 판독값과 이상적이지 않은 센서 판독값을 식별합니다.
|
생산성 변화와 관련된 센서 판독값의 변화를 식별합니다.
|
생산성을 극대화하는 최고의 사료 공급 매개변수 식별
|
|
사업 가치
|
평판 향상, 공급망 복원, 조사 중 가동 중지 시간 감소, 감사인 폐쇄 방지. 마감일/목표 달성.
|
고객을 위한 새로운 기술 세트, 더 빠른 시간 혁신, 더 높은 생산성 수준, 더 쉬운 확장 및 개념 증명
|
프로젝트 완료 시간이 단축됩니다. 생산성이 향상되었습니다. 확장을 위한 전송이 더 쉽습니다.
|
|
사용자 가치
|
'모든 사람이 모이는' 패닉 감소, 주 역할로 복귀하기 위한 더 빠른 해결, 향상된 신뢰성, 향상된 사기. 접근 방식에 더욱 자신감이 생겼습니다. 짧은 학습 곡선.
|
더 나은 프로세스 지식, 더 나은 인식. 새로운 기술.
|
확장을 위한 더 나은 지식. 경영진의 인식이 향상되었습니다.
|
주의해야 할 용어: 규모 확대, 생물반응기, 미생물, 포유류, ambr, ambr250, ambr15, 소규모, 공정 개발, 업스트림.
문맥
여기의 작업은 생물반응기 생산 개발을 위해 FDOE를 사용하는 방법에 대한 데모 의 연속이며, 이 Discovery 강연에서 Clariant가 적용한 방법을 사용합니다. 이 경우에는 방대한 양의 센서 데이터를 수집하고 최종 제품 수준을 예측하는 데 사용하는 방법에 초점을 맞추기 위해 프로세스를 재구성하고 있습니다. 이는 두 가지 상황에서 잠재 고객에게 적용될 수 있습니다.
- 제조 수준 – 생산 프로세스는 센서 판독값과 매개변수의 기능적 제어(예: pH, 교반, 온도를 얼마나 잘 유지하는지)가 자연스럽게 달라지며, 이는 최종 생산 수준의 변화로 이어집니다. 잠재 고객은 이 모든 정보를 수집하여 시간이 지남에 따라 중요한 프로세스 매개변수 설정 또는 성능 저하/양호 지표를 조사하고 식별합니다.
- 실험 수준 – DoE(생산 매개변수/배지 조건 변경)를 적용하면 시간이 지남에 따라 벌레가 행동하는 방식, 호흡(용존 산소), 세포 수(바이오매스) 및 부산물 생산이 변경되는 방식이 자연스럽게 변경됩니다. (pH) 판독값 - 이러한 매개변수가 어떻게 변경되는지 알면 표준 DoE에서 얻는 정보 외에도 더 많은 공정 이해가 추가됩니다. 생물반응기는 항상 센서 판독값을 수집하지만 세부적인 정보를 수집하는 경우는 많지 않습니다.
사용자에게 도전하는 핵심 메시지/질문은 '생산/실험을 실행하는 동안 이러한 모든 센서 판독값이 수집되는데, 이를 사용하는 것이 어떻습니까?'입니다.
JMP는 더 나은 프로세스 이해를 위해 FDE 분석을 활용할 수 있는 큰 잠재력을 가지고 있습니다. 현재 FDE에서 가능한 수준의 통찰력을 제공할 수 있는 다른 상용 소프트웨어는 없습니다. 현재 접근 방식에서는 일반 사용자(엔지니어/과학자)가 갖지 않거나 갖고 싶어하지 않는 통계 및 코딩에 대한 깊은 이해가 필요합니다. 이것은 생물반응기 공정 개발 작업을 할 때 왼쪽 다리를 뒤로 넘겨 프로젝트 시간을 크게 단축할 수 있는 도구입니다!
마지막 것부터 먼저
최종 대시보드에는 센서 판독값의 변경 사항을 적용하고 최종 생산과 어떤 관련이 있는지 확인하는 방법이 표시됩니다. 올바른 프로파일러를 사용하면 각 센서 판독값에 대한 특정 모양 구성 요소와 생산성이 어떻게 관련되는지 이해할 수 있습니다. DO FPC1의 값이 증가하면 생산성이 증가하며, 왼쪽에서 볼 수 있듯이 이는 50시간 이후 용존 산소의 더 큰 감소에 해당합니다.
이 딥은 이러한 지식이 공정 이해를 어떻게 향상시키는지 설명하는 훌륭한 방법입니다. 딥은 생산성을 높이기 위해 공정이 50시간 후에 더 많은 산소를 요구한다는 것을 보여줍니다. 이는 품질 표시로 사용되거나(즉, 발생하는 경우 생산성이 향상될 것임) 공정 개선이 이루어질 수 있음을 나타내는 데 사용될 수 있습니다(즉, 세포가 더 많은 산소를 원하므로 더 많은 교반/통기를 추가해야 함). 시간).
그런 다음 만족도 함수를 사용하여 생산량이 많은 설정과 생산량이 적은 설정에서 센서 판독값이 어떻게 나타나는지 보여줄 수 있습니다. 이 프로세스를 실행하는 사람은 누구나 이를 '포스터 하위' 센서 판독값으로 사용하고 생산으로 돌아가서 이러한 프로필을 주의 깊게 보라고 지시할 수 있습니다.
데모 개요('Do It' 비트)
- 시간과 센서 판독값(바이오매스, pH, DO)의 기능적 모델을 맞춥니다. '배치' 열이 있는 ID입니다.
- 보충 열에 최종 제품을 포함합니다. 이는 나중에 요약 테이블로 전달되는 데 중요합니다.
- 데이터에 가장 잘 맞도록 각 센서 판독값에 적절한 모델을 맞춥니다 (pH 및 바이오매스 = P-스플라인, DO = 웨이블릿).
- DO 센서 판독에는 Savitzky Golay 필터를 사용한 정리가 필요합니다. 이는 고객에게 시끄러운 데이터가 있는지 물어볼 수 있는 좋은 기회입니다.
- 데모 목적으로(더 깔끔한 프로필을 만들기 위해) 모양 구성 요소 수를 각각 4개로 줄입니다. 이보다 더 많으면 새로운 사용자에게 도구가 너무 복잡해 보일 위험이 있습니다.
- 다음 단계를 이해하기 위해서는 형상 함수와 FPC 점수가 고객에게 무엇을 의미하는지에 대한 기본적인 설명을 제공하는 것이 중요합니다. pH에서 FPC1 양을 변경하면 pH에 '범프'가 더 많거나 적다는 것을 보여주는 좋은 방법이 됩니다. ~20시.
- 요약 저장 – 각 센서에 대한 형상 함수 및 FPC 점수(최종 생산성 수준과 함께)를 추출합니다.
- Fit Model – FPC 점수를 프로세스에 대한 입력으로 맞춥니다. 이 경우 FPC 용어에 맞게 GenReg를 사용했으며 좋은 RSq를 제공 하고 모든 모델 용어를 선택하지 않는 모델을 선택했습니다. 이는 a) 모든 FPC 점수가 생산에 중요한 것은 아니라는 점을 강조하고 b) 최종 프로파일러가 너무 바쁘지 않도록 하세요.
- 완료되면 FPC와 생산 수준에 대한 예측 공식을 저장합니다.
- A) 생산성에 대한 FPC 점수 및
센서 판독값에 대한 FPC 점수의 프로파일러를 생성합니다 .- – 두 개의 프로파일러를 별도로 유지하십시오. 이는 선형 생산성 모델의 범위를 벗어나 부정적인 생산 가치로 이어질 수 있는 FPC 점수가 발생하는 것을 방지합니다(데모의 환상 깨기).
- 설명을 돕기 위해 센서 판독값을 FPC 점수에 따라 색상으로 구분했습니다.
