Un bon modèle à petite échelle (MPE) est un procédé réalisé en laboratoire, représentatif d'un procédé à l'échelle industrielle. L'établissement d'un MPE véritablement représentatif de l'échelle industrielle est essentiel pour permettre la caractérisation des procédés à petite échelle. Auparavant, l'analyse des données cinétiques était effectuée selon une approche évaluant ±3 écarts-types des données moyennes de production, bien que nous n'ayons pas toujours accès aux données des trois essais de production requis.
Bien que la fonction d'analyse fonctionnelle de JMP Pro nous ait permis d'optimiser notre modèle à petite échelle, elle ne permet pas d'optimiser simultanément plusieurs tendances temporelles (par exemple, la concentration de lactate et la densité cellulaire viable). Notre flux de travail vise à intégrer cette fonctionnalité.
À l'aide d'une démonstration en direct, nous illustrons ce flux de travail sur un jeu de données comportant plusieurs profils temporels. À partir de données temporelles issues d'une étude de plans d'expériences (DOE), l'explorateur de données fonctionnelles détermine les fonctions de forme de plusieurs tendances. Ces fonctions de forme sont ensuite combinées dans un tableau de résultats, et la pertinence des facteurs est évaluée. Un modèle est alors généré à partir de ces fonctions de forme, en tant que résultat du DOE, ce qui nous permet d'optimiser le processus pour correspondre à plusieurs tendances cibles. Nous sommes ainsi en mesure de déterminer les conditions optimales de manière objective.
