Digital Process Twin reduziert die Produktionszeit und die Kosten von J&J

Kochen mit pharmazeutischen Zutaten

Wie entsteht ein Medikament bei J&J Innovative Medicine? Das Labor entwickelt einen schrittweisen chemischen Plan (ein Verfahren) zur Herstellung eines neuen Wirkstoffs. Sobald die Laborphase abgeschlossen ist, wird die Fertigung in mehreren Phasen hochgefahren, von ein Liter bis Zehntausende von Litern im Fall einer kommerziellen Produktion. Die Entwicklung findet in zwei belgischen Einrichtungen statt, der Chemical Development Mini Plant (CDMP, in Beerse) und der Chemical Development Pilot Plant (CDPP, in Geel).

„Die Herstellung chemischer Produkte ist ein bisschen wie Kochen“, erklärt Niels. „Sie mischen Zutaten in einem Reaktionsgefäß und heraus kommt etwas Neues. Beim „Kochen“ müssen Sie sich sehr auf wichtige Parameter wie Temperatur, Druck und Mischgeschwindigkeit konzentrieren, um sicherzustellen, dass Sie immer die richtigen Produkte sicher und mit zuverlässiger Qualität erhalten. Wir beobachten diese Parameter ständig.“

„Wenn wir den Lösungsmittelwechsel optimieren, sparen Sie viel Zeit und steigern Sie die Effizienz auf ganzer Linie. Jedes Unternehmen möchte so effizient wie möglich produzieren, aber die Dinge werden noch dringlicher, wenn es um Menschenleben geht. Ein optimierter Schalter hilft uns auch, weniger chemische Produkte zu verwenden. Was wichtig ist, weil wir bei J&J versuchen, die Umweltauswirkungen unserer Produktionsprozesse zu minimieren. Deshalb haben wir ein Pilotprojekt mit dem Digital Process Twin von Siemens ins Leben gerufen — zunächst wurde ein Lösungsmittelschalter optimiert, mit dem ultimativen Ziel, alle Schalter zu optimieren.“

„Nachdem wir das Modell gebaut hatten, haben wir es mit Daten kalibriert, die aus dem Prozess stammen, also aus dem wirklichen Leben. Mit diesen Daten haben wir eine digitale Anwendung erstellt mit der gPROMS Plattform für digitale Anwendungen, oder gDAP. Dieses Verfahren findet in einem offenen Regelkreis statt. Dann haben wir uns angesehen, wie das Modell auf die Eingaben des Prozessleitsystems reagiert hat und am Ende hatten wir einen geschlossenen Regelkreis. Die GdAP macht ständig nebenbei Vorhersagen, die es dann mit den tatsächlichen Daten vergleicht. Dadurch können wir den Prozess ständig verbessern.“

„Ich vergleiche es oft mit einem GPS“, fügt Niels hinzu. „Wir reisen von einer bestimmten Zusammensetzung von Lösungsmitteln — Standort A — zu einer anderen Zusammensetzung — Standort B. Das Modell wird uns von A nach B in Echtzeit auf dem kürzesten Weg leiten, oder dem schnellsten oder dem ökologischsten Weg. Es gibt die ideale Route aus und optimiert sie ständig als Funktion der tatsächlichen Bedingungen — gibt es eine Umleitung oder einen Unfall?“

„Darüber hinaus gibt es auch erhebliche Vorteile, wenn Sie neue Prozesse einrichten. Nur die Optimierung vorhandener Lösungsmittelschalter ist für sich genommen sehr rentabel. Und wenn wir das Modell anwenden können, bevor wir die Produktion erweitern — also im Labor —, sparen wir noch mehr Zeit und Ressourcen. Schließlich sind Experimente im Labor viel günstiger als Experimente im industriellen Maßstab. Jetzt schauen wir uns an, wie wir Labordaten verwenden können, um Modelle zu erstellen, die wir später für die Produktion in größerem Maßstab verwenden können.“

Breite Verfügbarkeit von Modellen

„Erst kürzlich haben wir den Digital Process Twin auch für eine neue Prozessentwicklung mit Gefriertrocknung verwendet. Das war eine Reaktion, die dazu führte, dass die Temperatur im Reaktionsgefäß stieg, aber die Temperatur musste auch unter einem bestimmten Wert gehalten werden, sonst würde die Reaktion scheitern. Das Verfahren hat im Labor funktioniert, aber durch die Erweiterung auf industriellen Maßstab ändern sich die Parameter. In diesem Fall würden wir normalerweise eine Testkonfiguration einrichten und experimentieren, bis wir die richtigen Parameter haben. Aber dieses Mal konnten wir die Konfiguration virtuell ausführen und das Modell zeigte, dass der Prozess in dieser Größenordnung einfach überhaupt nicht funktionieren würde. Das hat uns viel Zeit und Ressourcen gespart.“