Digital Process Twin vähendab J&J tootmisaega ja kulusid

Toiduvalmistamine farmaatsiatoodetega

Kuidas ravim tekib J&J Innovatiivses Meditsiinis? Labor töötab välja järkjärgulise keemilise plaani (protsessi) uue toimeaine ettevalmistamiseks. Kui laborifaas on lõppenud, kiirendatakse valmistamist mitmes faasis, alates üks liiter kuni kümneid tuhandeid liitreid kaubandusliku tootmise puhul. Arendus toimub kahes Belgia rajatises, keemiaarenduse minitehas (CDMP, Beerses) ja keemiaarenduse katsetehases (CDPP, Geelis).

„Keemiatoodete valmistamine sarnaneb natuke toiduvalmistamisega,” selgitab Niels. „Segate koostisosi reaktsioonianumas ja välja tuleb midagi uut. „Küpsetamise” protsessis peate keskenduma palju olulistele parameetritele nagu temperatuur, rõhk ja segamiskiirus, et veenduda, et saate alati õigeid tooteid ohutult ja usaldusväärse kvaliteediga. Me vaatame neid parameetreid pidevalt.”

„Kui optimeerime lahusti lülitit, siis me säästa palju aega ja suurendab tõhusust kõikjal. Iga ettevõte soovib toota nii tõhusalt kui võimalik, kuid asjad muutuvad veelgi kiireloomulisemaks, kui tegemist on inimeluga. Optimeeritud lüliti aitab meil kasutada ka vähem keemiatooteid. Mis on oluline, sest J&J-s püüame minimeerida oma tootmisprotsesside keskkonnamõju. Sellepärast käivitasime Siemensi Digital Process Twin pilootprojekti — esialgu optimeerides ühe lahustiga lülitit, mille lõppeesmärk on optimeerida kõiki lülitid.”

„Pärast mudeli ehitamist kalibreerisime selle protsessist saadud andmetega, mis tähendavad reaalsest elust. Nende andmete abil ehitasime digitaalse rakenduse koos GProms digitaalsete rakenduste platvorm, või GdAP. See protseduur toimub avatud ahelas. Seejärel vaatasime, kuidas mudel reageeris protsessi juhtimissüsteemi sisendile, ja lõpetasime suletud silmusega. GdAP teeb pidevalt ennustusi teel, mida ta seejärel võrreldakse tegelike andmetega. See võimaldab meil protsessi pidevalt täiustada.”

„Ma võrdlen seda sageli GPS-iga,” lisab Niels. „Me reisime teatud lahustite koostisest - asukohast A, teise koostisse - asukohta B. Mudel juhendab meid A-st B-ni reaalajas Lühima marsruudi või kiireima või kõige ökoloogilisema marsruudi järgi. See annab välja ideaalse marsruudi ja optimeerib seda pidevalt tegelike tingimuste funktsioonina - kas on ümbersõit või õnnetus?”

„Lisaks on uute protsesside seadistamisel ka olulisi eeliseid. Lihtsalt olemasolevate lahusti lülitite optimeerimine on iseenesest väga kasumlik. Ja kui suudame seda mudelit rakendada enne tootmise laiendamist - see tähendab laboris -, säästame veelgi rohkem aega ja ressursse. Lõppude lõpuks on laboris katsetamine palju odavam kui katsetamine tööstuslikus mastaabis. Nii et nüüd vaatame, kuidas saaksime laboriandmeid kasutada mudelite loomiseks, mida saame hiljem suuremahuliseks tootmiseks rakendada.”

Mudelite lai kättesaadavus

„Hiljuti kasutasime Digital Process Twin ka uue protsessi arendamiseks, mis hõlmab külmkuivatamist. See oli reaktsioon, mis põhjustas reaktsioonianuma sees oleva temperatuuri tõusu, kuid ka temperatuuri tuli hoida alla teatud väärtuse, vastasel juhul ebaõnnestus reaktsioon. Protsess töötas laboris, kuid laienemine tööstuslikuks mastaabis muudab parameetrid. Sel juhul seadistaksime tavaliselt testikonfiguratsiooni ja katsetaksime, kuni saame õiged parameetrid. Kuid seekord saime konfiguratsiooni virtuaalselt käivitada ja mudel näitas, et protsess lihtsalt ei tööta selles ulatuses üldse. Nii et see säästis meile palju aega ja ressursse.”