Digital Process Twin riduce i tempi e i costi di produzione di J&J

Cucinare con ingredienti farmaceutici

Come nasce un farmaco in J&J Innovative Medicine? Il laboratorio sviluppa un piano chimico graduale (un processo) per preparare un nuovo principio attivo. Una volta terminata la fase di laboratorio, la fabbricazione viene accelerata in diverse fasi, da da un litro a decine di migliaia di litri in caso di produzione commerciale. Lo sviluppo avviene in due stabilimenti belgi, il Chemical Development Mini Plant (CDMP, a Beerse) e il Chemical Development Pilot Plant (CDPP, a Geel).

«Fare prodotti chimici è un po' come cucinare», spiega Niels. «Mescoli gli ingredienti in un recipiente di reazione e ne viene fuori qualcosa di nuovo. Nel processo di «cottura», devi concentrarti molto su parametri importanti come temperatura, pressione e velocità di miscelazione per assicurarti di ottenere sempre i prodotti giusti in modo sicuro e con una qualità affidabile. Osserviamo questi parametri costantemente».

«Se ottimizziamo il commutatore a solvente, risparmiare molto tempo e aumentare l'efficienza su tutta la linea. Qualsiasi azienda vuole produrre nel modo più efficiente possibile, ma le cose diventano ancora più urgenti quando sono coinvolte vite umane. Un interruttore ottimizzato ci aiuta anche a utilizzare meno prodotti chimici. Questo è importante perché in J&J cerchiamo di ridurre al minimo l'impatto ambientale dei nostri processi di produzione. Ecco perché abbiamo avviato un progetto pilota con il Digital Process Twin di Siemens, ottimizzando inizialmente un interruttore a solvente, con l'obiettivo finale di ottimizzare tutti gli switch».

«Dopo aver costruito il modello, lo abbiamo calibrato con i dati derivati dal processo, ossia dalla vita reale. Con questi dati, abbiamo creato un'applicazione digitale con Piattaforma di applicazioni digitali gProms, o GDAP. Tale procedura si svolge a ciclo aperto. Quindi abbiamo esaminato come il modello ha risposto all'input del sistema di controllo del processo e abbiamo ottenuto un circuito chiuso. Il GDAP fa costantemente previsioni lungo il percorso, che poi confronta con i dati effettivi. Questo ci consente di migliorare costantemente il processo».

«Lo confronto spesso con un GPS», aggiunge Niels. «Stiamo viaggiando da una certa composizione di solventi, la posizione A, a un'altra composizione, la posizione B. Il modello ci guiderà da A a B in tempo reale per il percorso più breve, o il più veloce o il più ecologico. Indica il percorso ideale e continua a ottimizzarlo in funzione delle condizioni effettive: c'è una deviazione o un incidente?»

«Inoltre, ci sono anche vantaggi sostanziali quando si impostano nuovi processi. La semplice ottimizzazione degli interruttori a solvente esistenti è di per sé molto redditizia. E se riusciamo ad applicare il modello prima di espandere la produzione, vale a dire in laboratorio, risparmiamo ancora più tempo e risorse. Dopotutto, la sperimentazione in laboratorio è molto meno costosa della sperimentazione su scala industriale. Quindi ora stiamo esaminando come utilizzare i dati di laboratorio per creare modelli da applicare in seguito per una produzione su larga scala».

Ampia disponibilità di modelli

«Di recente abbiamo utilizzato il Digital Process Twin anche per lo sviluppo di un nuovo processo che prevede la liofilizzazione. Questa era una reazione che faceva aumentare la temperatura all'interno del recipiente di reazione, ma la temperatura doveva anche essere mantenuta al di sotto di un certo valore o la reazione sarebbe fallita. Il processo ha funzionato in laboratorio, ma l'espansione su scala industriale comporta la modifica dei parametri. In tal caso, normalmente impostiamo una configurazione di test e sperimentiamo fino a ottenere i parametri corretti. Ma questa volta abbiamo potuto eseguire la configurazione virtualmente e il modello ha dimostrato che il processo non avrebbe funzionato affatto su quella scala. Quindi questo ci ha fatto risparmiare molto tempo e risorse.»