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

Cucinare con ingredienti farmaceutici

Come nasce un farmaco presso 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 (il CDMP, a Beerse) e il Chemical Development Pilot Plant (CDPP, a Geel).

«Preparare prodotti chimici è un po' come cucinare», spiega Niels. «Lei mescola gli ingredienti in un recipiente di reazione e ne esce qualcosa di nuovo. Nel processo di «cottura», deve concentrarsi molto su parametri importanti come temperatura, pressione e velocità di miscelazione per assicurarsi 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 si fanno ancora più urgenti quando sono coinvolte vite umane. Un interruttore ottimizzato ci aiuta anche a utilizzare meno prodotti chimici. Il che 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 creato il modello, lo abbiamo calibrato con i dati derivati dal processo, ovvero dalla vita reale. Con quei dati, abbiamo creato un'applicazione digitale con Piattaforma di applicazioni digitali gProms, o GDAP. Tale procedura si svolge a ciclo aperto. Poi abbiamo esaminato come il modello ha risposto agli 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, posizione A, a un'altra composizione, posizione B. La modella 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 imposta nuovi processi. La semplice ottimizzazione dei commutatori a solvente esistenti è molto redditizia di per sé. E se riusciamo ad applicare il modello prima di espandere la produzione, vale a dire in laboratorio, risparmiamo ancora più tempo e risorse. Dopotutto, sperimentare in laboratorio è molto meno costoso che sperimentare 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 anche il Digital Process Twin per lo sviluppo di un nuovo processo che prevede la liofilizzazione. Questa è stata una reazione che ha fatto aumentare la temperatura all'interno del recipiente di reazione, ma anche la temperatura doveva 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 fa cambiare i parametri. In tal caso, normalmente impostiamo una configurazione di test e sperimentiamo fino a ottenere i parametri giusti. Ma questa volta abbiamo potuto eseguire la configurazione virtualmente e il modello ha dimostrato che il processo semplicemente non funzionerebbe affatto su quella scala. Quindi questo ci ha fatto risparmiare molto tempo e risorse.»