米国の医薬品製造における能力対能力
投稿者：Siemens Digital Industries Software ライフサイエンスグローバル産業開発責任者、ジェニファー・ペトロスキー
2026年8月までに、製薬会社は発表しました おおよそ 5千億米ドル 米国の投資で 研究、開発、製造にわたって。しかし、施設を建設することは、生産の準備を整えることとは異なります。新しい生産能力を信頼できる製造能力に変えるには、治療法とプロセス開発を機器、サポートするインフラストラクチャ、および業務と連携させる必要があります。目的は、患者が必要とする場所で、必要な規模で高品質の医薬品を製造することです。
製造業者はまた、規制要件を満たしながら、サプライチェーンの脆弱性、コスト圧力、熟練人材への制約に対応する必要があります。容量を追加するだけでは、これらのプレッシャーは解決されません。ますます複雑になる治療法、不確実な臨床成果、需要の進化により、科学的革新を信頼できる供給に変えることが難しくなっています。製造業者は、臨床開発から商品化まで、その不確実性を管理しなければなりません。
その機能は、最初の商用バッチの前に始まります。初期の臨床試験を提供するプロセスは、後の段階の研究や商業的需要に対応できるように進化しなければなりません。メーカーは、治療が意図する品質特性を維持しながら、さまざまな量、機器構成、バッチサイズにわたって動作条件を最適化する必要があります。チームは治療法とそのプロセスを一緒に開発し、不確実性を早期に解決しなければなりません。また、要件の変化に応じてプロセスを伝え、再現するために必要な知識も身につけていなければなりません。
より早く安定した生産を実現することは、メーカーが臨床プログラムや製品の発売をサポートし、投資から期待される価値を実現するのに役立ちます。費用対効果の高い方法でこれを行うには、2つの補完的なライフサイクルにわたる調整が必要です。1つは、治療法の開発とその製造プロセスをカバーしています。もう1つは、設計から運用まで、生産に必要な製造能力をカバーしています。製品品質要件はプロセス設計の指針となります。プロセスの理解はエンジニアリングに役立ち、生産経験はその後の開発決定を強化します。
医薬品製造の準備状況を、建設段階を超えて評価します
作業は、メーカーが生産に向けた進捗状況をどのように評価するかから始まります。プロジェクトダッシュボードには、サイトが「85パーセント完成」と表示されるかもしれませんが、その割合だけでは運用準備が整っているとは言えません。プロセス制御やユーティリティのパフォーマンスに関する未解決の質問は、パーセンテージが示すよりもスタートアップにとって重要な場合があります。
問題は、どの程度不確実性が残っているか、そしてそれが臨床供給や製品の発売を遅らせる可能性があるかどうかです。拡張または別のサイトへの移転にも同じ精査が必要です。このプロセスは、受入業務の能力と制約の範囲内で機能する必要があります。結果は商業的であると同時に技術的でもあります。未解決の不確実性は、供給を遅らせ、プロセスの適格性確認に必要な作業を増やし、高価な製造資産を十分に活用しないままになる可能性があります。
プロセス中断のトラブルシューティングには、製造科学技術、プロセス開発、品質、エンジニアリング、施設の各チーム間の協力が必要です。これらの関係は、開発中も生産開始前も同じように重要です。科学的証拠、プロセス定義、エンジニアリング情報は、切り離された文書やシステムに伝わる可能性があります。配合の選択やプロセスパラメータの背後にある理由は、途中で失われる可能性があります。技術移転パッケージには、なぜ重要なのか、どの品質属性が保護されているのかを残さずに、何をすべきかが記載されている場合があります。また、受信側チームが、自社の機器がどのようにして必要な条件を再現できるかわからなくなることもあります。
デジタルツインは、チームが物理システムを構築または変更する前に、プロセスの動作や機器の前提条件を評価するのに役立ちます。継続的なデジタルスレッドにより、科学的証拠、材料属性、プロセスパラメータ、機器の能力、品質結果の間の関係を維持できます。チームは、開発、技術移転、生産を通じてこれらの関係を追跡できます。モデル、実験データ、および開発決定の背後にある理由は、実験室での研究から臨床供給、商業生産までのプロセスとともに移行する可能性があります。受け入れチームは、どの条件を一貫して維持する必要があり、どの条件が変化する可能性があるかを評価できるため、繰り返しの実験や回避可能な技術移転の労力を減らすことができます。その後、運用結果は今後の開発やエンジニアリングに役立ちます。ギャップを早期に特定することで、再設計、繰り返しのテスト、プロセスの適格性確認に必要な作業を減らすことができますが、意思決定の変更も容易になります。
臨床開発とスケールアップ全体にわたるプロセスの不確実性を解決します
スケールアップでは、開発全体を通してプロセスの理解が試されます。小型容器で機能する混合法は、パイロット規模と商業規模では異なる可能性があります。流体の流れ、熱伝達、物質移動は、機器のスケールと形状によって変化します。臨床段階を経てバッチサイズが大きくなるにつれて、チームはそれらの影響を理解しなければなりません。供給要件を満たすために異なる機器や場所が必要な場合も同様です。
タイミングは重要です。開発中に代替ボリューム、動作条件、機器構成を評価することで、チームは調整の余地が広がります。インストール後にミスマッチを発見した場合、機器、ソフトウェア、テスト、資格に関する文書を変更する必要があります。技術的な問題は同じかもしれませんが、品質や収量の目標を達成できなかった場合、ビジネスに大きな影響が及ぶようになりました。発見が遅れると、希少な技術リソースが消費され、臨床供給が中断され、商業規模の製造が遅れる可能性があります。
モデリングとシミュレーションは、必然的な学習をライフサイクルの早い段階で進めます。プロセスモデルは化学的および生物学的な問題に対処し、流体力学は機器スケールの挙動を説明するのに役立ちます。バーチャルコミッショニングは、物理システムが利用可能になる前に、シミュレートされた機器やプロセスに対して自動化ロジックをテストします。これらのアプローチにより、チームは生産オプションを比較し、さまざまな量の運用条件を調査できます。それらの有用性は、各モデルがその意図した用途を適切に表しているかどうかによって異なります。実験や製造工程で証拠が増えるので、チームはモデルを改良することができます。これにより、物理試験に集中し、プロセスを最適化し、大規模生産に向けて進めることができます。
ベルギーのJ&Jイノベーティブ・メディシンの化学開発チーム スケールアップ前にデジタルプロセスツインを使用して新しいプロセスを評価しました。このアプローチは実験室規模で機能しましたが、チームが産業規模を検討すると、関連するパラメータが変わりました。モデルは、提案された構成がその規模では機能しないと予測していました。チームは、その構成のさらなる物理試験を避け、開発リソースをより有望な代替品に集中させることができます。デジタルエビデンスは、商業規模の適格性評価やプロセス検証に取って代わるものではありません。
その プレチェックパイロットプログラム 米国食品医薬品局（FDA）から 以前のエンゲージメントの価値を反映しています。米国の新しい施設での施設開発やプリプロダクションの段階で、特定の製造業者を雇用します。既存の施設の拡張は対象外です。FDAは運用前のレビューを通じて、施設の設計と準備状況に関する情報を評価し、早期の技術ガイダンスを提供します。目標は、施設や製造準備の問題を早期に特定し、下流工程での遅延のリスクを減らすことです。このプログラムは、申請審査プロセスにおけるタイムリーな施設評価と検査を支援することも目的としています。参加しても承認や検査の結果が保証されるわけではありませんが、早期の関与は期待を明確にし、より効率的な審査プロセスをサポートし、避けられない遅延を減らすのに役立ちます。
シミュレーションがスケールアップをどのようにサポートするかを学びましょう
製造インフラをプロセスと供給の要件に合わせます
プロセスを理解することは、準備を整えることの一部です。必要な量と品質を提供できるかどうかは、生産設備、資材の流れ、およびそれを支えるインフラがどのように連携するかによっても異なります。これらの機能は、治療のプロセスと供給要件に従う必要があります。これらには、バッチサイズ、生産場所、および事業がサポートしなければならない信頼できる将来の用途が含まれます。
ロシュのアポロ11号グリーンフィールド医薬品製造プロジェクト ノースカロライナ州では、このアプローチを説明しています。ロシュは、私たちや他の技術パートナーと協力して、デジタルツインと製造シミュレーションを使用して設計上の決定を評価しています。チームはまず、どちらかのレイアウトを実装する前に、2つのレイアウトを比較し、材料と人員の流れをシミュレートしました。これらの代替案を比較することで、コストが高く混乱を招く前に設計を変更することができました。実際の性能は試運転中に検証する必要がありますが、これらの代替案をデジタルで評価することで、チームは設計上の意思決定のより強固な基盤を得ることができ、建設や設置によって変更のコストが高くなる前に潜在的な制約を特定できます。
生産能力の議論は、周囲の施設が要件を満たしていると仮定して、生産ラインに焦点を当てることがよくあります。拡張はその仮定を試すことができます。プロセスにもよりますが、新しいラインは精製水、蒸気、冷却、電気容量の需要を増やします。これらの要件は、生産計画と並行して評価する必要があります。チームは、異なる事業が同じユーティリティをめぐって同時に競合するかどうかを確認する必要があります。設置された機器は潜在的な容量を表しますが、使用可能な容量だけが価値を生み出します。生産設備自体が使用可能であっても、ユーティリティの制約や不十分なインフラによって生産量が制限されることがあります。
施設はプロセスに必要な環境条件も維持する必要があります。温度、湿度、圧力の偏差は生産に影響を与え、調査のきっかけとなる可能性があります。クリーンルームや実験室などの重要な環境では、使用目的に合った監視、制御、記録が必要です。インフラは製造環境の一部であり、その性能はそれがサポートするプロセスとの関連で理解する必要があります。
そのため、エネルギー性能は環境問題だけでなく運用上の問題でもあります。生産需要と照らし合わせて消費量を監視することは、チームが非効率的な機器や避けられないユーティリティの使用を特定するのに役立ちます。改善によって製品の品質に必要な条件が維持されれば、回避可能なエネルギーとユーティリティの使用を減らすことで運用コストを削減できます。
生産データを医薬品製造の改善に役立ててください
生産が開始されると、運用データは、チームが開発の前提条件をプロセスと施設の実際のパフォーマンスと照らし合わせてテストするのに役立ちます。バッチ100までに、組織はバッチ1の後よりもプロセスをよく理解するはずです。その学習は、より一貫したアウトプット、利回りの向上、偏差の調査とレビューに費やす労力の軽減につながるはずです。実行するたびに、組織がそのプロセスについて知っていることをさらに深める必要があります。
温度測定値または圧力設定値には、そのバッチ、プロセスステップ、材料、および該当するプロセス定義へのリンクが必要です。そのコンテキストは、チームが品質の成果を開発の前提と比較し、材料の変動、機器の摩耗、環境変化の影響を理解するのに役立ちます。また、Industrial AI、つまりプロセス変動の分析や機器の異常の検出などのタスクに適用される人工知能もサポートしています。これらの関係を維持することで、生産経験はその後のプロセスの最適化、技術移転、スケールアップの決定に役立ちます。
で バルセロナにあるAGCファーマケミカルズの医薬品有効成分サイト、チームは制御システムを製造実行および電子バッチ記録と統合しました。これにより、530を超える手動のオペレーターエントリが削除されました。その結果、製造工程のデジタル文書化がより完全になり、従業員が書き起こす情報が少なくなりました。労働力の制約に直面している製造業者にとっては、これにより、プロセスと品質の決定に対する熟練者の責任を維持しながら、反復作業を減らすことができます。
より完全な記録は、分析のより良い基礎にもなります。例外によるレビューは、定義された要件からの逸脱に注意を向けることができます。プロセス分析技術では、測定値とモデルを組み合わせて、製造中の関連する品質属性を評価できます。機器の状態を監視することで、発生しつつある問題を特定し、メンテナンスチームが調査することができます。これらのアプリケーションでは情報の使い方が異なります。システムを接続しても、すべての洞察がプロセスの変更やバッチのリリースの指示になるわけではありません。これらのアプリケーションは、レビューの労力を軽減し、技術リソースを実際の例外に向けることができます。また、より費用のかかる混乱を引き起こす前に、開発中の機器の問題を特定するのにも役立ちます。
GSKとSiemens、Atos 協力 は、測定からアクションまでの追加ステップを示しています。ワクチン補助剤製造の概念実証では、デジタルツインがプロセスデータとモデルを使用して粒子サイズを推定し、流量調整を計算しました。実験室でのテストでは、導入された障害に反応して直接制御できることが実証されました。その後の優良製造基準（GMP）施設での小規模エンジニアリングで、双子はオペレーターに調整を勧めました。それらを直接実装したわけではありません。
このようなアプローチを商業製造に適用するには、使用目的に合ったモデルと制御が必要です。適切な検証と変更管理が引き続き必要です。その価値は、偏差の減少、出力の信頼性の向上、レビュー作業の軽減、ダウンタイムの短縮、品質関連の損失の削減などの結果に表れるはずです。
Industrial AI にも同じ規律が必要です。状況に応じたトレーサブルなデータは、チームが偏差を調査したり、プロセスのパフォーマンスを分析したり、機器の問題を早期に特定したりするのに役立ちます。共有され統制されたコンテキストは、関連する科学的証拠と運用上の証拠を結びつけますが、各分野はそれぞれの専門システムと責任を引き継いでいます。各アプリケーションには、明確な目的と、その出力が意思決定に役立つほど信頼できるという証拠が必要です。その価値は、調査の短縮や混乱の防止など、測定可能な結果と結び付けられるべきです。
製造要件の変化に応じてプロセスの知識を再利用します
開発と生産の間に蓄積された知識は、要件が変化した場合の出発点にもなります。メーカーによっては、別の臨床バッチサイズや新製品が必要な場合があります。別の拠点や製造パートナーに移転したり、既存の供給を維持しながら生産量を増やす必要があるかもしれません。開発履歴と品質要件に裏付けられた、統制されたプロセス定義は、チームが再利用できるものと変更する必要があるものを評価するのに役立ちます。これにより、プロセスの知識を再現するのに必要な労力を減らし、それぞれの移転や修正をより多くの情報に基づいたエンジニアリング作業にすることができます。
で ドイツのビターフェルト・ヴォルフェンにあるバイエルのアスピリン施設、チームは、現場で生産を続けながら、新しい製造実行システムと自動化システムを段階的に導入しました。製造実行とプロセス自動化を接続することで、別々のシステムでモデリング作業を重複させることなくサブプロセスを構成できました。このプロジェクトについて、Siemens 報告しています エンジニアリングの労力を最大80パーセント削減します サブプロセスモデリング用です。比較は、製造実行システムと制御システムを個別にモデル化する場合でした。新しいアプローチにより、ペーパーレス製造、電子バッチ文書化、レシピや自動化の変更の迅速な実装が可能になりました。
これは、適応性の実際的な意味の1つです。つまり、定義された変更に伴う時間、コスト、運用上のリスクを軽減することです。標準化された機器インターフェースと再利用可能な自動化構造により、互換性のあるモジュールを追加または交換する際のカスタムインテグレーションを減らすこともできます。すべてのモダリティに適した施設を作るわけではありません。治療法が異なれば、必要な封じ込め、洗浄、環境条件、プロセス機器も異なります。柔軟性は、将来の信頼できる用途に合わせて設計する必要があります。資格と検証の要件は最初から考慮する必要があります。これにより、メーカーは不必要な複雑さを回避しながら、将来の製品をサポートする可能性が最も高い適応性に投資することができます。
モジュラーオートメーションがどのように変化を簡素化するかをご覧ください
治療法の開発を製造能力と結びつけてください
これらの変更を管理しやすくするには、研究、製剤、プロセス開発、技術移転、品質、供給計画、エンジニアリング、生産にわたる継続性が必要です。治療法の品質要件や製剤の変更は、プロセスパラメーター、機器の選択、自動化、ユーティリティの需要に影響を与える可能性があります。これらの結果をまとめて評価することで、チームは臨床供給、発売スケジュール、期待される生産実績を保護するためのトレードオフを早期に行うことができます。製造上のエビデンスをプロセスの理解にフィードバックして、両方のライフサイクルにわたって知識を向上させる必要があります。
メーカーは、開発段階、製造拠点、専門システム全体でこれらの引き継ぎをサポートしてくれる技術パートナーを探す必要があります。製薬事業ではさまざまな技術が使用されているため、パートナーは既存の機器や他の技術プロバイダーと連携できなければなりません。オープンスタンダードと相互運用性は、安全な情報交換をサポートする必要があります。インターフェース、データ品質、および情報を解釈するために必要なコンテキストに対する責任は明確でなければなりません。要件、プロセス定義、実行の間のトレーサビリティは、チームが変更を評価し、不必要なカスタム統合なしに確立された知識を再利用するのに役立ちます。
私たちは、それらの決定が重なるいくつかのポイントにわたって取り組んでいます。私たちの仕事は、プロセスと生産のシミュレーション、エンジニアリング、品質、自動化、製造実行、サポートインフラに及びます。この機会は、意思決定がプロセスの理解からエンジニアリングと生産に移るときにコンテキストを保存し、運用上の証拠を使用して今後の開発に役立つことです。これにより、ライフサイクルの各段階で情報を再作成するのに必要な労力が減り、将来の変更を簡単に実装できるようになります。科学研究開発、プロセスモデリング、エンタープライズレシピ管理、製造実行を結び付けることで、チームが制御されたプロセス定義を生産に移すのに役立ちます。そうすれば、チームがその知識を規模や現場を超えて再利用しても、彼らの裏付けとなる証拠を引き続き利用できます。
現在の投資判断では、次の4つのアクションに注意する必要があります。
- 治療法とそのプロセスを一緒に開発し、臨床規模と商業規模で操作条件がどのように変化するかをテストしてください。
- 設備、ユーティリティ、環境管理を、サポートしなければならない生産要件と照らし合わせて評価します。
- プロセス定義と裏付けとなる証拠を保存して、受付チームがサイトや規模を超えた変化を評価できるようにしてください。
- 生産データをそのバッチとプロセスのコンテキストに結び付け、運用結果を使用して開発やエンジニアリングの意思決定を改善します。
Industrial AI は、チームがプロセスのばらつきを分析し、機器の問題を早期に特定できるようにすることで、この学習を広げることができます。次のステップは、定義された製造上の問題を選択し、必要なデータを確立して、アプリケーションが測定可能な結果を改善するかどうかをテストすることです。これらの決定は今日の投資計画に含まれていますが、チームは依存するシステムやワークフローを形作ることができます。
公開日：2026年10月30日