Digital Process Twin verlaagt de productietijd en -kosten van J&J

Koken met farmaceutische ingrediënten

Hoe komt een medicijn tot stand bij J&J Innovative Medicine? Het lab ontwikkelt een stapsgewijs chemisch plan (een proces) om een nieuw actief ingrediënt te bereiden. Zodra de laboratoriumfase is voltooid, wordt de fabricage in verschillende fasen opgevoerd, van één liter tot tienduizenden liters in het geval van commerciële productie. De ontwikkeling vindt plaats in twee Belgische faciliteiten, de minifabriek voor chemische ontwikkeling (het CDMP, in Beerse) en de Chemical Development Pilot Plant (CDPP, in Geel).

„Chemische producten maken is een beetje zoals koken”, legt Niels uit. „U mengt ingrediënten in een reactievat en er komt iets nieuws uit. Tijdens het 'koken' moet u zich veel concentreren op belangrijke parameters zoals temperatuur, druk en mengsnelheid om ervoor te zorgen dat u altijd de juiste producten krijgt, veilig en van betrouwbare kwaliteit. We houden die parameters in de gaten. voortdurend.”

„Als we de solventswitch optimaliseren, bespaar veel tijd en verhoog de efficiëntie over de hele linie. Elk bedrijf wil zo efficiënt mogelijk produceren, maar als het om mensenlevens gaat, wordt het nog dringender. Een geoptimaliseerde switch helpt ons ook om minder chemische producten te gebruiken. Wat belangrijk is omdat we bij J&J proberen de impact van onze productieprocessen op het milieu tot een minimum te beperken. Daarom hebben we een proefproject opgezet met de Digital Process Twin van Siemens, waarbij eerst één solventswitch werd geoptimaliseerd, met als uiteindelijk doel alle switches te optimaliseren.”

„Nadat we het model hadden gebouwd, hebben we het gekalibreerd met gegevens die afkomstig waren van het proces, dat wil zeggen uit de praktijk. Met die gegevens hebben we een digitale applicatie gebouwd met de GProms platform voor digitale toepassingen, voor GdAP. Die procedure vindt plaats in een open kringloop. Vervolgens hebben we gekeken hoe het model reageerde op de input van het procesbesturingssysteem, en uiteindelijk kregen we een gesloten kringloop. De GdAP maakt voortdurend voorspellingen gaandeweg, die vervolgens wordt vergeleken met de werkelijke gegevens. Dat stelt ons in staat om het proces voortdurend te verbeteren.”

„Ik vergelijk het vaak met een GPS”, voegt Niels eraan toe. „We reizen van een bepaalde samenstelling van oplosmiddelen — locatie A, naar een andere samenstelling — locatie B. Het model zal ons als leidraad dienen van A naar B in realtime via de kortste route, of de snelste of de meest ecologische. Het geeft de ideale route weer en blijft deze optimaliseren op basis van de werkelijke omstandigheden. Is er een omweg of een ongeluk?”

„Daarbovenop zijn er ook aanzienlijke voordelen bij het opzetten van nieuwe processen. Alleen al het optimaliseren van bestaande solventswitches is op zichzelf al zeer winstgevend. En als we het model kunnen toepassen voordat we de productie uitbreiden — dat wil zeggen in het lab — besparen we nog meer tijd en middelen. Experimenteren in het laboratorium is immers veel goedkoper dan experimenteren op industriële schaal. Dus nu bekijken we hoe we laboratoriumgegevens kunnen gebruiken om modellen te maken die we later kunnen toepassen voor grootschalige productie.”

Brede beschikbaarheid van modellen

„Onlangs hebben we ook de Digital Process Twin gebruikt voor een nieuwe procesontwikkeling met vriesdrogen. Dit was een reactie waarbij de temperatuur in het reactievat steeg, maar de temperatuur moest ook onder een bepaalde waarde worden gehouden, anders zou de reactie mislukken. Het proces werkte in het lab, maar als het naar industriële schaal wordt uitgebreid, veranderen de parameters. In dat geval zouden we normaal gesproken een testconfiguratie opzetten en experimenteren tot we de juiste parameters hebben. Maar deze keer konden we de configuratie virtueel uitvoeren en het model toonde aan dat het proces op die schaal gewoon helemaal niet zou werken. Dat heeft ons dus veel tijd en middelen bespaard.”