De digitale procestweeling verkort de productietijd en verlaagt de kosten bij 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 Chemical Development Mini Plant (het CDMP, in Beerse) en de Chemical Development Pilot Plant (CDPP, in Geel).

"Chemische producten maken is een beetje zoals koken", legt Niels uit. "Je mengt ingrediënten in een reactievat en er komt iets nieuws uit. Tijdens het 'koken' moet je je veel concentreren op belangrijke parameters zoals temperatuur, druk en mengsnelheid om altijd de juiste producten te krijgen, veilig en van betrouwbare kwaliteit. We houden die parameters nauwlettend in de gaten."

„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 vanuit het proces zelf, dat wil zeggen uit de praktijk. Met die gegevens hebben we een digitale applicatie gebouwd met het gPROMS Digital Applications Platform(gDAP). Aanvankelijk werkte deze in een open kringloop. Vervolgens hebben we geanalyseerd hoe het model reageerde op input van het procesbesturingssysteem, waarna we zijn overgegaan naar een gesloten kringloop. De gDAP genereert continu voorspellingen die worden vergeleken met de werkelijke procesdata. Dat stelt ons in staat om het proces voortdurend te verbeteren."

"Ik vergelijk het vaak met een GPS", voegt Niels toe. "We bewegen van een bepaalde samenstelling van oplosmiddelen — locatie A, naar een andere samenstelling — locatie B. Het model fungeert daarbij als gids en leidt ons van A naar B in real timevia de kortste, snelste of meest ecologische route. Het bepaalt continu de ideale route en past deze aan op basis van de actuele omstandigheden. Is er bijvoorbeeld een omleiding of een verstoring?"

"Daarnaast zijn er ook aanzienlijke voordelen bij het opzetten van nieuwe processen. Alleen al het optimaliseren van bestaande solvent switches levert op zich al veel winst op. En als we het model kunnen toepassen voordat we de productie opschalen – dus in het laboratorium – besparen we nog meer tijd en middelen. Experimenteren in het laboratorium is immers veel goedkoper dan experimenteren op industriële schaal. Dus nu kijken we hoe we laboratoriumgegevens kunnen gebruiken om modellen te maken die we later kunnen toepassen voor productie op grotere schaal."

Brede beschikbaarheid van modellen

"Onlangs hebben we de digitale procestweeling ook gebruikt voor een nieuwe procesontwikkeling met vriesdrogen. Het ging om een reactie waarbij de temperatuur in het reactievat steeg, maar die toch onder een bepaalde waarde moest blijven, anders zou de reactie mislukken. Het proces werkte in het laboratorium, maar bij opschaling naar industriële schaal veranderen de parameters. In dat geval zouden we normaal gesproken een testopstelling opzetten en experimenteren totdat we de juiste parameters hadden gevonden. Maar deze keer konden we de configuratie virtueel uitvoeren, want het model liet zien dat het proces op die schaal gewoonweg niet zou werken. Dat heeft ons dus veel tijd en middelen bespaard."