Skip to main content

Digital Process Twin skraca czas i koszty produkcji J&J

W branży farmaceutycznej krótki czas wprowadzenia produktu na rynek może uratować życie. Dlatego J&J Innovative Medicine wykorzystuje Digital Process Twin firmy Siemens, aby zwiększyć wydajność produkcji.

Cyfrowy bliźniak J&J: przyspieszenie innowacji

Wprowadzanie nowych produktów na rynek tak szybko, jak to możliwe — w J&J Innovative Medicine w Belgii — to nie jest wyłącznie kwestia ekonomii; często chodzi o sprawy życia i śmierci. Aby zoptymalizować swoje procesy produkcyjne, firma uruchomiła projekt pilotażowy wykorzystujący technologię Digital Process Twin oferowaną przez Siemens. „Wyniki były imponujące” — mówi Niels Vandervoort, starszy menedżer ds. danych i systemów w zakładzie pilotażowym w J&J Innovative Medicine. „Projekt pilotażowy pomógł nam znacząco skrócić czas procesów, zmniejszyć zużycie surowców chemicznych oraz obniżyć koszty”.

Technik laboratoryjny w odzieży ochronnej bada fiolki w zakładzie produkcji farmaceutycznej

„Gotowanie” z wykorzystaniem składników farmaceutycznych

Jak powstaje lek w J&J Innovative Medicine? Laboratorium opracowuje etapowy plan chemiczny (proces) służący do wytworzenia nowej substancji czynnej. Po zakończeniu fazy laboratoryjnej produkcja jest skalowana etapami od jednego litra aż do dziesiątek tysięcy litrów w przypadku produkcji komercyjne w przypadku produkcji komercyjnej. Prace rozwojowe prowadzone są w dwóch belgijskich ośrodkach: Chemical Development Mini Plant (CDMP w Beerse) oraz Chemical Development Pilot Plant (CDPP w Geel).

„Wytwarzanie produktów chemicznych jest trochę jak gotowanie” — wyjaśnia Niels. „Mieszamy składniki w reaktorze i powstaje coś nowego. W tym procesie ‘gotowania’ trzeba zwracać szczególną uwagę na kluczowe parametry, takie jak temperatura, ciśnienie i prędkość mieszania, aby zawsze uzyskać właściwy produkt w bezpieczny sposób i o powtarzalnej jakości. Stale monitorujemy te parametry”.

W J&J staramy się minimalizować wpływ naszych procesów produkcyjnych na środowisko. Dlatego stworzyliśmy projekt pilotażowy z wykorzystaniem Digital Process Twin firmy Siemens.
Niels Vandervoort, Starszy menedżer ds. danych i systemów w zakładzie pilotażowym, J&J Innovative Medicine

Od rozpuszczania do krystalizacji

„Reaktor zawiera rozpuszczalnik, w którym produkty chemiczne są rozpuszczane w odpowiednich warunkach, aby mogły ze sobą reagować w najlepszy możliwy sposób. Następnie trzeba wydobyć nowo powstałe produkty chemiczne z reaktora, aby uzyskać końcowy lek” — mówi Niels. „Aby to zrobić, ważne jest, aby zapobiec ponownemu rozpuszczeniu nowych produktów chemicznych i zamiast tego doprowadzić do ich ponownego zestalenia lub krystalizacji. W tym celu rozpuszczalnik jest zastępowany rozpuszczalnikiem krystalizującym — jest to tzw. zmiana rozpuszczalnika. Zmiana ta często odbywa się poprzez destylację lub gotowanie. W przypadku zbiornika o pojemności tysiąca litrów może to pochłaniać dużo czasu. Na przykład, jeśli całkowita synteza trwa 80 godzin, sama zmiana rozpuszczalnika może zająć aż 20 godzin”.

„Jeśli zoptymalizujemy zmianę rozpuszczalnika, oszczędzamy dużo czasu i zwiększamy efektywność w całym procesie. Każda firma chce produkować jak najwydajniej, ale sprawa staje się jeszcze pilniejsza, gdy w grę wchodzi ludzkie życie. Zoptymalizowana zmiana pozwala również ograniczyć zużycie substancji chemicznych. Jest to istotne, ponieważ w J&J staramy się minimalizować wpływ naszych procesów produkcyjnych na środowisko. Dlatego uruchomiliśmy projekt pilotażowy z wykorzystaniem Digital Process Twin od Siemens, początkowo optymalizując jedną zmianę rozpuszczalnika, z docelowym założeniem optymalizacji wszystkich takich operacji”.

Model nieustannie generuje prognozy, które następnie są porównywane z rzeczywistymi danymi. Dzięki temu możemy stale udoskonalać proces.
Nicolas Catrysse, BD Digitalization Solutions, Siemens

Wirtualna zmiana rozpuszczalnika

„Najpierw stworzyliśmy model procesu w gPROMS FormulatedProducts, zaawansowanej platformie do modelowania procesów. To przełomowe oprogramowanie, które pozwala nam gromadzić wiedzę mechaniczną, czyli rozumieć, jak należy oczekiwać, że dana reakcja będzie przebiegać na podstawie zasad (bio)naukowych. Model procesu jest w rzeczywistości wirtualną repliką procesu produkcyjnego i stanowi jeden z podstawowych elementów cyfrowego bliźniaka. Oznacza to, że na tym poziomie nasze podejście różni się od modeli bardziej opartych na danych. Daje nam to wiele korzyści — umożliwia przeprowadzanie optymalizacji na większą skalę, wymaga znacznie mniejszej ilości danych (około pięciokrotnie mniej), a nie tylko pozwala szybciej wdrażać zmiany, lecz także ułatwia ich utrzymanie” — wyjaśnia Nicolas Catrysse, Business Development Digitalization Solutions w Siemens.

„Po zbudowaniu modelu skalibrowaliśmy go danymi pochodzącymi z procesu, czyli z rzeczywistego środowiska. Na podstawie tych danych stworzyliśmy aplikację cyfrową przy użyciu platformy gPROMS Digital Applications Platform (gDAP). Ten etap odbywał się w tzw. pętli otwartej. Następnie przeanalizowaliśmy, jak model reaguje na sygnały wejściowe z systemu sterowania procesem, co pozwoliło nam przejść do konfiguracji w pętli zamkniętej. GdAP nieustannie przewiduje generuje prognozy w trakcie działania, które następnie porównuje z danymi rzeczywistymi. Dzięki temu możliwe jest ciągłe doskonalenie procesu.”

„Często porównuję to do GPS-a” — dodaje Niels. „Podróżujemy z określonego składu rozpuszczalników (lokalizacja A) do innego składu (lokalizacja B). Model prowadzi nas od A do B w czasie rzeczywistym najkrótszą trasą, najszybszą albo najbardziej ekologiczną. Wskazuje optymalną drogę i na bieżąco ją aktualizuje w zależności od rzeczywistych warunków — czy pojawił się objazd albo jakieś zakłócenie?”

Obniżenie całkowitych kosztów o 35%

Wyniki projektu pilotażowego były imponujące. Digital Process Twin pozwolił zmniejszyć zużycie rozpuszczalnika o 30%. Czas zmiany został skrócony o 35%, podobnie jak całkowity koszt. „Wyniki przewyższyły nasze oczekiwania” - wyjaśnia Niels.

„Efektywność jest nie tylko opłacalna ekonomicznie, ale także bardziej odporna. Obecnie rozszerzyliśmy projekt pilotażowy na cztery kolejne zmiany rozpuszczalnika, gdzie liczymy na uzyskanie podobnych rezultatów, ponieważ te korzyści nie ograniczają się wyłącznie do tego konkretnego przypadku zastosowania”.

„Co więcej, istnieją również znaczne zalety konfigurowania nowych procesów. Sama optymalizacja istniejących zmian rozpuszczalnika jest już bardzo opłacalna. A jeśli możemy zastosować model jeszcze przed skalowaniem produkcji (czyli w warunkach laboratoryjnych), oszczędzamy jeszcze więcej czasu i zasobów. W końcu eksperymentowanie w laboratorium jest znacznie tańsze niż prowadzenie prób na skalę przemysłową. Dlatego obecnie analizujemy, jak możemy wykorzystać dane laboratoryjne do tworzenia modeli, które następnie można zastosować w produkcji na większą skalę”.

Przeprowadzenie testu wirtualnie pozwoliło nam zaoszczędzić dużo czasu i zasobów.
Niels Vandervoort, Starszy menedżer ds. danych i systemów w zakładzie pilotażowym, Johnson & Johnson Innovative Medicine

Zastosowanie modeli w środowisku GMP

Wykorzystanie tych modeli w środowisku Dobrej Praktyki Wytwarzania (GMP) wiąże się ze znacznymi wyzwaniami. Wszystko musi spełniać standardy GMP określone przez amerykańską Agencję ds. Żywności i Leków (FDA) oraz Europejską Agencję Leków (EMA). Oznacza to konieczność zapewnienia ścieżek audytu, kontroli wersji, integralności danych, bezpieczeństwa i wielu innych wymagań. Nicolas wyjaśnia: „Gdy stosujemy modele na skalę produkcji komercyjnej, wszystkie dodatkowe wymagania realizujemy za pomocą naszej platformy oprogramowania SIPAT. Możemy to zrobić dzięki naszej wiedzy z zakresu technologii analizy procesowej (PAT). SIPAT ma również zdolność pełnienia roli centralnego systemu zarządzania danymi jakości PAT, zarówno w laboratorium, w zakładzie pilotażowym, jak i na skalę produkcyjną. System ten sprawia, że modele stają się praktyczne, wydajne i szybkie, przynosząc imponujące rezultaty”.

Szeroka dostępność modeli

„Niedawno wykorzystaliśmy również technologię Digital Process Twin w nowym rozwoju procesu obejmującym liofilizację. Była to reakcja, która powodowała wzrost temperatury wewnątrz reaktora, a jednocześnie temperatura musiała pozostać poniżej określonego poziomu, gdyż w przeciwnym razie reakcja by się nie powiodła. Proces działał w warunkach laboratoryjnych, jednak przejście do skali przemysłowej powoduje zmianę parametrów. W takiej sytuacji zazwyczaj tworzymy konfigurację testową i prowadzimy eksperymenty aż do uzyskania właściwych parametrów. Tym razem jednak mogliśmy przeprowadzić konfigurację wirtualnie, a model wykazał, że proces w ogóle nie zadziała w tej skali. Dzięki temu zaoszczędziliśmy znaczną ilość czasu i zasobów”.

W pełni wirtualnie od laboratorium aż po aptekę

Technologia Digital Process Twin jest bardzo obiecująca dla sektora farmaceutycznego — podsumowuje Niels. „To dopiero początek. Istnieje wiele sposobów na znacznie bardziej efektywną produkcję przy jednoczesnym zmniejszeniu wpływu na środowisko. Dzięki tej technologii będziemy również w stanie znacznie szybciej rozwijać nowe procesy w przyszłości, a z Siemens mamy idealnego partnera do tego celu, dzięki połączeniu wiedzy w zakresie oprogramowania, znajomości naszej branży oraz doświadczenia w procesach w farmacji i innych sektorach.

Ostatecznie będziemy mogli wykorzystywać modele wirtualne na całej ścieżce, od etapu rozwoju aż po produkcję komercyjną. Zaoszczędzony w ten sposób czas przełoży się również na uratowanie wielu ludzkich istnień”.

Dwóch uśmiechniętych techników w nowoczesnym zakładzie przemysłowym

Nawiąż kontakt z naszymi ekspertami

Czy chcesz usprawnić własną produkcję dzięki zastosowaniu Digital Process Twin? Skontaktuj się z nami, a wspólnie opracujemy rozwiązanie dopasowane do Twoich potrzeb.