Digital Process Twin reduz o tempo e os custos de produção da J&J

Como é que surge um medicamento na J&J Innovative Medicine? O laboratório desenvolve um plano químico passo a passo (um processo) para preparar um novo ingrediente ativo. Terminada a fase laboratorial, o fabrico é acelerado em várias fases, de um litro a dezenas de milhares de litros no caso da produção comercial. O desenvolvimento realiza-se em duas instalações belgas, a Chemical Development Mini Plant (CDMP, em Beerse) e a Chemical Development Pilot Plant (CDPP, em Geel).

“Fazer produtos químicos é um pouco como cozinhar”, explica Niels. “Misturamos ingredientes num recipiente de reação e surge algo novo. No processo de 'cozedura', tem de se concentrar muito em parâmetros importantes como temperatura, pressão e velocidade de mistura para garantir que obtém sempre os produtos certos com segurança e qualidade fiável. Observamos esses parâmetros constantemente.”

“Se otimizarmos o interruptor de solvente, economizamos muito tempo e aumentamos a eficiência em toda a linha. Qualquer empresa quer produzir da forma mais eficiente possível, mas as coisas ficam ainda mais urgentes quando estão envolvidas vidas humanas. Um switch otimizado também nos ajuda a usar menos produtos químicos. O que é importante porque na J&J procuramos minimizar o impacto ambiental dos nossos processos de produção. É por isso que montamos um projeto piloto com o Digital Process Twin da Siemens — otimizar um interruptor de solvente no início, com o objetivo final de otimizar todos os interruptores.”

“Depois de construirmos o modelo, calibrámo-lo com dados derivados do processo, ou seja, da vida real. Com esses dados, construímos uma aplicação digital com a GProMS Digital Applications Platform, ou GDAP. Esse procedimento tem lugar num circuito aberto. Depois vimos como o modelo respondia à entrada do sistema de controlo do processo e acabámos com um circuito fechado. O GdAP faz constantemente previsões ao longo do caminho, que depois compara com os dados reais. Isso permite-nos melhorar constantemente o processo.”

“Costumo compará-lo com um GPS”, acrescenta Niels. “Estamos a viajar de uma certa composição de solventes — local A, para outra composição — local B. O modelo guiar-nos-á de A a B em tempo real pela rota mais curta, ou a mais rápida ou a mais ecológica. Ele produz o percurso ideal e continua a otimizá-lo em função das condições reais — há um desvio ou um acidente?”

“Além disso, também existem vantagens substanciais quando se está a configurar novos processos. Apenas otimizar os interruptores de solventes existentes é muito lucrativo por si só. E se pudermos aplicar o modelo antes de expandirmos a produção — ou seja, no laboratório — economizamos ainda mais tempo e recursos. Afinal, experimentar em laboratório é muito menos dispendioso do que experimentar à escala industrial. Portanto, agora estamos a ver como podemos usar dados de laboratório para fazer modelos que podemos aplicar mais tarde para a produção em larga escala.”

Ampla disponibilidade de modelos

“Recentemente também utilizamos o Digital Process Twin para um novo desenvolvimento de processos envolvendo liofilização. Esta foi uma reação que fez com que a temperatura no interior do vaso de reação subisse, mas a temperatura também tinha de ser mantida abaixo de um determinado valor ou a reação falharia. O processo funcionou em laboratório, mas a expansão para a escala industrial faz com que os parâmetros mudem. Nesse caso, normalmente estabeleceríamos uma configuração de teste e experimentávamos até obtermos os parâmetros corretos. Mas desta vez podíamos executar a configuração virtualmente e o modelo mostrou que o processo não funcionaria de todo a essa escala. Isso poupou-nos muito tempo e recursos.