Digital Process Twin cắt giảm thời gian và chi phí sản xuất của J&J

Nấu ăn với các thành phần dược phẩm

Làm thế nào để một loại thuốc ra đời tại J & J Innovative Medicine? Phòng thí nghiệm phát triển một kế hoạch hóa học từng bước (một quy trình) để chuẩn bị một hoạt chất mới. Sau khi giai đoạn phòng thí nghiệm được hoàn thành, quá trình chế tạo được tăng cường theo nhiều giai đoạn, từ một lít đến hàng chục nghìn lít trong trường hợp sản xuất thương mại. Việc phát triển diễn ra tại hai cơ sở của Bỉ, Nhà máy phát triển hóa chất mini (CDMP, ở Beerse) và Nhà máy thí điểm phát triển hóa chất (CDPP, ở Geel).

Niels giải thích: “Làm các sản phẩm hóa học hơi giống như nấu ăn. “Bạn trộn các thành phần trong một bình phản ứng, và ra ra một cái gì đó mới. Trong quá trình “nấu”, bạn phải tập trung nhiều vào các thông số quan trọng như nhiệt độ, áp suất và tốc độ trộn để đảm bảo bạn luôn có được sản phẩm phù hợp một cách an toàn và với chất lượng đáng tin cậy. Chúng tôi xem các thông số đó liên tục.”

“Nếu chúng tôi tối ưu hóa công tắc dung môi, chúng tôi tiết kiệm rất nhiều thời gian và tăng hiệu quả trên toàn diện. Bất kỳ doanh nghiệp nào cũng muốn sản xuất hiệu quả nhất có thể, nhưng mọi thứ càng trở nên cấp bách hơn khi có sự liên quan đến cuộc sống của con người. Một công tắc được tối ưu hóa cũng giúp chúng ta sử dụng ít sản phẩm hóa học hơn. Điều này rất quan trọng bởi vì tại J&J, chúng tôi cố gắng giảm thiểu tác động môi trường của quy trình sản xuất của chúng tôi. Đó là lý do tại sao chúng tôi thiết lập một dự án thí điểm với Digital Process Twin của Siemens - tối ưu hóa một công tắc dung môi lúc đầu, với mục tiêu cuối cùng là tối ưu hóa tất cả các thiết bị chuyển mạch.”

“Sau khi chúng tôi xây dựng mô hình, chúng tôi hiệu chỉnh nó với dữ liệu thu được từ quá trình, nghĩa là từ cuộc sống thực. Với dữ liệu đó, chúng tôi đã xây dựng một ứng dụng kỹ thuật số với Nền tảng ứng dụng kỹ thuật số GProms, hoặc GDAP. Quá trình đó diễn ra trong một vòng lặp mở. Sau đó, chúng tôi xem xét cách mô hình phản ứng với đầu vào từ hệ thống điều khiển quá trình và chúng tôi kết thúc với một vòng lặp kín. GdAP liên tục đưa ra dự đoán trên đường đi, sau đó nó so sánh với dữ liệu thực tế. Điều đó cho phép chúng tôi liên tục cải thiện quá trình.”

“Tôi thường so sánh nó với GPS,” Niels nói thêm. “Chúng tôi đang di chuyển từ một thành phần nhất định của dung môi - vị trí A, đến thành phần khác - vị trí B. Mô hình sẽ hướng dẫn chúng tôi Từ A đến B trong thời gian thực bằng con đường ngắn nhất, hoặc nhanh nhất hoặc đường sinh thái nhất. Nó đưa ra tuyến đường lý tưởng và tiếp tục tối ưu hóa nó như một chức năng của các điều kiện thực tế - có đường vòng hay tai nạn không?”

“Trên hết, cũng có những lợi thế đáng kể khi bạn thiết lập các quy trình mới. Chỉ cần tối ưu hóa các công tắc dung môi hiện có cũng rất có lợi. Và nếu chúng ta có thể áp dụng mô hình trước khi mở rộng sản xuất - nghĩa là trong phòng thí nghiệm - chúng ta sẽ tiết kiệm được nhiều thời gian và nguồn lực hơn. Rốt cuộc, thử nghiệm trong phòng thí nghiệm ít tốn kém hơn nhiều so với thử nghiệm ở quy mô công nghiệp. Vì vậy, bây giờ chúng tôi đang xem xét cách chúng tôi có thể sử dụng dữ liệu phòng thí nghiệm để tạo ra các mô hình mà chúng tôi có thể áp dụng sau này cho sản xuất quy mô lớn hơn.

Tính khả dụng rộng rãi của các mô hình

“Mới gần đây, chúng tôi cũng đã sử dụng Digital Process Twin cho một quá trình phát triển mới liên quan đến đông khô. Đây là một phản ứng khiến nhiệt độ bên trong bình phản ứng tăng lên, nhưng nhiệt độ cũng phải được giữ dưới một giá trị nhất định nếu không phản ứng sẽ thất bại. Quá trình này hoạt động trong phòng thí nghiệm, nhưng việc mở rộng sang quy mô công nghiệp làm cho các thông số thay đổi. Trong trường hợp đó, thông thường chúng tôi sẽ thiết lập cấu hình thử nghiệm và thử nghiệm cho đến khi chúng tôi có được các tham số phù hợp. Nhưng lần này chúng tôi có thể chạy cấu hình ảo và mô hình cho thấy rằng quá trình sẽ không hoạt động ở quy mô đó. Vì vậy, điều đó đã tiết kiệm cho chúng tôi rất nhiều thời gian và tài nguyên.”