Digital Process Twin giúp rút ngắn thời gian và giảm chi phí sản xuất tại J&J

Bào chế dược phẩm từ các thành phần hóa học

Tại J&J Innovative Medicine, một loại thuốc ra đời như thế nào? Trong phòng thí nghiệm, đội ngũ nghiên cứu xây dựng quy trình hóa học theo từng bước để tạo ra hoạt chất mới. Khi hoàn tất giai đoạn nghiên cứu, quy mô sản xuất tiếp tục mở rộng theo nhiều cấp độ, từ vài lít ban đầu đến hàng chục nghìn lít trong sản xuất thương mại. Hoạt động phát triển tập trung tại hai cơ sở ở Bỉ: Nhà máy phát triển hóa chất quy mô nhỏ (CDMP, tại Beerse) và Nhà máy thí điểm phát triển hóa chất (CDPP, tại Geel).

Niels chia sẻ: “Quá trình tạo ra sản phẩm hóa học khá giống nấu ăn. Các thành phần được đưa vào thiết bị phản ứng để tạo thành chất mới. Trong suốt quá trình này, cần kiểm soát chặt chẽ các thông số quan trọng như nhiệt độ, áp suất và tốc độ khuấy, nhằm đảm bảo sản phẩm luôn đạt yêu cầu, an toàn và ổn định về chất lượng. Tất cả thông số đều được theo dõi liên tục.”

“Nếu tối ưu được bước chuyển đổi dung môi, có thể tiết kiệm đáng kể thời gian và nâng cao hiệu quả trên toàn bộ quy trình. Doanh nghiệp nào cũng hướng đến vận hành hiệu quả, nhưng trong lĩnh vực liên quan đến sức khỏe con người, yêu cầu này càng trở nên cấp thiết. Tối ưu quy trình còn giúp giảm lượng hóa chất sử dụng. Đây là mục tiêu quan trọng tại J&J, chúng tôi luôn hướng đến giảm thiểu tác động môi trường trong sản xuất. Vì vậy, J&J đã triển khai dự án thí điểm với Digital Process Twin của Siemens — trước mắt tập trung cải thiện một bước chuyển đổi dung môi, sau đó mở rộng sang toàn bộ quy trình chuyển đổi.”

“Sau khi hoàn thiện mô hình, chúng tôi hiệu chỉnh bằng dữ liệu thu thập trực tiếp từ quy trình thực tế. Dựa trên nguồn dữ liệu này, nhóm phát triển một ứng dụng số trên nền tảng gPROMS Digital Applications Platform (gDAP). Ban đầu, quy trình vận hành theo cơ chế vòng hở. Tiếp đó, nhóm đánh giá phản hồi của mô hình trước tín hiệu đầu vào từ hệ thống điều khiển và thiết lập cơ chế vòng kín. gDAP liên tục đưa ra dự đoán trong suốt quá trình và so sánh với dữ liệu thực tế, từ đó giúp tối ưu quy trình liên tục."

Niels chia sẻ thêm: "Tôi thường ví quá trình này như một hệ thống định vị GPS. Quy trình bắt đầu từ một trạng thái dung môi — điểm A — và hướng tới một trạng thái khác — điểm B. Mô hình sẽ xác định lộ trình từ A đến B theo thời gian thực, ưu tiên phương án ngắn nhất, nhanh nhất hoặc thân thiện với môi trường. Mô hình đưa ra lộ trình tối ưu, đồng thời liên tục cập nhật dựa trên điều kiện thực tế, chẳng hạn khi xuất hiện đường vòng hoặc sự cố.”

“Ngoài ra, cách tiếp cận này còn mang lại lợi ích đáng kể khi xây dựng các quy trình mới. Chỉ riêng việc tối ưu các bước chuyển đổi dung môi hiện có cũng đã mang lại hiệu quả kinh tế cao. Nếu áp dụng mô hình ngay từ trước khi mở rộng sản xuất — tức là ở giai đoạn phòng thí nghiệm — có thể tiết kiệm thêm nhiều thời gian và nguồn lực. Thử nghiệm trong phòng thí nghiệm luôn ít tốn kém hơn so với triển khai ở quy mô công nghiệp. Vì vậy, hiện nay J&J đang nghiên cứu cách tận dụng dữ liệu từ phòng thí nghiệm để xây dựng mô hình, phục vụ cho sản xuất ở quy mô lớn hơn trong tương lai.”

Mở rộng khả năng ứng dụng mô hình

“Gần đây, chúng tôi đã sử dụng Digital Process Twin cho một quy trình mới liên quan đến công đoạn sấy đông khô. Ở quy trình này, nhiệt độ trong thiết bị tăng lên, nhưng vẫn cần duy trì dưới một ngưỡng nhất định, nếu vượt quá, phản ứng sẽ không đạt yêu cầu. Quy trình vận hành ổn định trong phòng thí nghiệm, nhưng khi mở rộng lên quy mô công nghiệp, các thông số thay đổi rõ rệt. Thông thường, cần thiết lập cấu hình thử nghiệm và điều chỉnh nhiều lần để tìm ra bộ thông số phù hợp. Tuy nhiên, lần này nhóm đã mô phỏng cấu hình trên môi trường số, và mô hình cho thấy quy trình không khả thi ở quy mô đó. Nhờ vậy, tiết kiệm đáng kể thời gian và nguồn lực.”