Bioloģiskie un ķīmiskie procesi ir nepieciešami, lai izveidotu plašu produktu klāstu - no kosmētikas un mazgāšanas līdzekļiem līdz būtiskām pārtikas sastāvdaļām un dzīvības glābšanas farmācijas līdzekļiem. Iedomājieties, ka šie ražošanas procesi ir efektīvāki un gudrāki, kā rezultātā ir pieejamāka un ilgtspējīgāka augstākas kvalitātes galaproduktu ražošana. Tas ir progresējošas biogrāfijas ražošanas solījums, kur vismodernākā mikroshēmu tehnoloģija, AI un cilvēku zināšanas saplūst, lai radikāli pārveidotu ražošanas metodes.
Bioloģisko un ķīmisko procesu efektivitātes uzlabošanai nepieciešama precīza kvalitātes un procesa kontrole. Pareizo datu un zināšanu apkopošana ir ļoti svarīga šajā centienā pārveidot procesa ieskatu efektīvā iejaukšanās laikā. Inovatīvu pētījumu izpētisensoriTāpēc ir obligāti jābūt precīziem simulācijas modeļiem un labi apmācītiem operatoriem, nodrošinot vērtīgus rīkus uzlabotas biogrāfijas ražošanas veikšanā.
Izaicinājumi precizitātes terapijā
Apsveriet izaicinājumus biogrāfijas ražošanā, piemēram, cilvēka šūnu bioloģiskajā ražošanā CAR-T vai cilmes šūnu terapijai. Terapijas inženierzinātņu šūnu process ir ilgstošs, bet pacientiem kritisks laiks. Tas jādara uz vienu pacientu, un tas ietver ievērojamu daudzumu manuālu darbu, padarot to dārgu. Turklāt ārstēšanas efektivitāte ir tieši saistīta ar galaprodukta kvalitāti. Šīs problēmas ietekmē klīnisko nozīmi, ieskaitot ārpusgaitas vai nespecifiskas sekas.
Tradicionāli bioloģiskā procesa kontrole ietver “bezsaistes” uzraudzību, kur paraugi tiek ņemti no plūsmas vēlākai analīzei. Šādi mērījumi sniedz vērtīgu norādi par produkta kvalitāti paraugu ņemšanas laikā un piedāvā būtisku ieskatu turpmākajiem iestudējumiem. Tomēr laika nobīdes dēļ starp paraugu ņemšanu un analīzi tie neļauj reāllaikā pielāgot notiekošo procesu. Tāpēc inovatīvu šūnu terapijas ieviešana tirgū, tāpēc joprojām ir jāuzlabo viņu procesa kontrole.
Iekšējā ražošanas procesa uzraudzība varētu sniegt soli uz šo nepieciešamo uzlabojumu. Izmantojot inline sensorus, procesa soļus var uzraudzīt un pielāgot reāllaikā - iespējams, pat automātiski. Tas ne tikai saīsinātu kopējo ražošanas laiku un samazinātu izmaksas, bet arī samazinātu izejvielu un enerģijas patēriņu, vienlaikus uzlabojot galaprodukta kvalitāti.
Miniaturizēts inline sensors
Kamēr pastāv sensori, tie nebūt nav prece. Piemēram, zondes, piemēram, tādas, piemēram, pH un temperatūras bioreaktorā, pastāv jau vairāk nekā 40 gadus. Tomēr, lai izmērītu visus attiecīgos parametrus bioloģiskajai ražošanai, ir nepieciešams daudz zondu un bezsaistes sistēmu. Tas izraisa instalēšanu, kalibrēšanu, datu apstrādi un pat sterilizācijas problēmas.
IMEC pētnieki ir veiksmīgi miniaturizējuši un apvienojuši dažādus inline sensorus vienā vienā zonde. Iegūtais integrētais, miniaturizētais un daudzparametriskās procesa analītiskās tehnoloģijas (PAT) sensors var vienlaikus izmērīt temperatūru, izšķīdinātu skābekli, elektrisko vadītspēju, glikozi, laktātu un vienmērīgu šūnu blīvumu reālā laikā, piemēram, bioreaktorā. Rezultātā bioloģiskos vai ķīmiskos procesus var rūpīgāk novērot, un produktu raža un kvalitāte palielinājās.
No noslēpumainas modeļa līdz pedagogam un līdzstrādniekam
Neskatoties uz AI nenoliedzamajiem ieguvumiem, tās ieviešana nozarē joprojām ir ierobežota, daļēji pateicoties tās “melnajai kastei” raksturu. Kā risinājums caurspīdīgs un “izskaidrojams” AI, kas nodrošina saskarni, kas izskaidro lēmumu pieņemšanas procesus saprotamā cilvēku valodā, var radīt uzticību cilvēku operatoriem un uzlabot mijiedarbību ar tehnoloģiju.
Turklāt caurspīdīga AI var potenciāli izglītot operatorus, nevis tikai tos informēt. Gadu pieredze parasti ir nepieciešama, lai izprastu un kontrolētu kritisko procesa soļus. Izmantojot AI palīdzību, mazāk pieredzējušu operatoru mācīšanās līkni var ievērojami saīsināt, palielinot to neatkarību un efektivitāti. Un otrādi, AI modeļi var mācīties arī no operatoru kompetences.
Citā projektā ar nozares partneriem IMEC parādīja šāda modeļa un tā vērtības ieviešanu: pirmkārt, digitalizējot ražošanas procesu, pēc tam to sasaistot ar AI modeli tā optimizācijai un visbeidzot ļaujot mijiedarbībai ar operatoriem. Eksperti spēja noteikt korelācijas starp mērījumiem un ražošanas procesiem, piemēram, temperatūru vai viskozitāti. Tādējādi sensora informāciju var kontekstualizēt, izmantojot cilvēku zināšanas, ņemot vērā tādus faktorus kā darba stāžu un vēsturisko precizitāti.
Tas ļāva AI modelim mācīties, pamatojoties uz eksperta ieguldījumu un pamatā esošo pieredzi. Šajā projektā šāda strukturēta pieeja izraisīja jaunu procesu ieskatu un sveķu ražošanas optimizāciju (Allnex Beļģija), uzlabota stabilitāte un ātrāks no tirgus auduma mīkstinātājiem (Procter & Gamble).
Aparatūras, cilvēku kompetences un AI izmantošana inovācijām
Datu un zināšanu ierobežojumiem tradicionāli ir ierobežoti vadības (BIO) ķīmiskie procesi. Sensori, piemēram, procesu analītiskās tehnoloģijas (PAT), optimizē datu vākšanu, savukārt AI balstīti risinājumi, kurus atbalsta esošā cilvēku kompetence, veicina jauninājumus zināšanās. Šīs uzlabotās aparatūras, ekspertu zināšanu un AI sinerģija rada efektīvākus procesus, samazinātus atkritumus un nepieredzētas inovāciju iespējas.
Apkopojot šo kompetenci, pētniecības centri var uzsvērt paradigmas maiņu (BIO) ķīmiskajā rūpniecībā, aicinot nozares partnerus aktīvi sadarboties, lai paliktu priekšplānā procesu optimizācijas attīstībai.