Dans l’industrie des sciences de la vie, la clé du succès réside dans l’accélération de l’innovation et l’excellence opérationnelle. Et les salariés à tous les niveaux sont un élément essentiel de l'équation.
À l’usine, vos opérateurs doivent prendre des décisions en temps utile pour contribuer à assurer le bon fonctionnement des processus dans des plages de consigne bien définies en respectant les exigences d'autorisation de mise en marché. Or, les produits biologiques et autres produits pharmaceutiques deviennent de plus en plus complexes, tout comme la surveillance – et l’optimisation – des processus.
En quoi consiste le problème ?
Alors que des dispositifs intelligents et les systèmes complexes génèrent une multitude de données, les opérateurs disposent souvent d’informations limitées pour prendre des décisions éclairées.
Grâce aux récents développements en matière d’analyses évoluées et d’apprentissage automatique, vous pouvez dorénavant exploiter la science des données dans votre atelier d’usine pour orienter l’action des opérateurs en temps réel et étendre la portée des indications à toute l’entreprise.
Examinons quelques exemples concrets.
Stratégie de la meilleure action possible grâce à des capteurs logiciels
Dans le fond, chaque action menée par un opérateur peut potentiellement avoir une incidence sur la qualité de votre produit ou le rendement de votre processus. Une stratégie de la meilleure action possible côté ligne favorise la prise de décision en temps réel à l’aide de modèles d’apprentissage machine qui prédisent les performances futures et prescrivent les mesures à prendre pour atténuer les incidences négatives.
Comment ?
Voici un cas d’utilisation récent que nous avons développé. Supposons que vous deviez atteindre un taux d’humidité critique pour une substance médicamenteuse granulaire. La substance, à l’état liquide au début du processus, passe par un séchoir à lit fluidisé. Le processus de séchage est régulièrement arrêté pour tester l’humidité des échantillons physiques, introduisant une latence dans le processus de séchage.
Une approche par commande prédictive du modèle (MPC) a été utilisée pour créer un modèle d’apprentissage machine en vue de prédire le taux d’humidité et essentiellement constituer un capteur virtuel ou logiciel capable de déduire avec fiabilité à quel moment le taux d’humidité est optimal.
Une fois l’apprentissage transféré dans le cloud, le modèle d’apprentissage machine fonctionne en périphérie pour fournir en temps réel des informations pertinentes et des mesures prescrites à l’opérateur.
Un modèle d’apprentissage machine est d’abord créé sur la base de données historiques afin de déterminer quelle est l’incidence des multiples variables indépendantes – notamment la température d’entrée et de sortie, la vitesse du ventilateur sécheur et d’autres conditions ambiantes – sur les variables dépendant du taux d’humidité. Une fois l’appentissage du modèle terminé, la commande prédictive du modèle utilise les données de capteur en temps réel, l’état dynamique actuel du processus, le modèle MPC appris ainsi que les cibles et les limites des variables de processus afin de calculer, avec un degré élevé de confiance, les changements futurs parmi les variables dépendant des taux d’humidité.
Il en résulte des durées de cycle du processus de séchage plus courtes, avec moins d’interruptions du fait du prélèvement physique d’échantillons et de mesures.
En pratique, l’un de nos clients a pu réduire de 28 % à 30 % son temps de cycle de séchage grâce à cette solution.
Vérification continue du processus
Les analyses évoluées et l’apprentissage machine favorisent aussi la prise de décision dans des situations qui ont un certain niveau de tolérance à la latence. En d’autres termes, ils peuvent aider à prendre des décisions dans des situations qui ne nécessitent pas de réponse immédiate de l’opérateur. La vérification continue du processus en constitue un exemple.
Historiquement, l’industrie pharmaceutique a adopté une approche rétrospective pour confirmer qu’un lot répond bien à toutes les exigences de qualité, de sécurité et d’efficacité propres à l’autorisation de mise en marché. Les opérateurs contrôlent les paramètres des processus critiques réalisés après que le lot ait été exécuté et rejettent les lots non conformes aux exigences de l’autorisation de mise sur le marché.
De plus en plus d’entreprises industrielles adoptent la vérification continue du processus (CPV) en tant qu’alternative proactive à cette approche. Le système surveille les processus de production en continu et en temps réel, a recours à des méthodes de maîtrise statistique des procédés pour déterminer des tendances, afin que les opérateurs puissent immédiatement voir dans quelle mesure le processus est conforme aux valeurs de consignes approuvées – et identifier les éventuelles dérives ou tendances émergeantes. Des actions correctives peuvent alors être entreprises pour remédier aux dérives ou tendances afin d’éviter de dépasser les limites approuvées.
Amélioration du succès au niveau de l’entreprise
Quel est donc l’objectif global ? Les analyses évoluées et l’apprentissage machine s’appliquent à de multiples cas pour favoriser la prise de décision des opérateurs sur toute la chaîne de valeur dans le secteur des sciences de la vie.
Commencez par réunir différents intervenants multifonctionnels, puis planifiez et générez des réussites à court terme à partir de cas d’utilisation correspondant à votre vision numérique.
Chaque cas d’utilisation fournit des résultats extraordinaires sur une ligne de processus individuelle. Cependant, la valeur augmente dès lors que ces nouvelles approches sont institutionnalisées et généralisées à de multiples lignes et installations.
La vision ultime ? Pour bon nombre, il s’agit d’une tour de contrôle de fabrication (MCT) qui fournit une vue globale des informations exploitables, analytiques et prédictives au travers de l’environnement de production, et permet de prendre des décisions plus éclairées dans l’entreprise.
Découvrez en quoi les analyses évoluées peuvent transformer l’industrie pharmaceutique.
Nous pouvons vous aider à réaliser votre vision – découvrez comment.
