< Terug naar vorige pagina

Project

Geïntegreerde procesmonitoring en -regeling voor de productie van actieve farmaceutische ingrediënten via tensor-gebaseerde data gedreven modelleringsmethoden

Algemene doelstelling
Het uiteindelijke doel van dit project is om een geavanceerde, data-gedreven modelleermethodologie te ontwikkelen voor een gehele productielijn van actieve farmaceutische ingrediënten. De ontwikkelde modellen zijn bedoeld om de processen te monitoren en bij te sturen. Deze processen zijn geïntegreerde systemen bestaande uit verschillende heterogene subsystemen. Bijgevolg is inzicht verwerven met betrekking tot de verschillende procesvariabelen binnen de verschillende eenheden alsook de verbanden met productkwaliteit en andere outputcriteria een cruciaal onderdeel. Dit project brengt Janssen Pharmaceutica een stap dichter bij een cyber-fysisch productieproces waarin modellen gebaseerd op machinaal leren toelaten het proces te monitoren, de onzekerheden in rekening te brengen, risico mitigerende strategieën op te kunnen leggen en in een volgende stap het proces te regelen en te optimaliseren.
Concrete objectieven en criteria
De concrete objectieven van dit project zijn:
(i) Ontwikkelen van een nieuwe modelleerstrategie voor multirate data. Data-gedreven methoden voor procesopvolging, veiligheid en kwaliteitscontrole zijn doorgedrongen in de industrie [9]. Veel toepassingen zijn echter beperkt tot modellen gebaseerd op data bemonsterd aan hoge frequenties (druk, temperatuur) waarbij het multirate karakter van de meeste procesmetingen verwaarloosd worden [10]. Door een multirate aanpak wordt data die voorheen werd weggelaten toch gebruikt. Bijgevolg is een eerste objectief van dit project om een wavelet ontbinding te onderzoeken als data voorbehandelingsmethode. Voor de farmaceutische industrie is dit cruciaal om data van PAT tools of andere laag bemonsterde data in rekening te brengen.
(ii) Ontwikkelen van een multivariate modelleermethodologie voor procesdata. De ontwikkeling van multivariate statistische procesmonitoring strategieën is voortgestuwd door de vooruitgang in rekenkracht en datavergaring [11]. Gedurende de laatste twee decennia is het een actief onderzoeksdomein met stevige interesse vanuit de procesindustrie [12]. Bij de huidige stand van de techniek zijn er echter nog verscheidene uitdagingen voor de ontwikkeling van data-gedreven technieken voor batch processen, met name een nauwkeurige benadering van de geintegreerde processen met correcte voorspellingen en de mogelijkheid om processen online bij te sturen. Een tweede doel van dit project is om een tensor-gebaseerde, data-gedreven modelleertechniek te ontwikkelen. Deze bieden specifieke voordelige eigenschappen die uitgebuit kunnen worden in het modelleren van de productieprocessen. Bovendien laten ze toe om de aanwezige proceskennis in de trainingsfase te integreren.
(iii) Onderzoek van onzekerheidspropagatie om een beslissingsondersteunende tool te ontwikkelen. Één van de belangrijkste uitdagingen voor de farmaceutische industrie zijn de veeleisende productiekwaliteitsvereisten (FDA, EMEA) voor de productie van medicijnen. Bijgevolg is het cruciaal dat wanneer modellen en aanverwante methoden ingezet worden, deze resultaten geldig en betrouwbaar zijn als basis voor kritieke productiebeslissingen. Een derde objectief is om te onderzoeken hoe de onzekerheid propageert en dit correct te kwantificeren. Gebaseerd op de meest geschikte techniek, zal er vervolgens een multi-agent beslissingsondersteunende tool ontwikkeld worden om het Invokana productieproces online te monitoren, rekening houdend met deze onzekerheid om op die manier kwaliteitsrisico mitigerende maatregelen te ondersteunen in het productieproces
(iv) Het ontwikkelen van flexibele regeling- en optimaliseringstrategieën. Het omvormen van de productielijn in een cyber-fysisch systeem is een belangrijk element van de verwachte technologische vooruitgang van de huidige golf van industriële (r)evolutie (Industry 4.0). Het laatste objectief van dit project is bijgevolg om componenten van deze vooruitgang te initiëren binnen de Geel site. Twee aspecten uit process systems engineering zullen onderzocht worden om deze vernieuwing te brengen en de toekomstige ontwikkelingen voor te bereiden. Deze zijn de regelbaarheid en het optimaliseren van het geïntegreerde productieproces zodat het cyber deel actief kan ingrijpen in het fysische. Verder zullen modelupdates voorzien worden om de robuustheid en de validiteit van het systeem te waarborgen om tegelijkertijd de kosten gerelateerd aan modelonderhoud te reduceren.
Valorisatiepotentieel
Het behalen van de beoogde doelstellingen zal leiden tot significante economische verbeteringen voor Janssen Pharmaceutica: (i) reduceren van off-spec productie, (ii) het ondersteunen van risico mitigerende maatregelen, (iii) het simultaan bewerkstelligen van kwaliteits- en andere outputparameters. Een verbetering van deze kennis in de Geel site laat toe om Janssen Pharmaceutica’s positie binnen Johnson & Johnson te versterken als productiecentrum voor actieve farmaceutische ingrediënten. Naast een economisch voordeel, is er ook een positieve socio-economische impact voor Vlaanderen door de verzekerde tewerkstelling en verhoogde omzet.

Datum:30 aug 2016 →  30 aug 2020
Trefwoorden:Multivariate statistical process monitoring, control, optimization
Disciplines:Katalytische reactietechnieken, Chemisch productontwerp en formulering, Algemene chemische en biochemische ingenieurswetenschappen, Process engineering, Scheidings- en membraantechnologie, Transportfenomenen, Andere (bio)chemische ingenieurswetenschappen
Project type:PhD project