Biologické a chemické procesy sú nevyhnutné na vytvorenie rozsiahlej škály výrobkov - od kozmetiky a detergentov po základné potravinové prísady a život zachraňujúce farmaceutiky. Predstavte si, že tieto výrobné procesy sú efektívnejšie a inteligentnejšie, čo vedie k dostupnejšej a udržateľnejšej výrobe kvalitnejších konečných výrobkov. Toto je prísľub pokročilého biomácania, kde technológia špičkovej technológie čipov, AI a ľudskej odbornosti sa zbiehajú na radikálne transformácie výrobných metód.
Zlepšenie účinnosti biologických a chemických procesov si vyžaduje presnú kvalitu a kontrolu procesu. Zhromažďovanie správnych údajov a znalostí je v tomto úsilí o preklad vhľadu na efektívne zásahy rozhodujúce. Výskum inovatívnehosenzory, Presné simulačné modely a dobre vyškolení operátori sú preto nevyhnutné a poskytujú cenné nástroje pri hľadaní pokročilého biománu.
Výzvy v presnej terapii
Zoberme si výzvy v biomanovanej výrobe, ako je biologická produkcia ľudských buniek pre terapiu CAR-T alebo kmeňové bunky. Proces inžinierskych buniek pre liečbu je zdĺhavý, ale časovo kritický pre pacientov. Musí sa to robiť na základe pacienta a zahŕňa značné množstvo manuálnej práce, vďaka čomu je nákladná. Účinnosť liečby navyše priamo súvisí s kvalitou konečného produktu. Tieto výzvy ovplyvňujú klinický význam, vrátane mimo cieľ alebo nešpecifických účinkov.
Tradične riadenie biologického procesu zahŕňa „offline“ monitorovanie, kde sa vzorky odoberajú z toku pre neskoršiu analýzu. Takéto merania poskytujú cenný náznak kvality produktu v čase odberu vzoriek a ponúkajú zásadné poznatky pre budúce výroby. Z dôvodu časového oneskorenia medzi vzorkovaním a analýzou však neumožňujú úpravy prebiehajúceho procesu v reálnom čase. Prináša inovatívne bunkové terapie na trh dostupne, preto si stále vyžaduje výrazné zlepšenie ich kontroly procesov.
Monitorovanie inline výrobného procesu by mohlo poskytnúť krok k tomuto potrebnému zlepšeniu. Pri inline senzoroch je možné procesné kroky monitorovať a upravovať v reálnom čase - možno aj automaticky. To by nielen skrátilo celkový čas výroby a znížilo sa to, ale tiež by znížilo spotrebu surovín a energie a zároveň zlepšilo kvalitu konečného produktu.
Inline senzor
Zatiaľ čo existujú inline senzory, ani zďaleka nie sú komoditou. Napríklad sondy na monitorovanie inline, ako napríklad sondy na pH a teplotu v bioreaktore, existujú už viac ako 40 rokov. Na meranie všetkých relevantných parametrov pre biologickú výrobu je však potrebné množstvo sond a offline systémov. To spôsobuje inštaláciu, kalibráciu, spracovanie údajov a dokonca aj problémy s sterilizáciou.
Vedci IMEC úspešne miniaturizovali a kombinovali rôzne inline senzory do jednej sondy. Výsledný integrovaný, miniaturizovaný a viacparametrický analytický technológia procesu (PAT) môže súčasne zmerať teplotu, rozpustený kyslík, elektrickú vodivosť, glukózu, laktát a dokonca aj hustotu buniek v reálnom čase, napríklad v bioreaktore. Výsledkom je, že biologické alebo chemické procesy môžu byť podrobnejšie monitorované a výnosy a kvalita produktu sa zvýšili.
Od záhadného modelu po pedagóga a spolupracovník
Napriek nepopierateľným výhodám AI zostáva jej implementácia v priemysle obmedzená, čiastočne kvôli svojej povahe „čiernej skrinky“. Ako riešenie, transparentná a „vysvetliteľná“ AI, ktorá poskytuje rozhranie vysvetľujúce rozhodovacie procesy v zrozumiteľnom ľudskom jazyku, môže budovať dôveru medzi ľudskými operátormi a zvýšiť interakciu s technológiou.
Navyše, transparentná AI môže potenciálne vzdelávať prevádzkovateľov, nielen ich informovať. Na pochopenie a kontrolu kritických procesov sú zvyčajne potrebné roky skúseností. Vďaka pomoci AI je možné výrazne skrátiť krivku učenia pre menej skúsených operátorov, čím sa zvýši ich nezávislosť a efektívnosť. Naopak, modely AI sa môžu tiež poučiť z odborných znalostí operátorov.
V ďalšom projekte s priemyselnými partnermi IMEC preukázal implementáciu takéhoto modelu a jeho hodnoty: po prvé, digitalizáciou výrobného procesu, potom jeho prepojením s modelom AI na jeho optimalizáciu a nakoniec umožnením interakcie s operátormi. Odborníci boli schopní identifikovať korelácie medzi meraniami a výrobnými procesmi, ako je teplota alebo viskozita. Informácie o senzoroch by sa preto mohli kontextovať prostredníctvom ľudských znalostí, berúc do úvahy faktory, ako je seniorita a historická presnosť.
To umožnilo modelu AI učiť sa na základe vstupu a základných skúseností. V tomto projekte takýto štruktúrovaný prístup viedol k novým procesným poznatkom a optimalizácii výroby živíc (AllEx Belgicko), zlepšenej stabilite a rýchlejšieho času na trh s časom na trh (Procter & Gamble).
Využívanie hardvéru, ľudské odborné znalosti a AI pre inovácie
Obmedzenia údajov a znalostí majú tradične obmedzené chemické procesy riadenia (BIO). Senzory ako Process Analytical Technology (PAT) optimalizujú zber údajov, zatiaľ čo riešenia založené na AI, podporované existujúcimi ľudskými odbornosťami, zvyšujú inovácie v oblasti vedomostí. Synergia medzi týmto pokročilým hardvérom, odbornými znalosťami a AI vedie k efektívnejším procesom, zníženému odpadu a bezprecedentným príležitostiam pre inovácie.
Zhromaždením tejto odbornosti môžu výskumné strediská zdôrazniť posun paradigmy v (bio) chemickom priemysle a vyzvať priemyselných partnerov, aby aktívne spolupracovali, aby zostali v popredí vývoja optimalizácie procesov.