Big Data Analytics in komplexen Produktionsumgebungen

Komplexe Herstellungsprozesse mit hohen Anforderungen an die Produktqualität profitieren besonders stark von einer genauen Kenntnis aller anfallenden Daten, da so Rückschlüsse auf Einflussgrößen möglich werden. Durch die Analyse großer Datenmengen lassen sich Informationen in vorhersagefähige Modelle überführen, mit denen sich die Prozesse in einem optimalen Bereich einstellen lassen. Dieser ist typischerweise so gewählt, dass er sicher innerhalb der Spezifikationsgrenzen liegt und gleichzeitig eine hohe Ausbeute garantiert.

Besonders geeignet, um die technologischen Möglichkeiten der Big Data Analytics zu erproben, sind biopharmazeutische Produktionsprozesse. Ein Beispiel ist die Herstellung von Antikörpern, die in Pflanzen produziert und durch einen Reinigungsprozess in ein biopharmazeutisches Produkt überführt werden. Da das Pflanzenwachstum von vielen Parametern wie Licht oder Temperatur bestimmt wird und gleichzeitig die für medizinische Produkte wichtigen Qualitätsgrößen wie Stabilität und Effektivität beeinflusst, ist ein gutes Prozessverständnis gefordert. Die Grundlage dafür bilden aus Daten gewonnene Modelle, die es ermöglichen, die Kultivierungsbedingungen chargenspezifisch anzupassen.

Die hochflexiblen und anpassungsfähigen Analysetools und Modelle, die im Rahmen des ICNAP entwickelt werden, lassen sich einfach auf zahlreiche weitere Einsatzfelder übertragen, in denen wechselnde Produktionsbedingungen eine große Rolle spielen, beispielsweise in der Prozessindustrie mit Branchen wie der Pharmazie, Kosmetik oder Agrarwirtschaft. Aber auch in der klassischen, diskreten Fertigung, in der große und oft sehr heterogene Datenmengen anfallen, lassen sich anhand intelligenter Analysemethoden Fehlerquellen frühzeitig ermitteln und Fehler durch prädiktive Modellansätze sogar vermeiden.

• Transformation von Big Data zu Smart Data durch Kontextualisierung
• Schnellere Produktfreigabe durch umfassende, ganzheitliche Prozesssimulationen
• Genaue Einhaltung der idealen Prozessbedingungen durch automatische Bestimmung der Führungsgrößen und kontinuierlichen Soll-Ist-Abgleich auch in komplexen Produktionsumgebungen
• Schnellere und genauere Anpassung an wechselnde Produktionsbedingungen
• Höhere Auslastung der Produktionslinien auch bei geringen Chargengrößen

Upstream Production und Downstream Processing: Von der Aussat bis zum biopharmazeutischen Produkt

Die sogenannte Upstream Production, die Prozesskette »Aussaat – Wachstum – Ernte«, profitiert durch Big-Data-Analysen, da so das Pflanzenwachstum und die Expressionslevel der gewünschten Substanzen kontinuierlich optimiert und die Produktivität an rekombinantem Protein gesteigert werden können. Das spätere Downstream Processing mit der Prozesskette »Extraktion – Reinigung – Biopharmazeutisches Produkt« nutzt nicht nur die Prozessgrößen aus der Upstream Production, sondern auch weitere Parameter wie Trübung, pH und Leitfähigkeit, um anhand neuer Prozessmodelle die Produktausbeute und Qualität des biopharmazeutischen Produkts zuverlässiger zu überwachen und zu verbessern.