Биологические и химические процессы необходимы для создания огромного количества продуктов - от косметики и моющих средств до важных пищевых ингредиентов и спасательных фармацевтических препаратов. Представьте, что эти производственные процессы являются более эффективными и умными, что приводит к более доступному и устойчивому производству более качественных конечных продуктов. Это обещание передового биопроизводства, где передовые технологии чипов, ИИ и человеческий опыт сходятся к радикальному преобразованию методов производства.
Повышение эффективности биологических и химических процессов требует точного качества и контроля процессов. Сбор правильных данных и знаний имеет решающее значение в этом стремлении перевести понимание процесса в эффективные вмешательства. Исследования по инновационнымдатчики, следовательно, точные модели моделирования и хорошо обученные операторы являются обязательными, предоставляя ценные инструменты в стремлении к передовым биопроизводству.
Проблемы в точной терапии
Рассмотрим проблемы в биопроизводстве, такие как биологическая продукция клеток человека для терапии CAR-T или стволовыми клетками. Процесс инженерных ячеек для терапии длинный, но критический во времени для пациентов. Это должно быть сделано на основе пациента и включает в себя значительное количество ручного труда, что делает его дорогостоящим. Кроме того, эффективность лечения напрямую связана с качеством конечного продукта. Эти проблемы влияют на клиническую значимость, включая нецелевые или неспецифические эффекты.
Традиционно, биологический контроль процесса включает в себя «автономный» мониторинг, где образцы взяты из потока для последующего анализа. Такие измерения дают ценное показание качества продукта во время отбора проб и дают решающую информацию для будущих постановок. Однако из-за временной задержки между отбором отбора проб и анализа они не позволяют регулировать в режиме реального времени на текущий процесс. Таким образом, обеспечение инновационной терапии клеток на рынок, следовательно, по -прежнему требует значительного улучшения их контроля процессов.
Встроенный мониторинг производственных процессов может обеспечить шаг к этому необходимому улучшению. С встроенными датчиками шаги процесса можно контролировать и скорректировать в режиме реального времени - возможно, даже автоматически. Это не только сократит общее время производства и снизит затраты, но и снизит потребление сырья и энергии, одновременно улучшая качество конечного продукта.
Миниатюрированный встроенный датчик
В то время как встроенные датчики существуют, они далеки от того, чтобы быть товаром. Например, зонды для встроенного мониторинга, например, для рН и температуры в биореакторе, существуют более 40 лет. Однако, чтобы измерить все соответствующие параметры для биологического производства, необходимо множество зондов и автономных систем. Это вызывает установку, калибровку, обработку данных и даже проблемы стерилизации.
Исследователи IMEC успешно миниатюрировали и объединили различные встроенные датчики в единый зонд. Полученный интегрированный, миниатюрный и многопараметрический датчик аналитической технологии процессов (PAT) может одновременно измерять температуру, растворенный кислород, электрическую проводимость, глюкозу, лактат и даже плотность клеток в реальном времени, например, в биореактор. В результате биологические или химические процессы могут контролироваться более внимательно, а урожайность продукта и качество увеличиваются.
От таинственной модели до педагога и сотрудничества
Несмотря на неоспоримые преимущества искусственного интеллекта, его реализация в отрасли остается ограниченной, отчасти из -за его «черного ящика». В качестве решения, прозрачный и «объяснительный» ИИ, который предоставляет интерфейс, объясняющий процессы принятия решений на понятном человеческом языке, может укрепить доверие среди человеческих операторов и улучшить взаимодействие с технологиями.
Более того, прозрачный ИИ может потенциально обучать операторов, а не просто сообщить им. Многолетний опыт, как правило, необходимы для понимания и контроля критических шагов процесса. При помощи ИИ кривая обучения для менее опытных операторов может быть значительно сокращена, повышая их независимость и эффективность. И наоборот, модели ИИ также могут учиться на опыте операторов.
В другом проекте с партнерами по отрасли IMEC продемонстрировал реализацию такой модели и ее ценности: во -первых, путем оцифровки производственного процесса, а затем связывая ее с моделью ИИ для его оптимизации и, наконец, разрешив взаимодействие с операторами. Эксперты смогли определить корреляции между измерениями и производственными процессами, такими как температура или вязкость. Таким образом, информация датчика может быть контекстуализирована благодаря человеческому знанию, учитывая такие факторы, как старшинство и историческая точность.
Это позволило модели ИИ учиться на основе ввода эксперта и основного опыта. В этом проекте такой структурированный подход приводил к новым пониманию процесса и оптимизации производства смол (Allnex Belgium), улучшению стабильности и более быстрому смягчителям ткани на рынке (Procter & Gamble).
Использование оборудования, человеческого опыта и искусственного интеллекта для инноваций
Данные и ограничения знаний традиционно ограничены химическими процессами рулевого управления (био). Датчики, такие как аналитические технологии процессов (PAT), оптимизируют сбор данных, в то время как решения, управляемые искусственным интеллектом, поддерживаемые существующей человеческой экспертизой, стимулируют инновации в знаниях. Синергия между этим усовершенствованным оборудованием, экспертными знаниями и ИИ приводит к более эффективным процессам, сокращению отходов и беспрецедентным возможностям для инноваций.
Объединяя этот опыт, исследовательские центры могут подчеркнуть смену парадигмы в химической промышленности (BIO), приглашая партнеров по отрасли активно сотрудничать, чтобы остаться на переднем крае разработок оптимизации процессов.