Przejdź do treści
Zastosowania

Produkcja biopolimerów

Klasa produktu widoczna przed końcem serii

Producent biopolimeru, którego popyt przekracza moce, chce wiedzieć jeszcze w trakcie serii, do jakiej klasy masy cząsteczkowej ona zmierza.

Wyzwanie

Masa cząsteczkowa decyduje o klasie, a klasa o cenie. Ustala się w trakcie fermentacji, ale potwierdza ją analiza offline po zakończeniu serii. Wtedy wynik jest już przesądzony.

Gdy popyt przekracza moce, każda seria poza klasą to stracone moce, których nie da się odzyskać: idzie do końca, zajmuje czas downstreamu, a potem jest sprzedawana taniej, przerabiana lub mieszana. Czynniki, które o tym decydują — tlen rozpuszczony, mieszanie i zasilanie — są już na wykresach trendów. Atrybutu jakości, który od nich zależy, tam nie ma.

Klient

Europejski producent kwasu hialuronowego wytwarzanego w fermentacji bakteryjnej, który eksportuje większość produkcji i pracuje na granicy swoich mocy.

Nasze podejście

Kalibrujemy model na seriach historycznych: z jednej strony sygnały na żywo, z drugiej wynik analityczny każdej serii. W trakcie serii bliźniak:

  • szacuje masę cząsteczkową, do której zmierza seria, wraz z pasmem niepewności
  • ostrzega, gdy przebieg wychodzi poza wzorzec serii, które trafiły w klasę
  • wskazuje zmienną odpowiedzialną, więc korekta jest konkretna

Szacowane efekty

0

nowych bioreaktorów i czujników

Szacunek powstaje z sygnałów, które zakład już rejestruje; więcej produkcji trafia w zamówioną klasę bez dokładania mocy.

W trakcie serii

zamiast po analizie

Klasa staje się widoczna, gdy serią można jeszcze sterować, a nie wtedy, gdy nic już nie da się zmienić.

4 tygodnie

do zmierzonej odpowiedzi

Jaką część rozrzutu masy cząsteczkowej wyjaśniają rejestrowane sygnały, mierzymy właśnie w Fazie 0. Gotowy przemysłowy miękki sensor dla tego atrybutu nie istnieje, więc to badawcza część pracy.

Nie obiecujemy procentów. Kryteria sukcesu ustalamy i zamrażamy w Fazie 0, na historycznych seriach producenta, zanim powstanie jakikolwiek model.

Jak przebiega PoC

  1. 01

    Faza 0 · 4 tygodnie

    Ocena danych; kryteria sukcesu ustalone i zamrożone.

  2. 02

    Bufor danych · 2–4 tygodnie

    Czyszczenie, digitalizacja i wyrównanie czasowe danych z serii.

  3. 03

    Faza 1 · 8–12 tygodni

    Model, zbudowany i testowany na odłożonych seriach.

  4. 04

    Następny krok

    Spisany wzorzec dobrej serii, gotowy do przeniesienia na nową linię i do wsparcia rozwoju nowych klas.

O co poprosiliśmy

  • Opis linii

    P&ID lub rysunek jednego fermentora z punktami pomiarowymi i zakresami.

  • Przebiegi serii

    Tlen rozpuszczony, mieszanie, temperatura, pH, zasilanie oraz moc lub moment obrotowy mieszadła, jeśli są rejestrowane.

  • Wyniki analityczne

    Masa cząsteczkowa i jej rozkład dla każdej serii oraz wydajność — to, czego model uczy się przewidywać.

  • Historia serii

    Numer serii, start i koniec, klasa docelowa, partia podłoża i opisane odchylenia.

Co otrzymujesz

  • Więcej produktu na sprzedaż

    Większa część mocy zakładu w zamówionej klasie.

  • Czas na reakcję

    Gdy serią można jeszcze sterować.

  • Przenoszalny wzorzec

    Jak wygląda dobra seria, spisane dla kolejnej linii.

  • Mniej prób rozwojowych

    Model wskazuje, co naprawdę wpływa na masę cząsteczkową.

Dane mogą być w dowolnej formie — eksporty CSV, arkusze, PDF, nawet zeskanowane rekordy serii. Nie trzeba ujawniać receptury: skład podłoża i dane szczepu mogą pozostać zakodowane jako identyfikatory partii. Na start nie są potrzebne nowe czujniki, integracja IT, zdalny dostęp ani przestój produkcji.

Masz podobny proces?

Opowiedz nam o nim. Powiemy, gdzie model opłaci się najpierw i jakich danych będziesz potrzebować.

Umów rozmowę techniczną

Albo zgłoś się do pilotażu ADT →