Biološki i hemijski procesi su od suštinske važnosti za stvaranje ogromnog niza proizvoda - od kozmetike i deterdženata do esencijalnih sastojaka hrane i lijekova za spašavanje životnih lijekova. Zamislite da ovi proizvodni procesi budu efikasniji i pametniji, što rezultira pristupačljivijom i održivom proizvodnjom visokog kvaliteta krajnjih proizvoda. Ovo je obećanje u naprednom biomalancuriranju, gdje se vrhunska tehnologija čipa, AI i ljudska stručnost konvergiraju radikalno transformirati metode proizvodnje.
Poboljšanje efikasnosti bioloških i hemijskih procesa zahtijeva preciznu kontrolu kvaliteta i procesa. Prikupljanje pravih podataka i znanja ključno je u ovom nastojanju da prevede procesne uvide u efikasne intervencije. Istraživanje o inovativnomsenzori, tačni modeli simulacije i dobro obučeni operatori su stoga imperativ, pružajući vrijedne alate u potrazi za naprednim biomanimalno.
Izazovi u preciznom terapiju
Razmotrite izazove u biomanimalnoj službi, poput biološke proizvodnje ljudskih ćelija za terapiju automobila ili matične stanice. Proces inženjerskih ćelija za terapiju je dugotrajan, ali vjerovatan za pacijente. Mora se izvršiti na osnovu pacijenta i uključuje značajan iznos ručnog rada, čineći je skupom. Uz to, efikasnost liječenja direktno je povezana s kvalitetom konačnog proizvoda. Ovi izazovi utječu na kliničku relevantnost, uključujući izvan cilja ili nespecifične efekte.
Tradicionalno kontrola biološkog procesa uključuje nadzor "van mreže", gdje se uzorci uzimaju iz toka za kasniju analizu. Takva mjerenja pružaju vrijedan pokazatelj kvalitete proizvoda u trenutku uzorkovanja i ponuditi ključne uvide za buduće produkcije. Međutim, zbog zaostajanja između uzorkovanja i analize ne dopuštaju prilagođavanja u stvarnom vremenu u toku procesa. Stoga je donošenje inovativnih ćelijskih terapija na tržište pristupačno, još uvijek zahtijeva značajno poboljšanje u njihovoj kontroli procesa.
Nadgledanje inline proizvodnog procesa moglo bi pružiti korak ka ovom potrebnom poboljšanju. Uz inline senzore, procesni koraci mogu se pratiti i prilagoditi u stvarnom vremenu - moguće čak i automatski. Ovo ne bi samo skratilo ukupno vrijeme proizvodnje i smanji troškove, već i smanji potrošnju sirovina i energije tijekom poboljšanja kvalitete konačnog proizvoda.
Minijaturizirani inline senzor
Dok su u inline senzori, oni su daleko od robe. Sonde za primer za reliline, kao što su oni za pH i temperaturu u bioreaktoru, postoje već više od 40 godina. Međutim, za mjerenje svih relevantnih parametara za biološku proizvodnju potrebna je mnoštvo sondi i van mreže. To uzrokuje instalaciju, kalibraciju, obradu podataka i čak i izazove za sterilizaciju.
Istraživači IMEC-a uspješno su minijaturirali i kombinirali različite inline senzore u jednu jedinstvenu sondu. Rezultirajući integrirani, minijaturizirani i više parametrični procesni analitički tehnologija (pat) senzor može istovremeno mjeriti temperaturu, otopljenog kisika, električne provodljivosti, glukoze, laktata, pa čak i gustoće ćelija u realnom vremenu u realnom vremenu u stvarnom vremenu. Kao rezultat toga, biološki ili hemijski procesi mogu se pobliže nadgledati, a prinosi i kvaliteta proizvoda povećavaju se.
Od misterioznog modela do edukatora i suradnika
Unatoč nespornim prednostima AI, njegova primjena u industriji ostaje ograničena, dijelom zbog svoje prirode "crne kutije". Kao rješenje, transparentno i 'objašnjava' AI, koji pruža sučelje koje objašnjava procese odlučivanja u razumljivom ljudskom jeziku, može izgraditi povjerenje među ljudskim operaterima i poboljšati interakciju tehnologijom.
Štaviše, transparentan AI može potencijalno educirati operatere, a ne samo ih obavijestiti. Godine iskustva obično su potrebne za razumijevanje i kontrolu kritičnih koraka procesa. Uz AI pomoć, krivulja učenja za manje iskusne operatore može se značajno skratiti, povećavajući njihovu neovisnost i efikasnost. Suprotno tome, AI modeli takođe mogu naučiti iz stručnosti operatera.
U drugom projektu sa industrijskim partnerima, IMEC je pokazao implementaciju takvog modela i njegovu vrijednost: prvo, digitalizacijom proizvodnog procesa, a zatim je povezivao na AI model za svoju optimizaciju i konačno omogućila interakciju s operaterima. Stručnjaci su mogli identificirati korelacije između mjerenja i proizvodnih procesa, poput temperature ili viskoznosti. Informacije o senzorima mogu se tako kontekstualizirati kroz ljudsko znanje, razmatrajući faktore poput serije i povijesne tačnosti.
To je omogućilo AI modelu da nauči na osnovu expert-ovog ulaza i temeljnog iskustva. U ovom projektu, takav strukturirani pristup rezultirao je novim procesnim uvidima i optimizacijom proizvodnje smola (Allnex Belgija), poboljšana stabilnost i brže omekšivanje tkanine za tržište (Procter & Gamble).
Uzeti hardver, ljudsku stručnost i AI za inovacije
Ograničenja podataka i znanja imaju tradicionalno ograničene hemijske procese upravljanja (BIO). Senzori poput analitičke tehnologije procesa (PAT) optimiziraju prikupljanje podataka, dok je AI-ove rješenja, podržana postojećom ljudskom stručnom vještakom, pokreću inovacije u znanju. Sinergija između ovog naprednog hardvera, stručno znanje i AI rezultira efikasnijim procesima, smanjenim otpadom i neviđenim mogućnostima za inovacije.
Dovođenjem ove ekspertize, istraživački centri mogu naglasiti promjenu paradigme u (BIO) hemijskoj industriji, pozivajući na industrijski partneri da aktivno surađuju da bi se u čelu razvoja optimizacije procesa aktivno surađuju.