4.02.4.1.3 다변량 통계 공정 제어
제약 산업 전반에 걸친 화학 반응기 및 공정 장비에는 수많은 센서가 장착되어 있기 때문에 공정 엔지니어와 공정 화학자는 여러 소스,여러 형식 및 전례없는 정보 흐름의 복잡성을 처리하는 문제에 직면 해 있습니다. 온도,압력 또는 산도 프로브와 같은 간단한 센서의 디지털 신호는 이제 팻 시스템의 분광 신호 또는 온라인 크로마토 그래피 시스템의 직접 분석 측정으로 보완됩니다.66,87-88 제약 업계는 더욱 복잡한 측정 및 제어 시스템을 지원하기 위해 새로운 통합 데이터 인프라가 필요한 새로운 작업 방식을 주도하는 중요한 디지털 혁신을 겪고 있습니다. 센서와 플랜트 제어 시스템의 복잡한 통합 인프라에 대한 투자를 정당화하기 위해서는 센서의 정보를 실행 가능한 출력으로 변환하는 효과적인 방법론을 구현하는 것이 중요합니다. 이러한 방법론은 데이터 인프라의 품질과 일치하는 고급 분석 솔루션에 투자 할 생산 공장에서 제품의 지속적인 품질과 상당한 재정적 이익을 창출 할 것입니다.
다변량 통계 프로세스 제어는 고급 분석 생태계의 한 요소이며,20 년 이상 진행되어 왔습니다. 생산 라인의 모든 관련 센서 정보를 다수의 개별 센서 신호를 축소된 차원 공간(잠재 변수 공간)으로 투사하는 수학적 모델로 공급하는 효과적인 접근 방식을 제공합니다. 이 회전에서 새로운 일괄 처리 예상 대로 진행 또는 가난한 품질의 제품을 향해 프로세스 드리프트로 이어질 수 있는 정상적인 동작에서 편차를 식별 하 여 프로세스 진화의 해석을 용이 하 게 합니다.
다변량 통계 공정 제어 시스템(다변량 통계 공정 제어 시스템)에 대한 자세한 내용은 이 문서의 앞부분에 설명되어 있습니다. 따라서 제약 산업의 최근 추세를 지원하기 위해 이러한 감독 방법의 적용에 중점을 둘 것이며,이는 일괄 처리에서 활성 제약 성분의 연속 제조로의 전환입니다. 흐름 모드에서 이러한 화학 공정을 실행하는 것은 지난 10 년 89–90 에서 상당한 진전을 이루었으며 현재 생산 규모로 진행되고 있습니다.여러 화학 단계를 단일 연속 처리 장치에 통합하면 제조 발자국,중간 화합물의 재고 감소 및 확장 활동의 위험 제거 측면에서 몇 가지 주요 이점이 있습니다.
잘 제어된 장비로 변환될 수 있는 동역학,질량평형 및 열역학에 대한 잘 정의된 기계론적 틀로 인해,제약 원료의 지속적인 제조는 지속적으로 높은 품질과 일관성의 재료를 생산할 것으로 기대된다. 이러한 기계 론적 프레임 워크는 프로세스 개발 및 프로세스 최적화에 대한 매우 견고한 지원입니다. 그러나 모든 공정 조건 또는 고장 모드가 첫 번째 원리 방정식에서 모델링 될 수있는 것은 아니며 광범위한 경험적 모니터링 솔루션을 통해 기계 론적 이해 및 관련 파라 메트릭 제어를 보완하여 새로운 고장 모드 또는 장비 고장의 초기 징후를 식별하는 데 상당한 이점을 제공 할 수 있음을 이해하는 것이 중요합니다. 다차원 데이터 공간을 처리하고 단변량 접근 방식을 사용하여 식별하기가 매우 어려운 공정 변수 간의 공분산 변화를 포함하여 공정 시그니처의 미묘한 변화를 감지하는 고유 한 능력으로 인해 이러한 작업에 특히 적합한 감독 방법론입니다.
두마레이 외”연속 활성 약제원료 제조의 발전:다변량 도구를 이용한 실시간 모니터링”에 관한 논문이다.92 는 5 개의 연속적인 화학 단계를 통합하는 파일럿 규모의 연속 공정 플랫폼에서 구현 된 다변량 모델링을 기반으로 한 응용 프로그램을 제시합니다. 반응기의 온도,열전달 유체의 온도,압력,유량 측정 펌프 속도뿐만 아니라 전도도와 같은 센서로부터 총 40 개의 공정 파라미터가 라인 전체의 5 개 위치에서 측정되었습니다. 각 공정 파라미터에 대해 시간 분해능이 20 초인 2 시간 프로세싱 윈도우에 구축되었습니다. 이는 모델을 구축하는 데 사용된 처리 시간 2 시간 동안 제한된 수준의 구조화된 정보를 나타냅니다. 이는 연속 공정이 엄격하게 통제되고 시간이 지남에 따라 변동성이 낮다는 사실,특히 제한된 공통 원인 변동성이 발생한 짧은 2 시간 프로세스 창에서 합리화됩니다. 그러나 3 개의 컴퓨터에 걸쳐 구조화 된 정보는 과학적으로 사운드,프로세스 변수의 예상된 상호 연결 정렬 예상된 클러스터링을 제시 했다. 이러한 모델은 본질적으로 학습 세트에서 낮은 수준의 구조화 된 정보를 캡처 할 것으로 예상되지만 모델의 캡처 된 구조로부터의 편차에 대한 민감도를 여전히 보여줍니다. 또한 모니터링 단계에서 발생할 수 있는 모델에 의해 캡처되지 않은 새로운 가변성 패턴은 모델 진단에 의해 식별될 것으로 예상됩니다.
이 모델은 프로세스 드리프트 또는 장비 성능 문제에 대한 통찰력을 제공하기 위해 실시간으로 잠재적 인 프로세스 편차를 모니터링하는 다변량 도구로 사용되었습니다. 개발 캠페인 중 하나에서 모델 진단은 미리 정의 된 한계에서 벗어난 것으로 나타났습니다. 근본 원인 분석은 라인의 펌프 중 하나의 속도 증가를 나타내는 모델 기여도를 조사하여 즉시 수행되었습니다. 이 시점에서 유량에 미치는 영향,즉 펌프의 실제 전달이 보이지 않았기 때문에 알람이 발생하지 않았습니다. 연속 생산 시스템에서 펌프에 의해 전달되는 유량은 흐름의 변화가 라인 내 재료의 체류 시간에 영향을 미치므로 반응 완료에 영향을 미치기 때문에 제품 품질과 직접 관련이 있습니다. 경보는 일반적으로 제품 품질에 대한 중요성으로 인해 유량에 따라 구현됩니다. 이 예에서 식별된 펌프 고장은 공정 레시피에 의해 설정된 목표 유량을 유지하기 위해 펌프 속도를 지속적으로 증가시켰을 것이다. 공정 흐름이 영향을 받기 시작할 때까지는 펌프가 완전한 고장에 이르렀거나 거의 실패하여 제품 품질에 직접적인 영향을 미치므로 폐기물 흐름에 대한 순방향 공정 편차가 발생하거나 수용 용기에 수집 된 최종 물질의 오염이 생산 공장에 상당한 재정적 영향을 미칠 것으로 예상됩니다. 문제가 시작될 때 장비 작동의 이러한 비정형성에 대한 가시성을 확보하면 엔지니어링 팀이 제품 품질에 직접적인 영향을 미치기 전에 장비 문제를 해결할 수있는 귀중한 시간을 확보 할 수 있습니다. 이 예제에서는 메인 펌프가 수리되는 동안 라인 전체의 프로세스 흐름을 유지하면서 백업 펌프로의 제어 전환을 기대하는 것이 합리적입니다.
시계열 데이터에 사용되는 다변량 기반 모델은 생산 공장에서 생성되는 증가하는 정보 흐름의 복잡성을 해결하기 위한 관련 접근 방식을 제공합니다. 중요한 프로세스 파라미터의 추세에 초점을 맞추거나 다수의 개별 센서 정보를 컨트롤 룸 화면에 오버레이하는 표준 접근 방식은 예기치 않은 특수 원인 프로세스 변화를 캡처하는 데 효과적이지 않습니다. 제품 제어 전략에서 이러한 모델의 역할을 정의하기 위한 몇 가지 작업이 여전히 있지만—일반적으로 여전히 비용 절감 제한 및 최종 제품 테스트를 기반으로-이러한 모델이 생성한 정보를 기반으로 실행 가능한 단계를 허용하는 올바른 위치를 찾는 것이 중요합니다. 생산 설비의 디지털화가 계속됨에 따라 다수의 측정 센서에 대한 투자를 극대화하기 위해 고급 분석 생태계에서 중심적인 역할을 수행해야 합니다. 이러한 방법론은 실제로 제품의 예상 품질을 보장하는 동시에 생산 공장 관리자에게 매우 중요한 운영 비용을 절감 할 수 있습니다.