百时美施贵宝-成功故事：依托混合数据基础设施助推制造生产优化

百时美施贵宝 - www.bms.com 行业 -药品制造 y产品质量提升、工艺性能优化，以及赋予操作员实时故障检测能力。 y批量数据处理延迟和数据背景缺乏阻碍实时处理。 解决方案 y部署AVEVA™PI系统™收集、语境化并交付可信、可直接消费的数据以促进多变量分析。 对于制药公司而言，产品质量是传递救命药品的关键。这些公司在确保低成本、快速上市的产品的同时，还面临维持合规性、优质质量和良好的制造工艺（GMP）的压力。为了成功穿越这一针眼，一家名为百时美施贵宝的制药公司采用了数据驱动的策略。在寻找“黄金批量”——一个能持续产生最佳批次的重复性工艺的过程中，该公司决定将药物研发和制造过程数字化，并为运营数据创建单一的信息来源。这个数据管理平台使得百时美施贵宝能够优化工艺性能、降低产品变异度并识别关键工艺事件。 重要的是，MVDA还发现了变量之间的相关性以及它们如何相互影响。这种分析对于理解和解释制造现场复杂过程行为以及作为工艺设计一部分的优化工艺性能至关重要。 而不是拥有12个高度相关的独立变量，你可以将其减少到两三个，”马修·莫罗，布里斯托尔-迈尔斯·斯奎布公司的一位IT业务伙伴说。“因此，通过关注你流程中更少的信号，你可以从你的数据中获得更好的意义。” 这意味着，如果一台设备正在使用MVDA来分析其制造数据，操作员不再需要在多套人机交互(HMI)显示屏上查看每一个趋势和警报。关键任务信息将会自动汇总在单独的屏幕上，这大大减轻了操作员的负担并增强了对工艺的洞察。 百时美施贵宝开始使用基于AVEVA PI系统的历史和实时数据的MVDA。通过与Seeq和Sartorius合作，它利用AVEVA PI系统的历史数据，通过胶囊识别批量开始和结束时间，并检索格式化以符合Sartorius提供的SIMCA解决方案要求的数据。然后，这些数据被导入SIMCA以构建离线模型。 所有这些都是在AVEVA PI系统的资产框架中使用现成工具构建的。 马修·莫罗，IT 业务合作伙伴，百时美施贵宝 利用多元过程分析来深入了解批量工艺 多元数据分析（MVDA）是一种高级分析方法，它能够识别出数据集中所有的相关变量和潜在模式。 多元数据分析与批量进化建模使百时美施贵宝能够实时洞察其批量生产工艺。 将数据置于语境中 结果揭晓。 百时美施贵宝已经看到了其实时多变量数据分析（MVDA）解决方案的益处。它已在多个实例中优化了生物制剂工艺。基于该系统的众多商业优势，百时美施贵宝计划将其额外的生物制剂工艺阶段、新设备以及制药产品，以及其他生物制剂生产基地纳入基于AVEVA PI系统数据上下文化的多变量建模方法中。 百时美施贵宝使用AVEVA PI系统作为数据基础设施，用于收集、上下文化和准备数据，以便在SIMCA-online中进行进一步分析，该系统基于相关性进行多变量监控和分析。 百时美施贵宝在从SIMCA中的静态离线模型向动态实时过程监控的SIMCA-online过渡时面临挑战。SIMCA-online需要实时批次数据以准确跟踪批次进度与模型。 请观看完整演示 然而，SIMCA-online中的批次结构和AVEVA PI系统中的资产框架不匹配。SIMCA-online未能促进AVEVA PI系统资产框架和事件框架的各个方面。工程团队设法克服了这些挑战，通过利用AVEVA PI系统的资产分析创建了一个实时批次环境。随后，SIMCA-online能够解析这一实时环境，从而解决了批次数据延迟问题。 参考文献： Morrow, Matthew 和 Zhang, Bing. “数据才是关键！PI 资产分析如何拯救我们的实时多元过程监控”resources.osisoft.com/presentations. aveva.com