藥品制造業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的驅(qū)動力

生命科學(xué)行業(yè)的變化可謂日新月異，這給制藥和生物技術(shù)廠商帶來越來越大的壓力，改變其經(jīng)營模式迫在眉睫。整個行業(yè)的價格管制也迫使企業(yè)產(chǎn)生了優(yōu)化運營預(yù)算和優(yōu)先投資新產(chǎn)品開發(fā)的強(qiáng)烈需求，制造企業(yè)要不斷推動持續(xù)的創(chuàng)新和更好地盈利，就需要更好地利用現(xiàn)有的數(shù)據(jù)，建立更高效的制造流程。

數(shù)字化轉(zhuǎn)型的另一個驅(qū)動力是從批量生產(chǎn)向連續(xù)生產(chǎn)的轉(zhuǎn)變。連續(xù)生產(chǎn)可以大幅降低資本投入和設(shè)備占地面積，而且靈活性更高、風(fēng)險更低，幫助企業(yè)把資金投入到更為關(guān)鍵的研發(fā)以及臨床環(huán)節(jié)當(dāng)中，通過數(shù)字化解決方案的實施為傳統(tǒng)制造業(yè)的轉(zhuǎn)型提供了充分理由。

再有一方面數(shù)字化轉(zhuǎn)型的關(guān)鍵是要確保供應(yīng)鏈的可靠性與高效性。企業(yè)通過模塊化和可擴(kuò)展的解決方案在實驗室研發(fā)、臨床樣品生產(chǎn)和商業(yè)生產(chǎn)中的應(yīng)用，發(fā)現(xiàn)他們的系統(tǒng)更易于集成、操作和審計，這無形中就給企業(yè)帶來了價值空間的提升，許多企業(yè)在資產(chǎn)可用性方面實現(xiàn)了5-10%的提高，使得生產(chǎn)、安全和質(zhì)量方面也取得了類似的甚至更高的收益，這些轉(zhuǎn)變?yōu)槠髽I(yè)帶來了競爭優(yōu)勢，并滿足了消費者對于供應(yīng)和安全方面的要求。

那么，數(shù)字化轉(zhuǎn)型對于小型的制藥研究及定制化醫(yī)療同樣具有重要的意義。

對于生命科學(xué)行業(yè)而言，獨特的基因治療方法的藥物研制是值得慶幸的，但其過程卻實非常復(fù)雜。比如CAR-T細(xì)胞治療技術(shù)，就為患者實現(xiàn)個性化醫(yī)療帶來了的福音，患者可以接受改變其生活的個體化治療。隨著靶向治療技術(shù)的不斷普及，制造商需要不斷適應(yīng)新工藝帶來的各種挑戰(zhàn)。由于個性化醫(yī)療需要完整的可追溯性，以確保患者獲得最佳的治療，因此完整的身份管理鏈成為CAR-T成功應(yīng)用的關(guān)鍵。為了保持向患者提供拯救生命的個性化藥品所需的及時性和可追溯性，制造商利用電子調(diào)度系統(tǒng)、材料收集/跟蹤軟件和制造執(zhí)行系統(tǒng)，以確保患者治療得到最有效的規(guī)劃和安排。

小型制藥廠多為生產(chǎn)傳統(tǒng)藥物，對于這些企業(yè)，數(shù)字化技術(shù)，例如數(shù)字雙胞胎、基于工業(yè)物聯(lián)網(wǎng)的測量和增強(qiáng)現(xiàn)實技術(shù)可有效推動產(chǎn)品質(zhì)量及合規(guī)性方面的改進(jìn)，而把精力投入到維護(hù)、操作流程、質(zhì)量管控以及生產(chǎn)編排，這樣就可以打通諸如設(shè)備維護(hù)、批量生產(chǎn)以及不合格產(chǎn)品記錄之間的數(shù)據(jù)，那么這種數(shù)據(jù)的整合，使用將有助于藥品實時放行、優(yōu)化庫存管理以及整體效率的提高。

實際應(yīng)用

大多人對于數(shù)字化轉(zhuǎn)型升級項目不甚了解，其實并不是所有項目都是對工廠的整體改造。許多成功的數(shù)字化轉(zhuǎn)型是從裝置運營狀況不夠理想的試點項目開始的，通過組建熟悉現(xiàn)場工況的工作團(tuán)隊，以及通過運營效能的偏差分析能夠快速發(fā)現(xiàn)改進(jìn)機(jī)會，并以此作為數(shù)字化轉(zhuǎn)型的啟點，從小范圍的試點開始，逐步擴(kuò)展，因此，在實施試點項目的過程中制定逐步發(fā)展的戰(zhàn)略對于實現(xiàn)數(shù)字化轉(zhuǎn)型收益最大化來說具有重要意義。

那么，過程分析技術(shù)（PAT）的應(yīng)用就是一個很好的例子。利用數(shù)字化轉(zhuǎn)型方案，在整個IIoT架構(gòu)中，引入新的測量技術(shù)提供的數(shù)據(jù)感知能力，數(shù)據(jù)通過數(shù)字化分析系統(tǒng)形成的優(yōu)化模型用以提升裝置的運營性能，從而讓工廠在無需投資新設(shè)備的情況下，提高現(xiàn)有生產(chǎn)線的效率。

此外，通過這一技術(shù)可以增加新的預(yù)測分析用于高級決策。預(yù)測數(shù)據(jù)不僅可以縮短產(chǎn)品上市時間、加速技術(shù)轉(zhuǎn)讓、推動更高效的工藝過程，還可以為新的操作人員提供對熟悉工藝流程更為高效、安全的技術(shù)支持，以使他們更好地完成工作。

從何入手

在現(xiàn)有裝置基礎(chǔ)上嘗試進(jìn)行數(shù)字化轉(zhuǎn)型的時，企業(yè)面臨的主要的挑戰(zhàn)是如何從眾多潛在的項目中篩選出最合適的項目，其實，隨著設(shè)備監(jiān)測方式的多樣化及其不斷降低成本的形勢下，工廠任何地方都可以著手實施數(shù)字化轉(zhuǎn)型。

要想在數(shù)字化轉(zhuǎn)型上獲得成功，我們必須將其與業(yè)務(wù)管理高度關(guān)聯(lián)。要了解企業(yè)的關(guān)鍵績效指標(biāo)（KPI），并依此來進(jìn)行試點項目的篩選，往往精準(zhǔn)定位的數(shù)字化轉(zhuǎn)型項目對投資回報率的影響很容易量化和證明。

這些關(guān)鍵績效指標(biāo)和業(yè)務(wù)目標(biāo)可以通過從數(shù)字化模型評估得到的差距分析來確定。通過執(zhí)行數(shù)字化模型評估和相關(guān)的差距分析，企業(yè)可以清楚地看到現(xiàn)有工廠裝置的改進(jìn)機(jī)會。差距分析的結(jié)果可以確定哪些資產(chǎn)和流程需要提高性能，并確定具體的、可衡量的關(guān)鍵績效指標(biāo)。有了這些數(shù)據(jù)的支撐，將更易于確立一個實際應(yīng)用來評估數(shù)字化轉(zhuǎn)型的成功與否了。

評估的結(jié)果之一是確定現(xiàn)有遺留系統(tǒng)的關(guān)注點和限制。許多遺留控制系統(tǒng)無法連接到IIoT應(yīng)用程序和云分析。作為最佳實踐解決方案，這些組織通常希望集成的過程控制系統(tǒng)允許數(shù)字轉(zhuǎn)換團(tuán)隊在現(xiàn)有設(shè)備上安裝新的自動化控制器。

評估結(jié)果也能用來確定現(xiàn)有系統(tǒng)的問題和不足，許多老舊控制系統(tǒng)并不支持IIoT和云分析，企業(yè)通常希望通過數(shù)字化轉(zhuǎn)型方案在現(xiàn)有設(shè)備上集成新的自動化控制器，或與帶有OPC UA/DA的系統(tǒng)進(jìn)行數(shù)據(jù)集成，以實現(xiàn)報警管理、高級過程控制、移動通信和其它提高決策和運行效率的技術(shù)需求。

艾默生可以全程提供數(shù)字化轉(zhuǎn)型的咨詢服務(wù)，幫助客戶解決上述挑戰(zhàn)，以專業(yè)的方式處理數(shù)字化轉(zhuǎn)型的有關(guān)問題，從數(shù)字化轉(zhuǎn)型的探索、愿景、規(guī)劃、設(shè)計到實施為用戶提供指導(dǎo)。

數(shù)據(jù)分析

大數(shù)據(jù)分析技能并沒有得到市場的重視，因為當(dāng)下市場上的各種分析工具就能讓工程師們方便地進(jìn)行復(fù)雜的分析，因此在大數(shù)據(jù)分析中人們往往會忽視專業(yè)領(lǐng)域知識為分析提供背景及關(guān)聯(lián)信息的重要作用，它能夠讓工程師、過程流程和系統(tǒng)專家將多年來在制造和生產(chǎn)運營過程中收集到的大量未充分利用的數(shù)據(jù)轉(zhuǎn)化為可執(zhí)行的信息。

數(shù)字雙胞胎仿真技術(shù)的誕生在優(yōu)化運營中的應(yīng)用可謂舉足輕重，與其它數(shù)字化轉(zhuǎn)型技術(shù)一樣，數(shù)字雙胞胎仿真技術(shù)可利用企業(yè)現(xiàn)有的數(shù)據(jù)幫助工廠提升運營性能，通過數(shù)字技術(shù)將工廠現(xiàn)有穩(wěn)態(tài)設(shè)計模型集成到離線的實時動態(tài)仿真中，方便、準(zhǔn)確、靈活地模擬真實場景中的事物，制藥企業(yè)可以運用這項技術(shù)在正式生產(chǎn)前進(jìn)行虛擬動態(tài)測試，根據(jù)所產(chǎn)生的真實操作流程的動態(tài)還原，做出改進(jìn)生產(chǎn)的有利決策，從而在沒有任何運營風(fēng)險的情況下測試優(yōu)化方案對流程改進(jìn)造成的影響，提高工廠運營性能。

企業(yè)還可以利用數(shù)字雙胞胎技術(shù)進(jìn)行安全可靠的操作人員培訓(xùn)，操作人員可以獲得與現(xiàn)實工廠運行配置完全一致的真實體驗，卻不會因為任何操作而真正影響工廠運營，從而避免過程停機(jī)帶來的損失。

盡管多數(shù)工廠已經(jīng)在收集大量的數(shù)據(jù)，但對于如何實現(xiàn)數(shù)據(jù)關(guān)聯(lián)、整合與分析并沒有達(dá)成一致。對于大多數(shù)制藥企業(yè)，甚至是那些已經(jīng)開始數(shù)字化轉(zhuǎn)型的制藥企業(yè)來說，找到一種方法從車間系統(tǒng)和傳感器獲取關(guān)鍵數(shù)據(jù)，并將其應(yīng)用到具有合適分析環(huán)境的edge和云分析系統(tǒng)中，是至關(guān)重要的一步。

制藥企業(yè)已經(jīng)開始利用多種工具來克服將數(shù)據(jù)從現(xiàn)場傳輸?shù)囊恍┳畛Ｒ娬系K。從前期設(shè)計就將MES和DCS系統(tǒng)進(jìn)行集成，以消除“自動化孤島”，因為這種“孤島”阻礙了技術(shù)轉(zhuǎn)移流程，也限制了數(shù)據(jù)在生產(chǎn)裝置和流程中的訪問和使用。

整合數(shù)據(jù)流，對應(yīng)關(guān)鍵場景（時間，設(shè)備，訂單等）是企業(yè)新的關(guān)注焦點，以釋放生產(chǎn)優(yōu)化和設(shè)備可靠性中尚未挖掘的潛力，而模塊化的、可擴(kuò)展的解決方案將加快這一進(jìn)程。而且，設(shè)備及過程的可靠性和可用性將是機(jī)器學(xué)習(xí)和人工智能的一個重點領(lǐng)域。由于這類工具的預(yù)測性和規(guī)范性非常強(qiáng)，因此我們可以及早發(fā)現(xiàn)潛在的生產(chǎn)和可靠性問題，并采取糾正措施以防止故障發(fā)生。通過已實施的項目證明，機(jī)器學(xué)習(xí)和人工智能可以減少40-50％的維護(hù)支出、減少停機(jī)、減少預(yù)測性維護(hù)、維修和校準(zhǔn)工作量，并降低運營庫存。

大數(shù)據(jù)及大數(shù)據(jù)分析將在提高企業(yè)績效中發(fā)揮越來越重要的作用，從而加快企業(yè)實現(xiàn)卓越運營，不同企業(yè)之間的差距也將由此拉開，越早行動則越早獲益。