로봇 및 빅 데이터로 가는 Lab의 미래

이 글에서는 지난 6 월 암스테르담에서 열린 Digital Robot Pharma Fab 워크숍과 암스테르담에서 열린 제 4 회 PDA 유럽 연례 회의를 요약하고자 한다.

"Fab"이라는 용어에 익숙하지 않은 사람들을 위해 이 단어는 로봇 공학을 인공 지능과 end-to-end 디지털 도구와 통합하는 자동화되고 디지털 방식으로 강화 된 공장(제조, QC 및 포장)을 의미한다.

 

Digital Robot Pharma Fab 사전 회의 워크숍에서는 제약 산업의 미래에 "Fab"이 수행 할 핵심 역할을 강조 했다. 2017 년에는 모든 산업 분야에 약 210 만 대의 산업용 로봇이 설치되어 있으며 아시아 태평양 국가의 비율이 큰 것으로 나타났다. 내년까지 이 수치는 연간 22 %의 성장률로 전 세계적으로 380 만 대에 이를 것으로 예상된다.

 

그럼에도 불구하고 2017 년에 4,187 대의 로봇 만이 제약 산업에 판매되었습니다. 이것은 무엇을 의미하는 걸까? 우선 제약 회사는 이제 자동차 산업과 같은 다른 산업에서 채택 된 디지털화 및 자동화 수준을 충족해야 한다.

 

다행스럽게도, 제 4 회 PDA 유럽 연례 회의에는 제약이 디지털화 된 다른 산업의 수준으로 올라가도록 하는 여러 세션이 포함되었다. 더 많은 로봇이 필요하지만 대규모 데이터 세트를 수집, 구조화 및 검증하기위한 고급 시스템도 필요하다. 이러한 데이터 측면이 없다면 로봇은 어디에 있든지 어떤 형태로든 잠재력을 최대한 발휘할 수 없다. 또한 로봇 하드웨어 위에 소프트웨어를 구현하지 않고도 완전 자동화 된 통합 디지털 Fab 대신 로봇 실례를 만들 것입니다.

 

Deep learning, 블록 체인의 기술이 GMP validation에 대한 아이디어에 영향을 미쳤다. 특히 "제약의 인공 지능"세션이 많은 반향을 일으켰다. 덴마크 코펜하겐에 본사를 둔 Criterion AI의 Sebastian Brandes는 참석자에게 서비스 대 산업 대 코봇 (공동 작업 공간에서 인간과 밀접하게 상호 작용하는 협업 로봇, AI, Deep learning 및 Machine learning)에 대해 만족스러웠는지 물었다.

 

같은 세션에서 Novo Nordisk의 Kasper Larsen은 PCA (Principal Component Analysis) 방법과 Random forest algorithm을 적용하여 패킹 프로세스의 주요 변동 원인을 파악했다. 문제는 변동성(연중 특정 날짜는 습도와 관련)이 있다. 이 예는 회사가 먼저 데이터에 중점을 둔 다음 다양하고 구조적이며 주석이 달린 상호 운용 가능한 정보를 제공하기 전에 추가 데이터를 수집하여 머신 및 Deep learning 및 Machine learning을 실현하는 방법을 보여준다.

 

이어서, Digital Robot Pharma Fab 워크숍 및 제 4 회 PDA 유럽 연차 총회에서 다루어진 네 가지 주요 내용을 소개한다.

 

Fab 시대의 숙고를 위한 4 가지 포인트

 

\

 

1. 많은 회사들이 자동화, 데이터 관리 및 데이터 분석을 위한 사내 솔루션 평가.

집적 회로 산업과 같은 다른 산업에서 우리는 종종 지원되지 않고 업데이트하기가 어렵고 개념 증명의 더 많은 사내 솔루션에서 벗어나 최고의 동종 제품을 사용하는 쪽으로 이동하는 것을 보았다. 통합 및 독립 공급 업체. 제약 회사는 여전히 잠정적으로 디지털 및 자동화 솔루션을 탐색하고 있지만, 사내 프로젝트의 추세는 계속 될 것으로 예상되지만 단기적으로는 전문 공급 업체를 향한 강한 움직임이 있다. 여기서 중요한 것은 이 인재를 고용 할 필요가 없으며, 보안, 운영 체제 업데이트 및 호환성과 같은 측면을 완벽하게 관리한다.

 

또한 점진적 혁신으로 사양에 단순히 대응하기보다는 혁신적인 차세대 제품으로 현장을 이끌어 가기 위해 현재 또는 미래의 공급 업체에 대한 요구로 받아 들일 것이다.

 

2. 자동화 및 로봇 공학에 대한 흥미로운 흥미로운 접근법.

워크샵에서 Ferring Pharmaceuticals의 Robert Roennback이 보여준 하나의 예는 소규모 공장 시스템이 컨테이너에 배포되는 스케일 아웃 모델이다. 이 장치는 독립형 시스템으로 제품 생산, QC 및 유통에 지리적으로 반응하는 접근 방식을 가능하게 한다.

 

이 프레젠테이션을 보았을 때, 자가 세포 치료 산업이 직면 한 문제를 완화 할 수 있는 잠재력을 인식했다. 이러한 접근 방식이 이러한 혁신적인 제품의 지리적 공급을 증가시켜 물류 부담을 줄일 수 있는지 궁금하다.

 

3. 로봇 공학은 오늘날 제약 회사의 요구를 충족시키는 환상적이고 확실한 옵션

그러나 "감지, 계산, 작동"할 수 있는 시스템 인 로봇의 정의는 공정 분석 기술의 빠른 개발로 인해 end-to-end "Robotic"공정을 갖춘 미래로 나아가고 있음을 의미한다. 대부분 "비 Robotic"(전통적인 의미) 작업으로 구성된다.

 

4. 데이터 과학자와 기술, 그리고 이를 조직에 통합하는 방법에 대한 많은 토론

업계에서 저 자신의 경험을 통해 공통 언어 (예: API in tech versus API in pharma)에 대한 헌신과 극단적 인 개방에 대한 의지가 필요하다. "Data people"의 siloes 를 갖는 것은 거의 작동하지 않는다. 조직은 보다 민첩하고 협력 적이며 덜 빈약 한 문화를 향해 기꺼이 움직여야 한다. 제약이 그러한 문화로 이동할 준비가 되었는지 여부는 여전히 남아 있다.