De ene heeft al digital twins in productie op verschillende sites, de andere plant het tegen 2030. Andere farmaceutische bedrijven tasten nog af wat mogelijk is. Cognizant en CESPE verzamelen toonaangevende experts rond de tafel voor een gesprek over wat kan, en hoe kennis geschaald kan worden. Daar kan iedereen iets van leren.
Koperen vijzels, eeuwenoude boeken en glazen potjes vullen de ornamentale houten apotheekkasten in de grote vergaderzaal van de faculteit farmaceutische wetenschappen van de Universiteit Gent. Cognizant en CESPE, het Centre of Excellence in Sustainable Pharmaceutical Engineering & Manufacturing, konden geen geschiktere locatie kiezen voor hun exclusieve rondetafelgesprek rond digital twins. Het contrast is haast tastbaar: oude farmaceutische technieken zijn de achtergrond van een presentaties en discussies over de allernieuwste technologieën.
Cognizant wil samen met CESPE de farmaceutische sector inspireren en tonen wat mogelijk is met de juiste technologie. De focus voor het event ligt op de levenswetenschappen, maar de uitdagingen en lessen die vandaag in de schijnwerpers staan, kunnen in verschillende sectoren resoneren. Digital twins als technologie staat immers in de top tien van trends in fabricage over industrieën heen. Wie wil er niet meer wendbaarheid, flexibiliteit en robuustheid in z’n organisatie?
Digitale tweeling?
Een digital twin is een virtuele replica van een component, systeem of proces, gebouwd aan de hand van data. De twin heeft als doel om prestaties uit de echte wereld te bekijken, te voorspellen en te begrijpen. Dat is een mooie, maar ook brede definitie.
Concreet is een digital twin een model gebaseerd op mechanistische informatie en data dat een representatie is van een proces in de fysieke wereld. Denk in de context van dit rondetafelgesprek aan een digitale versie van bijvoorbeeld een chemische fabriek, een bioreactor, of een productielijn voor tabletten.
Mechanistische vs. datagebaseerde modellen
Mechanistische vergelijkingen beschrijven expliciet en zo goed mogelijk fysische, biologische en chemische processen. Ze houden rekening met natuurkundige wetten, maar zijn complex en nooit echt compleet omdat ze uit gaan van inherente veronderstellingen. De hele realiteit past (nog) niet in één bruikbare vergelijking.
Data is dan weer afkomstig van allerhande sensoren en kan gebruikt worden om via machine learning modellen te trainen. Zo’n modellen leveren hele goede resultaten, maar het kost heel veel tijd en moeite om ze te maken. Bovendien zijn ze volledig losgekoppeld van wetten van de fysica.
“Praktisch zijn vereenvoudigde hybride modellen de oplossing”, denkt prof. Jan Verwaeren van het department of Data Analysis en Mathematical Modelling van de Universiteit Gent. “Die gebruiken machine learning en data maar houden wel nog rekening met relevante fysische regels.”
Fermenteren en simuleren
Prof. Matthieu Duvinage, Principal Data Scientist voor AI en digital twins bij GSK, geeft het voorbeeld van een vergister, waarin een digital twin in eerste instantie kan helpen om duidelijk te maken wat er binnenin gebeurt en in een volgende fase ook kan voorspellen wat er staat te gebeuren. De tweeling maakt het zo mogelijk om parameters aan te passen en de beste manier te kiezen om verder te gaan.
Prof. Ashish Kumar, Hoofd van laboratorium voor Pharmaceutical Engineering in Gent, duidt verder het belang van digital twins in de optimalisatie van complexe productieprocessen. “Vaak zijn er meerdere fabricageconcepten mogelijk”, aldus de professor. “Welke methode zorgt voor de beste aflevering van een medicijn in het lichaam? Daar zijn veel experimenten voor nodig, maar bij de ontwikkeling van een nieuw medicijn is het actieve farmaceutische ingrediënt net erg schaars.”
Digitale modellen kunnen in alle fases helpen, van ontwerp en ontwikkeling tot fabricage en controle.”
Prof. Ashish Kumar, Hoofd laboratorium voor Pharmaceutical Engineering Gent
Ook bij meer voor de hand liggende zaken is een digitaal model van de werkelijkheid goud waard. Prof. Kumar: “Misschien heb je een goed tablet gemaakt, maar wil marketing plots een andere vorm en zorgt dat voor scheurtjes. Zo’n vraag klinkt simpel maar is dat niet, en al zeker niet wanneer je de tijdsdruk in beschouwing neemt.” Prof. Kumar wil een duidelijk punt maken met zijn voorbeelden: “Digitale modellen kunnen in alle fases helpen, van ontwerp en ontwikkeling tot fabricage en controle.”
Op zoek naar de eerste stap
Tijdens het rondetafelgesprek blijkt dat niet iedere organisatie goed weet hoe te beginnen aan een digitalisering met digital twins. Hier en daar lopen er grote totaalprojecten, maar de aanwezigen vertellen net zo goed over ad-hoc-initiatieven op projectbasis. Een aanpak die snelle MVP’s (minimum viable products) mogelijk maakt, is de sleutel, en daarvoor rijkt Dr. Elisa Canzani, Data Science Lead bij Cognizant, de oplossing.
“Als je echt schaalbare technologie wil, dan heb je kwalitatieve en automatische datastromen nodig”, weet ze. Cognizant en GSK ontwikkelden daar een oplossing voor met TwinOps, waarover Dr. Canzani een paper heeft geschreven. TwinOps is een platform dat bestaat uit bouwstenen voor data-ingestie, validatie, transformatie en opslag. “Die bouwstenen kunnen na validatie hergebruikt worden.”
TwinOps als basis voor schaalbaarheid
Met het TwinOps-platform in voege, bestaat er een duurzame en schaalbare link tussen de data langs de ene kant en digital twins langs de andere. “Dankzij de geautomatiseerde en herhaalbare workflows kost het tot tachtig procent minder moeite om tot compliance te komen”, zegt Canzani. Het resultaat mag er zijn: bij GSK zorgt het TwinOps-platform ervoor dat het amper drie weken duurt om tot een MVP (minimum viable product) te komen.
Een digitaal model zonder dataflow is geen echte digital twin.
Dr. Elisa Canzani, Data Science Lead Cognizant
TwinOps is niet alleen belangrijk voor schaalbaarheid, snelheid en compliance, maar ook om gewoon het meeste te halen uit digital twins. Dr. Canzani “Een digitaal model zonder dataflow is geen echte digital twin. Bedrijven hebben vaak wel data, maar die zitten dan in een kleurrijke Excel.” Wanneer gegevens van sensoren rechtstreeks naar de modellen stromen, is de digitale versie van een asset ook echt een digitale tweeling.
Praten met legacy
Dat verkeer kan in twee richtingen lopen. Het ultieme doel van de meeste aanwezigen is om modellen opnieuw te koppelen aan de productie-omgevingen. Data uit bioreactoren voeden dan de modellen, die vervolgens op basis van simulaties inzichten bieden. In eerste instantie worden die dan teruggekoppeld aan een menselijke operator, maar op termijn kan zo’n slim systeem zelf parameters bijsturen en de productie optimaliseren.
Hier komt legacy wel in aanvaring met digitalisering. Complexe fabrieken worden aangestuurd door software die niet altijd even open is. Verschillende farmaceutische bedrijven worstelen met die gesloten aanpak, waarbij de sturingssoftware een flessenhals vormt voor digitalisering en automatisering. Ook data uit de systemen halen, blijkt soms moeilijker dan gehoopt. CESPE hoopt hier een rol te spelen door onder andere goede alternatieven aan te reiken.
Duurzame relatie met de tweeling
Niet alleen legacy is een potentieel struikelblok, ook mensen brengen uitdagingen met zich mee. Zelfs duidelijke mechanistische modellen, die geen last hebben van het black box-aspect van een AI-model, voelen toch als een zwarte doos voor werknemers die er geen ervaring mee hebben. Dat zorgt voor wantrouwen. Tijdig de juiste stakeholders bij een digital twin-project betrekken, is dan ook een must.
Opnieuw is een flexibel dataplatform daarbij belangrijk, aangezien het de nodige ademruimte geeft in de ontwikkeling van een project. Over het algemeen zijn alle aanwezigen op zoek naar een evenwicht tussen menselijk kennis aan de ene kant en de waarde afkomstig uit data en modellen aan de andere. De combinatie van IT, data, kennis uit de sector en academische expertise is niet vanzelfsprekend, maar erg belangrijk. “Precies daarom werken Cognizant en CESPE voor dit verhaal samen”, benadrukt Sean Heshmat, Data en AI-hoofd bij Cognizant.
De waarde van een digitaal model
We zien bij de aanwezigen ook verschillende visies over de waarde van data en modellen. De ene ziet de ontwikkeling van medicijnen als de prioriteit en digitalisering als weinig meer dan een middel om een doel te bereiken. Over intellectuele eigendom van data en modellen wordt niet echt nagedacht.
lees ook
Uitbaters datacenters lopen nog niet warm voor digital twins
Bij anderen horen we dan weer een genuanceerdere aanpak. Sommige aanwezigen zien wel waarde in zijn digital twin-modellen en de intellectuele eigendom die eraan gekoppeld is.
Specifieke toepassingen, algemene uitdagingen
Tijdens de ronde tafel gaan presentaties en discussies op het eerste gezicht geregeld over niche toepassingen van digitalisering en digital twins in de farmaceutische sector. Dat is logisch: Cognizant en CESPE zetten er bewust sterk op in. Een iets afstandelijkere blik toont echter dat de sector met dezelfde problemen en vragen kampt dan vele andere sectoren, zeker uit de chemische sector en de maakindustrie.
Uiteindelijk zoekt iedereen manieren om complexe processen digitaal te simuleren, om daar uiteindelijk diepere inzichten en meer efficiëntie uit te halen. Een efficiënte en schaalbare aanpak, die rekening houdt met compliance-voorwaarden, is daarvoor essentieel. Het TwinOps-platform is zo de ster van de dag: de datalaag is de gezochte basis die snel experimenteren mogelijk maakt.
Tijd om te puzzelen
De puzzelstukken liggen er. Nu is het de uitdaging om ermee aan de slag te gaan. In de sector zijn er misschien weinig first movers maar aan fast followers is er geen gebrek. “Om het volledige potentieel van digital twins te benutten en innovatie te versnellen, is het cruciaal voor bedrijven in de chemische, farmaceutische en biofarmaceutische sector om samen te werken en projecten op te zetten met meerdere partners”, besluit Dr. Christoph Portier, manager van CESPE. “Door middelen, kennis en expertise te delen, kunnen we samen de mogelijkheden van digital twin-technologie onderzoeken en een fundering bouwen voor duurzame groei, met de concurrentiële voordelen die daarbij horen.