Der er mange muligheder for at implementere enten fulde eller delvise digitale tvillinger i pharma- og biotekvirksomheder, men det starter med en grundig behovsanalyse.

Rapporten ”Teknologiske behov og udfordringer i life science-industrien i Danmark” kortlægger den danske life science-industris arbejde med bl.a. digitalisering i produktionen og produktudviklingen. Det viser sig, at langt størstedelen af respondenterne ser et stort uudnyttet potentiale inden for brug af computersimuleringer og digitale tvillinger.

Er der behov for en digital tvilling?

Computersimulering og digitale tvillinger er en kæmpestor værktøjskasse, der kan tilføre ekstra værdi til din virksomhed, din pharma- eller biotekproduktionslinje. Det gælder på flere niveauer fra designfase og produktion over drift til afsluttet livscyklus. Det kan fx sikre dig energibesparelser, hjælp til forebyggende vedligehold og bedre udnyttelse af ressourcer.

Inden du går i gang med at arbejde med computersimuleringer og digitale tvillinger, er det nødvendigt at lave en behovsanalyse. Du skal identificere, hvilket problem du gerne vil have afhjulpet og finde ud af, hvordan du bedst kan gøre det. Hvad ved du allerede om din produktion eller dit produkt, og hvad mangler du for at kunne tage en beslutning, og hvordan bygger du bro mellem dette? Det kan være en digital tvilling, der er svaret på din udfordring, men det er det ikke nødvendigvis.

Optimer rengøringsmønster og forebyggende vedligehold

Formålet med computersimulering og digitale tvillinger er at bygge intelligens ovenpå pharma- eller biotekproduktionsanlægget. Du kan fx bruge det til at optimere rengøringen af anlægget, så du kan minimere forbrug af både vand og rengøringsmidler. Det kan måske også nedbringe sliddet på dit produktionsudstyr.

Computersimuleringer kan hjælpe dig med at vurdere, hvordan du bruger mindst mulig energi til rengøringen. Er det fx ved at rengøre oftere men i kortere tid, at du sparer vand, energi og kemikalier? Og hvordan sikrer du dig, at I stadig kan leve op til kvalitetskravene på produktet med et ændret rengøringsmønster?

Du kan også bruge computersimuleringer til at hjælpe med at tage nogle kloge beslutninger i forhold til forebyggende vedligehold. I tilfælde af at et af værktøjerne i produktionsapparatet er ved at være slidt, gælder det om at finde det optimale tidspunkt at skifte det, så det er slidt nok, uden at produktkvaliteten kommer i fare.

Simuleringer kan hjælpe dig med at vurdere, hvordan du modulerer slid på komponenten, og hvordan du laver en monitorering, så du har data til at simulere sliddet. Det kan hjælpe dig til at vide, hvornår du skal skifte komponenten, og du kan på forhånd reservere tid hos en tekniker og få indkøbt komponenten, så den kan blive skiftet lige inden, sliddet forårsager dårligere produktionskvalitet.

Alternativt har du måske en sensor, der registrerer, når komponenten skal skiftes, men så kan det være, at du mister værdifuld produktionstid, hvis du ikke har komponenten på lager, eller teknikeren ikke har tid.

Digital tvilling ipad
Life science-branchen ser et stort uudnyttet potentiale inden for brug af computersimuleringer og digitale tvillinger.

Er et fuldt autonomt produktionssystem lykken?

I den fuldt digitaliserede verden har du opbygget en digital tvilling med autonom beslutningstagning. Det er dog de færreste, der har det, da der også kan være ulemper forbundet med det.

Hvis du har komplet systemovervågning er dit fysiske produktionsapparat koblet til din digitale tvilling i realtid. Der løber en datastrøm begge veje mellem dem, og de påvirker hinanden. Dvs. det fuldt autonome system opsamler data fra produktionen, tager nogle beslutninger og laver ændringer på pharma- eller biotekproduktionsanlægget, uden at operatøren af produktionslinjen er involveret.

Systemet kan fx registrere, at om 9 timer har vi et nedbrud på et kugleleje, men fordi systemet ved, at der ikke er en ledig tekniker før om 13 timer, kan systemet selv beslutte at skrue ned for kadencen i produktionsanlægget, så kuglelejet kan holde, til teknikeren kommer. Det kan betyde, at du kommer til at producere mere ved lavere produktionshastighed, end du ville have gjort, hvis du endte med en nedbrud.

Det er dog de færreste pharma- og biotekvirksomheder, der sværger til et fuldt digitalt og autonomt system. Eftersom det er fuldt digitaliseret, vil der altid være en risiko for, at produktionsanlægget kan blive hacket, så virksomheden må vurdere, hvor stor risikoen kan være, hvis det sker.

Måske er den digitale shadow den optimale løsning?

I stedet for et fuldt og autonomt digitaliseret system er der mulighed for at anvende en digital shadow. Det er stadig en digital tvilling, men nu tager den ikke beslutningerne for dig og udfører dem, uden at du er indover. Du har stadig bygget et intelligenslag på, der fx giver dig forslag til ændret rengøringsmønster eller produktionshastighed baseret på data.

Hvis du har flere mulige scenarier at vælge imellem, kan operatøren spørge systemet, hvad outputtet vil være ved at vælge scenarie A frem for scenarie B, og kan så på den baggrund selv beslutte, hvad der vil være det optimale at gøre på netop det tidspunkt.

Det er også muligt for en ny operatør at passe produktionslinjen, selvom der ikke er tid eller mulighed for sidemandsoplæring. I og med at den digitale shadow bruger erfaring fra produktionslinjen gennem tiden, bliver det til hjælpsom viden for operatøren, der nu lettere kan beslutte, hvad der skal gøres.

Der er mange muligheder, for at life science-industrien kan få taget hul på det store uudnyttede potentiale inden for computersimulering og digitale tvillinger, som rapporten viser, der er. Men det er værd at lave en grundig behovsanalyse, for at vurdere hvad den bedste løsning i det enkelte tilfælde er.