潜在的数据宝库：ConditionMonitor在勃林格殷格翰和阿诺瓦公司的应用

菲特中国FetteChina 2025-02-24

在片剂生产中，有数据支持的工艺优化往往可以解锁难以想象的潜力。数字工具有助于监控机器队列，检测工艺偏差，优化维护策略，并使用人工智能技术预测磨损。在两个制药厂商进行的试点项目展现了菲特公司 ConditionMonitor 所做出的贡献。

在压片过程中，会产生大量甚至复杂的机器数据，制造商可以利用这些数据全面优化其工艺。然而，由于缺乏以简单易用的方式处理数据的应用程序，这些数字宝藏往往仍未能得到开发。正是针对这种情况，菲特开发了 ConditionMonitor。这款基于网络的应用程序可收集压片机的信息，并将最重要的参数汇编到仪表盘上。当前批次的基本机器数据、生产进度以及衍生的关键数据如设备综合效率（OEE）都能显示出来。

ConditionMonitor 还能够识别有价值的详细信息，如良好和不良生产数据。操作人员不仅可以全面了解单台设备的实时状态，还能及早发现潜在的不良偏差。通知中心将所有联网机器的警告和错误信息汇集到一个中央位置。有了这一数据基础，应用专家可以更深入研究数据并挖掘其潜力。为此，菲特多年来一直保持着与数据科学服务供应商的合作。

通过 DeepDive 实现理想生产

这一软件具有明显的优势：通过仪表盘可以更容易地识别常见错误并分析其原因。此外，用户还可以比较历史数据和当前实时数据，例如在详细视图（即所谓的 DeepDive）中进行比较，以发现偏差。“黄金批次”功能让生产经理能够选择理想批次生产的参数，然后通过应用程序将这些参数可视化。还可以对批次进行保存并相互比较。因此，ConditionMonitor 不仅能定义理想生产的基准，还能以可视化的方式进行准备。

工艺优化解决方案已经开始启动：菲特与多家客户合作，在现场试验中对 ConditionMonitor 进行了测试并取得了成功，以下两个项目就说明了这一点。

勃林格殷格翰

“

勃林格殷格翰工程部工艺专家 Martin Döhms

“对不同产品和单个批次的对比直接展现了优化潜力。”

在 SO[u]L 工厂进行测试

在勃林格殷格翰公司的 SO[u]L工厂，许多设备已经实现了自动化运行：为了高效生产新研发的药品，智能工厂配备了联网机器和自控系统。同时，工厂还在测试新的生产优化方法。因此，该公司一直以来都在寻求一种能够清晰显示和评估所收集机器数据的应用程序。勃林格殷格翰选择了 ConditionMonitor 来实现其预测性维护的目标。

勃林格殷格翰工程部工艺专家Martin Döhms 在报告中提到：“我们之所以与菲特公司接洽，是因为我们希望从预防性维护转向基于状态的维护。机器数据现在已经有了，因此测试ConditionMonitor 的处理能力是顺理成章的事情。”但测试阶段也并非没有挑战。对于基于网络的应用程序来说，一个典型的障碍就是与云端的连接，因此会产生数据保护的问题。“这对我们来说是一个决定性的标准，因此我们在测试前做了一些安排。”Döhms说，“与菲特合作，我们很快就找到了满足数据保护要求的解决方案。”

关注批量生产和性能

之前，ConditionMonitor 主要用于批次间的对比和供应链优化。为此， ConditionMonitor 分析了压片机在生产过程中和批次报告中显示的诊断信息。“不同产品和单个批次的比较直接展现了其优化潜力。”Döhms 补充道，“例如，我们注意到个别产品在使用 Checkmaster 进行片剂验证时出现了越来越多的问题，是我们能够立即纠正的问题。”

一份“警告分析”测试了压片机的性能。这涉及调查哪些冲模对和冲模位置越来越多地导致产生次品。结果显示，压片机的硬件组件性能不同，现在可以对其进行进一步调查。此外，还找出了导致生产效率越来越差的个别冲模对。这样就可以对确定的冲模进行更仔细的检查，并有针对性地进行更换。

在勃林格殷格翰的运行：基于数据分析，在测量过程中，各个批次的警告次数急剧下降

“分析选项给我们留下了深刻印象，这也是我们将继续使用 ConditionMonitor的原因。”Döhms 证实了试验阶段的成功，“数字化领域的合作和服务在制药工艺领域也是无与伦比的。”

Aenova

“

—Aenova 雷根斯堡生产基地持续改进部主管 Tobias Schmid

“在生产过程中，我们发现压片机的运行更加稳定了。”

在阿诺瓦实现的优化生产

德国合约制造商阿诺瓦公司主要生产药品和食品补充剂，并提供研发服务，该公司也得出了与勃林格殷格翰类似的结论。甚至在使用ConditionMonitor 之前，就已经很明显地发现某个高产能产品的生产缺口在增大。然而，当时还无法对数据进行评估，以在生产过程中对生产工艺进行优化。这就是菲特和数字科学发挥作用的地方。

压片工具的巨大潜力

通过 ConditionMonitor 对机器数据的分析，发现了一些值得进一步研究的情况。结果显示，产品损失的主要原因是达到了设定的压力限制。此外，还确定了造成这种情况的冲模对。在进一步的调查中，这些冲模对被备用冲模对替换，或者变更了单个冲模的配对。

“在测试阶段，机器数据（本例中为诊断信息和个别压缩力）可以通过 ConditionMonitor 数据管道发送给我们。” Point 8 的高级数据科学家Julian von der Ecken 解释道，“将来，进一步的分析和可视化将以这样的方式整合到 ConditionMonitor 和次时代用户界面中，以便生产经理进行独立调整。”

期间进行数据评估和后续优化后，第一批成果立即显现出来。阿诺瓦雷根斯堡生产基地持续改进部主管 TobiasSchmid 补充说：“在生产过程中，我们已经注意到压片机的运行变得更加稳定。分析结果也很清晰地表明了这一点。生产缺口减少了一半以上，同时也大大减少了工艺警告的次数。此外，短时间停机的情况也降到了最少，同时也大大减少了员工的干预。”

在 Aenova 的运行：利用 ConditionMonitor 的数据基础，识别出处于最佳压缩力范围之外的冲模位置。对压片工具进行简单调整，使生产短缺减少了一半以上，并避免了大量的停机

数据驱动生产的潜力

试点项目已经表明，ConditionMonitor可以通过各种方式优化工艺。通过评估机器数据，不仅可以识别异常，还可以迅速消除错误来源。未来，自主学习人工智能的应用将进一步为预测性维护铺平道路。维护工作将不再按照固定间隔进行，这种固定间隔往往过早或过晚。相反，数字工具将根据使用和磨损数据确定维护工作的理想时间，从而制定更高效和个性化的维护策略。 ConditionMonitor 是这种下一步的验证基础。