IoT für die Pharma-Industrie

Geschäftliche Anforderungen

Projekt Details

Generell ist die Arzneimittelherstellung teuer und zeitaufwendig und erfordert eine Vielzahl von speziellen Maschinen. Die Pharmahersteller müssen über eine geeignete Produktionsumgebung verfügen, diese warten und überwachen. Testergebnisse werden kontinuierlich gemessen und gemeldet und regelmäßig mit einem Referenzobjekt verglichen. Die Herausforderung besteht nicht nur in der Bewältigung der biologischen Komplexität, sondern auch in der Handhabung und Verwaltung von Daten. Ein Hersteller muss angemessene Akkreditierungen erwerben und diese aufrecht erhalten sowie die Qualität der Produkte sicherstellen, die er auf einem zunehmend globalen Markt verkauft.

Polpharma wollte untersuchen, ob eine softwarebasierte Lösung dazu beitragen kann, die Integrität und Einheitlichkeit der Daten zu gewährleisten, die in der Abteilung für Forschung und technische Entwicklung bei der Herstellung von Generika entstehen. Die Lösung muss es Polpharma ermöglichen, eine hohe Qualität in der Produktion aufrechtzuerhalten und dabei gleichzeitig die Erwartungen an ein Datenmanagement und eine Datenverfolgbarkeit für Prüfungs- und Akkreditierungszwecke zu erfüllen. Um die hohen Anforderungen von Polpharma erfüllen zu können, muss die Lösung:

• Maßstab für die Bedürfnisse der gesamten Abteilung für Forschung und technische Entwicklung sein;
• Intuitiv und einfach zu bedienen sein;
• Verhindern, dass Daten beschädigt werden und sicherstellen, dass deren Integrität und Zusammenhang gewährleistet wird;
• Den Kontext für die Dateneingabe automatisch bereitstellen, sodass die Projekt- und Test-IDs beim Upload mit den Testdaten verknüpft werden können;
• Die Datenerfassung automatisieren und weitere Verbesserungen der Prozesse durch den Einsatz von Machine-Learning-Algorithmen unterstützen;
• Es Power-Usern ermöglichen, mit Hilfe von leicht abfragbaren "Datensätzen", welche sich leicht abfragen lassen, Einblicke in historische Daten zu gewinnen und entsprechende Auswertungen durchzuführen.

Was wir getan haben

Unsere Tätigkeit

Unser Team wurde von Polpharma beauftragt, an einem Internet of Things (IoT) -Szenario zu arbeiten, bei dem der Microsoft Azure IoT-Stack zur Temperaturüberwachung von Laborkühlschränken eingesetzt wurde. Dabei haben wir eng mit Polpharma und Microsoft zusammengearbeitet, um die bereits bestehende Lösung zu verbessern. Die von uns entwickelten Erweiterungen zeigen nicht nur die Assets und ihre überwachten Werte, sondern auch den Standort jedes einzelnen Assets in einem Grundriss. Dies ermöglicht eine schnellere Identifizierung und Korrelationen des Asset-Standortes mit Temperaturänderungen im Zeitverlauf zu beobachten. Nach einer kurzen Analyse in den Labors von Polpharma haben wir einen Proof of Concept (PoC) entwickelt, mit dem wir bestätigen konnten, dass die vorgeschlagene Architektur für den geplanten Zweck geeignet war. Darüber hinaus wurde die PoC-Phase genutzt, um eine Schätzung der Größenordnung hinsichtlich Zeit und Kosten für die Implementierung der vollständigen Lösung zu Verfügung zu stellen.

Objectivity bildete ein Team bestehend aus 2 .NET / Azure-Entwicklern, einem UI-Entwickler, einem UX-Spezialisten, einem Business Analysten und einem Projektmanager. Das Team stellte den gesamten Umfang des PoC nach 11 Wochen bereit und benötigte 74 Personentage einschließlich Analyse und Vorbereitung der technischen Lösung.

Objectivity’s technische Architekten haben einen Architekturvorschlag präsentiert, der zukünftige Erweiterungen berücksichtigt und alle Anforderungen von Polpharma erfüllt. Um Kosten zu sparen berücksichtigt das Konzept nur die Komponenten, die in jeder einzelnen Phase des Projekts benötigt werden. Die Architektur der Pharma-Software-Lösung teilt den Datenfluss in folgende Schichten:

• Gerät (gerätespezifische Formate und Protokolle)
• Datentransfer (manuelle oder automatische Dateneingabe),
• Primärdaten (Datensätze direkt von den Geräten)
• Verarbeitung (Lesen, Bereinigen und Anreichern von Daten)
• Verarbeitete Daten (Daten in Data Marts, Korrelationen und Insights gespeichert)
• Analytics (Datennormalisierung und -Modellierung für die Berichterstattung und erweiterte Analyse mit maschinellem Lernen)
• Präsentation (Berichte, Dashboards und Self-Service Analytics-Endpunkte)

Was wir erreicht haben

Das Ergebnis

Um die Kosteneffektivität in der Proof-of-Concept-Phase sicherzustellen haben wir uns darauf geeinigt, nur eine Teilmenge der endgültigen Architektur zu implementieren. Dies wurde durch Implementierung der Verarbeitungsebene in der Logik der Webanwendung erreicht, anstatt asynchrone Azure-Komponenten zu verwenden, wie dies ursprünglich vorgesehen war. Wir haben in Microsoft Azure eine Umgebung erstellt und konfiguriert, mit der wir unsere Proof-of-Concept-Architektur realisieren konnten. Im nächsten Schritt wurde die Webanwendung entwickelt, mit der die Messergebnisse in einem Cloud-basierten Datenspeicher (Azure Blob-Speicher) hochgeladen werden. Die Anwendung stellt außerdem sicher, dass hochgeladene Daten immer mit geeigneten Metadaten versehen werden. Diese sind u.a. Benutzername, verwendetes Equipment, Datum und Uhrzeit, Projekt, Arbeitsauftrag und Versuchsdetails. Wir wissen auch, dass unsere Kunden erwarten, dass die von uns bereitgestellten Lösungen, auch hier Pharma-Software-Lösung, einfach und kostengünstig zu unterstützen und zu warten sind. Daher haben unsere Entwickler eine sogenannte Continuous Integration-Pipeline erstellt. Dadurch sind wir in der Lage, eine Umgebung in Microsoft Azure zu konfigurieren und darauf basierend innerhalb von 15 Minuten eine vollständig einsatzbereite Anwendung bereitzustellen – alles mit einem einzigen Mausklick.