Atos et Siemens ont annoncé l’introduction de leur solution Process Digital Twin auprès des acteurs de l’industrie pharmaceutique. Alimentée par l’IoT, l’intelligence artificielle et l’analyse avancée des données, cet outil a pour objectif de permettre d’améliorer la performance globale avec une solution innovante de réplique numérique du processus de production pharmaceutique.
La solution “Process Digital Twin” (jumeau numérique) est actuellement testée dans l’industrie pharmaceutique pour la fabrication pharmaceutique. Elle a été conçue pour fournir une efficacité et une flexibilité accrues dans la fabrication des produits et est alimentée par l’IoT, l’intelligence artificielle et l’analyse avancée des données.
Sur la base d’un pilote, cette solution ouvre de nouvelles possibilités, telles que le développement d’un processus durable – notamment en réduisant le temps global d’expérimentation et le gaspillage, en assurant une qualité constante, et en facilitant la transition vers de nouveaux modèles “quality by design” pour obtenir le bon produit du premier coup. La solution offre également des mesures optimisées pour la qualité et la fiabilité du processus.
La production et la mise sur le marché de produits pharmaceutiques sont des processus complexes et longs. Pour relever ces défis, l’un des partenaires pharmaceutiques internationaux d’Atos et de Siemens a décidé de tester la nouvelle solution innovante, conçue et développée grâce à l’investissement commun et à la collaboration commerciale de l’alliance stratégique mondiale Atos-Siemens.
La “Process Digital Twin” est une réplique virtuelle complète d’une étape spécifique du processus de fabrication, reliée à des capteurs IoT installés sur l’usine réelle. Elle génère des volumes de données complexes et donne une vue instantanée de l’ensemble des détails des opérations. En associant des représentations virtuelles et physiques du processus, et en utilisant des modèles prédictifs et des analyses en temps réel, Atos et Siemens aident l’industrie pharmaceutique à réinventer les éléments-clés de l’environnement de fabrication.
“Nous sommes ravis de placer les technologies digitales au cœur de l’industrie pharmaceutique, afin d’aider le secteur à relever les multiples défis d’aujourd’hui et de demain”, déclare Paul Albada Jelgersma, SVP, Responsable des services Codex pour l’IoT et de Siemens MindSphere chez Atos.
“Avec la solution Process Digital Twin développé par Atos et Siemens, nous créons une solide empreinte numérique des produits pharmaceutiques tout au long du cycle de développement des processus, depuis la phase de conception, jusqu’à la production.”
Rebecca Vangenechten, Responsable de l’industrie pharmaceutique chez Siemens, a de son côté indiqué :
“La digitalisation à chaque étape de la chaîne de valeur aidera probablement l’industrie pharmaceutique à acheminer plus rapidement les produits pharmaceutiques du laboratoire au patient. Ce fut un voyage stimulant où les partenaires ont créé les bases du développement et de la fabrication de procédés futurs, basés sur la science, la technologie et l’innovation”.
Atos apporte son expertise en matière d’infrastructure informatique, de conseil, d’intégration et de science des données, notamment grâce à son expertise Codex en matière de solutions et de services d’intelligence artificielle et IoT. De son côté Siemens fournit son expertise ‘Digital Enterprise’ en ce qui concerne les systèmes OT pour l’industrie pharmaceutique, avec par exemple Simatic Sipat pour le contrôle qualité en temps réel et StarCCM+ & HEEDS pour la modélisation et la simulation des processus.
La nature de la solution Digital Twin pré-intégrée d’Atos et Siemens permet son déploiement dans l’ensemble des processus de production, quelque soit leur ampleur ou leur complexité. En ajustant les éléments technologiques de base, Atos et Siemens peuvent reproduire plus efficacement le cas d’utilisation de la solution Digital Twin pour chaque nouveau client – dans les secteurs pharmaceutique, chimique, de la fabrication de processus, ou encore sur d’autres marchés.
