Abstract
Het project heeft tot doel data-efficiënte en schaalbare modellering te onderzoeken voor eindpuntvoorspelling van eenheidsoperaties in farmaceutische productieprocessen. Om dit te bereiken gaan we een methode onderzoeken die gebruik maakt van fysica-geïnformeerde neurale netwerken en 'few-shot learning'. Om een bredere toepasbaarheid mogelijk te maken, zullen we onderzoeken hoe we de modellen efficiënt kunnen ontwerpen en kalibreren in een reële omgeving. Deze methode zal een grondig inzicht opleveren in de processtatus tijdens elke individuele unit-operatie en een tweeledig voordeel bieden voor Janssen Pharmaceutica: (1) de efficiëntie verhogen en de cyclustijden van gecommercialiseerde processen verkorten, en (2) het Best Process At Launch (BPAL) opleveren ) voor nieuwe productintroducties (NPI's).
Onderzoeker(s)
Onderzoeksgroep(en)
Project type(s)