Webinaire : Optimisation et contrôle des procédés en flux continu à l'aide de multiples PAT orthogonaux
Déployer des processus autonomes pour une fabrication en continu
Programme
- Découvrez comment des outils avancés tels que l'EDBO+ optimisé par la méthode bayésienne multifactorielle et les technologies de procédé analytique en ligne (ReactIR™, HPLC via EasyFrit™ et EasyViewer™) peuvent rationaliser et optimiser ces processus.
- Obtenez des informations à partir d'une étude de cas réelle où ces technologies ont été appliquées à la synthèse de l'Apremilast en collaboration avec Amgen, mettant en évidence l'application pratique et les gains d'efficacité de ces techniques innovantes.
Le processus souvent laborieux de découverte des conditions opérationnelles optimales pour un processus de fabrication en continu crée un goulot d'étranglement pour le déploiement rapide de cette technologie habilitante. De plus, une fois qu'un instrumentation est développée, la traduction de ces conditions en fabrication peut nécessiter la surveillance d'un opérateur pour surveiller et ajuster les contrôles en cours de processus. Ces facteurs peuvent souvent conduire à des inefficacités et à une augmentation des dépenses en ressources.
Dans ce webinaire, nous vous présenterons un système modulaire créé à partir d'une plateforme Vapourtec standard couplée à ReactIR™ en ligne, à la HPLC en ligne via EasyFrit™ et à la cristallisation via EasyViewer™. Ces outils entrent en synergie avec un algorithme bayésien multifactoriel appelé EDBO+. Cet outil réduit drastiquement la longue phase d'essais et d'erreurs du développement des procédés et minimise la nécessité d'une intervention continue de l'opérateur.
Enfin, nous passons de la théorie à la réalité, en mettant en lumière une collaboration avec Amgen, dans le cadre de laquelle nous avons appliqué ces technologies à la synthèse de l'Apremilast. Le procédé a été mené via un réacteur à écoulement piston, conduisant à un ensemble de cristallisations anti-solvant MSMPR dans une plateforme de réacteur de laboratoire automatisé (ALR) EasyMax™. Cette étude de cas réelle met en évidence les gains d'efficacité remarquables et les améliorations de la productivité qui peuvent être obtenus grâce à cette approche innovante.
Public cible
Les personnes intéressées par le déploiement de l'optimisation autonome des processus dans le cadre de la fabrication continue.
Présentateur
Jason Hein
Université de la Colombie-Britannique
Jason Hein est professeur agrégé de chimie à l'université de Colombie-Britannique et professeur adjoint à l'université de Bergen, en Norvège. Le professeur Hein a codirigé le projet ADA, la première plateforme de découverte autonome au monde pour les matériaux en couches minces, soutenue par Ressources naturelles Canada. Il a également codirigé l'équipe MADNESS, soutenue par le programme DARPA Accelerated Molecular Discovery, et a dirigé l'UBC pour l'Acceleration Consortium CFREF, dirigé par l'Université de Toronto. Jason a également traduit sa passion pour le développement de technologies habilitantes en devenant le PDG et le fondateur de Telescope Innovations ; une start-up de technologie chimique créant des solutions d'automatisation basées sur l'IA pour le développement de procédés chimiques. Il a obtenu son baccalauréat en biochimie en 2000 et son doctorat en méthodologie des réactions asymétriques en 2005 à l'Université du Manitoba (CRSNG PGS-A/B, Prof. Philip G. Hultin). En 2006, il est devenu chercheur postdoctoral du CRSNG avec les professeurs K. Barry Sharpless et Valery V. Fokin au Scripps Research Institute à La Jolla, en Californie. En 2010, il est devenu associé de recherche principal avec le professeur Donna G. Blackmond au Scripps Research Institute. Il a commencé sa carrière indépendante à l'Université de Californie, Merced en 2011, en utilisant l'analyse cinétique des réactions in situ pour profiler et étudier rapidement des réseaux complexes de réactions. En 2015, il a rejoint l'Université de la Colombie-Britannique et a été promu professeur associé en 2019. Ses recherches ont abouti à une collection de prototypes d'outils robotiques modulaires et de matériel analytique intégré qui créent la première boîte à outils de profilage réactionnel automatisé largement applicable, axée sur la recherche et la découverte autonomes.
