• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Machine-learning for biopharmaceutical batch process monitoring with limited data
【24h】

Machine-learning for biopharmaceutical batch process monitoring with limited data

机译：用于生物制药批处理监控的机器学习，具有有限的数据

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Commercial biopharmaceutical manufacturing comprises of multiple distinct processing steps that require effective and efficient monitoring of many variables simultaneously in real-time. This article addresses the problem of real-time statistical batch process monitoring (BPM) for biopharmaceutical processes with limited production history; herein, referred to as the ‘Low-N’ problem. In this article, we propose an approach to transition from a Low-N scenario to a Large-N scenario by generating an arbitrarily large number ofin silicobatch data sets. The proposed method is a combination of hardware exploitation and algorithm development. To this effect, we propose a Bayesian non-parametric approach to model a batch process, and then use probabilistic programming to generate an arbitrarily large number of dynamicin silicocampaign data sets. The efficacy of the proposed solution is elucidated on an industrial process.
机译：商业生物制药制造包括多个不同的处理步骤，需要实时地同时对许多变量进行有效和有效地监测许多变量。本文解决了生产历史有限的生物制药过程的实时统计批处理监测（BPM）的问题;这里，称为“低N”问题。在本文中，我们提出了一种通过生成任意大量的硅锁数据集来从低N场景转换到大量方案的方法。该方法是硬件开发和算法开发的组合。为此，我们提出了一种贝叶斯非参数方法来模拟批处理过程，然后使用概率编程来生成任意大量的DirminalIn SilicoCAMANAIGN数据集。在工业过程中阐明了所提出的解决方案的功效。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号