시뮬레이션을 이용한 바이오테크앤파마 제조 최적화

개요

실험 맞춤형 진료를 제공하는 바이오테크 스타트업이 신제품 납품 시 의사결정 과정을 최적화하기 위해 데이터 기반 의약품 제조 시뮬레이션을 실시하고자 했다. 이들 제품은 임상시험이 진행 중이었고, 미국 식품의약국(FDA)의 승인이 보류되는 동안 제조 공정이 불분명했다. 자원이 부족했지만 최대한 빨리, 실패 없이 제품을 생산하는 것이 결정적이었다. 또한 제품의 제조 공정은 총 지속시간이 여러 주인 순차적인 단계로 구성되며, 말기 환자의 경우 적시에 배송하는 것이 매우 중요했다.

회사의 최첨단 개인 맞춤 치료는 특히 초기 단계에서 비용이 엄청나게 많이 들 수 있다. 환자 개개인에 맞는 개성이 매우 높은 제품이기 때문에 저금액을 달성할 수 없다. 임상시험 중 의약품은 매우 적은 양으로 생산되는 반면, 생산 과정은 환자의 반응을 바탕으로 끊임없이 변화하고 있다. 그 회사는 미래의 대량 생산 제조 환경을 테스트하고 병목 현상을 식별하기 위한 디지털 도구를 필요로 했다. 리더는 미래의 생산 공정에 대한 제약 제조 시뮬레이션 모델을 개발하고 의사 결정을 최적화하기 위해 Princeton Consultants 와 계약을 유지했다.

문제

Princeton Consultants는 실제 데이터를 이용할 수 없었기 때문에 시뮬레이션 데이터를 기반으로 한 미래의 제조 프로세스와 설비 스케줄링 전략의 모델을 개발했다. 컨설턴트들은 그 시설이 품질의 손실 없이 도달할 수 있는 최대 생산 능력을 결정해야 했다. 생산 실패를 막는 것이 우선이었기 때문에 가능한 병목 현상을 감지하고 제약 시뮬레이션 모델의 도움을 받아 이를 제거할 수 있는 옵션을 평가할 필요가 있었다. 생산 중에 오류가 발생하면, 시간이 많이 걸리는 공정을 처음부터 다시 시작해야 했고, 자원이 낭비되었으며, 가장 중요한 것은 환자가 치료를 받을 시간이 충분하지 않을 수 있다는 것이다.

다른 단계에서 사용되는 소수의 기계들이 생산의 약 50%에 관련되어 있었다. 이 장비는 비싸고 부피가 커서 보완할 수가 없었다. 그것의 사용을 최적화하기 위해서는 각 단계의 지연이 얼마나 해로운지에 따라 생산의 다양한 단계에서 제품과 절차를 우선시해야 한다.

또 다른 부족한 자원은 인력이었다. 고도로 숙련된 운영자들은 몇 시간이 걸리더라도 몇 가지 절차를 처음부터 끝까지 진행했다. 특정 절차 중에는 운영자를 교체할 수 없었다. 그 결과 수술실에서 하루 4~5시간씩 교대 근무를 하는 등 10~12시간 정도 교대근무가 지속됐다. 초과 근무는 매우 비용이 많이 들었고 최소화해야 했다.

제약 시뮬레이션 프로젝트가 시작되었을 때, Princeton Consultants 팀은 특정 요건과 관련된 특이한 모델링 문제에 직면했다.

• 제약 제조 공정 자체가 확정되지 않았기 때문에 개발자들은 제약 시뮬레이션 모델이 제대로 작동하는지 확인할 수 있는 통계와 측정 기준을 가지고 있지 않았다.
• 프로세스 중단을 방지하기 위해 큰 버퍼 간격을 도입하였다. 이 정책은 실패를 최소화하는 데 성공했지만, 기계가 대부분의 완충 시간 동안 사용되지 않았기 때문에 부족한 장비의 다운타임으로 이어졌다. 고장을 줄이는 데 필요한 최소 버퍼 시간을 균형있게 찾아 결정할 필요가 있었다.
• 시뮬레이션 실행의 범위는 80-120일로, 스케줄링 알고리즘이 상당히 느려졌다. 실제로 실제 시뮬레이션 실행이 아닌 계획 수립에 90%가 소요됐다.

또한 가공 실패를 방지하기 위해 보존해야 하는 동일한 희소한 자원으로 동시에 제조된 여러 제품에 대한 스케줄링이 복잡했다. 제약 제조 시뮬레이션의 목표는 절차의 우선순위화, 실패 최소화, 자원의 효율적 이용 증가, 전체 생산 기간 단축, 사업자의 초과 근무 최소화였다.

해결책

Princeton Consultants는 AnyLogic 제약 제조 시뮬레이션을 모델을 개발하기 위한 플랫폼으로 선택했다. 그것이 하나의 모델에 에이전트 기반 접근법과 이산 이벤트 접근법을 결합할 수 있는 가능성을 제공했기 때문이다. 모델 개발을 위해서는 애니로직 소프트웨어가 시나리오 평가와 비교를 용이하게 하는 맞춤형 실험 프레임워크를 내장하고 있다는 점이 유리했다. AnyLogic은 Java 기반 소프트웨어여서 모델러들이 해결사 API를 가져올 수 있다.

제약 시뮬레이션 모델 데모

개발 초기에는 임상시험에 존재하는 시제품 과정을 반영했다. 기본 모델 동작의 정확성은 그 프로토타입 공정에서 검증되었다. 그 후 프로세스 변경과 새로운 기능이 추가되었다. 각각의 반복 후에, 집중적인 테스트가 실행되었다. 프로젝트와 고객 팀이 세부적인 결과와 주요 측정 기준을 추적하고 검토하여 가정들이 타당한지 판단하였다.

최적의 버퍼 볼륨을 결정하기 위해 다양한 파라미터와 시나리오로 시뮬레이션을 실시하여 고장 횟수에 따라 위험과 보상의 균형을 유지하였다. 제약 제조 시뮬레이션 결과를 통해 버퍼 크기 미세 조정을 위한 타이밍 문제를 보다 잘 이해할 수 있었다.

동적 이벤트, 홀드 블록 및 시간 초과를 사용하여 프로세스에서 리소스가 제약되는 지점을 통해 에이전트가 이동하는 방식을 관리했으며, 때로는 특정 프로세스 흐름 블록에서 이를 제거하고 흐름의 이전 부분에 삽입하기도 했다. 모든 에이전트의 현재 및 미래 상태와 그에 따른 스케줄 유연성이 추적되어 스케줄러로 전달되었다.

최신 솔루션으로 모델의 최신 호출을 시딩함으로써 해결 시간을 크게 단축할 수 있었다. 또한 새로운 일정 조정 논리도 구현되었다. 프로젝트 팀은 매 시간 대신, 처리 중 제품이 고장나 재시동해야 하는 등 필요한 경우에만 일정을 변경했다. 스케줄링 지평을 보다 신뢰할 수 있는 창으로 단축함으로써 성능도 향상되었다.

결과

제약 제조 시뮬레이션은 개발 시간을 수개월 단축시켰고 바이오 스타트업이 공장이 완공되기 전에 잠재적 제조 공정 변화를 평가할 수 있게 했다. 이 모델은 고장이나 과도한 자원 사용을 야기할 가능성이 가장 높은 프로세스 영역의 미세 조정에 중요한 역할을 했다. 그 결과, 보다 우수하고 신뢰할 수 있는 계획 알고리즘이 개발되었다.

시뮬레이션 결과에 기초하여, Princeton Consultants는 제안된 변경사항들 중 일부는 더 나은 프로세스 아키텍처로 이어질 수 있을 뿐만 아니라 이미 제한되어 있는 시스템에 추가적인 자원 요구사항을 부과할 것이라고 결정했다. 회사 지도자들은 무거운 자원 활용 포인트를 줄이기 위해 중요한 분야에 연구 노력을 집중하기로 결정했다. 시뮬레이션은 일정 기간 동안 얼마나 많은 주문을 처리할 수 있는지와 그러한 주문을 완료하기 위한 권장 시간을 결정하는 데 도움이 되었다. 그 회사는 제약 제조 공정의 높은 가치의 통찰력을 수집했고, 그 결과 과도한 시간 초과나 인력 과부하가 없이 최고의 사용 사업자를 위한 스케줄링 정책을 정의했다.

AnyLogic Conference에서 이 사례 연구를 발표하는 Patricia Randall의 비디오를 보거나 프레젠테이션을 다운로드하십시오.