На рис. 4.2 представлен упрощенный вариант цепочки создания стоимости для фармацевтических исследовательских лабораторий. Она начинается с поставок различных материалов, таких как наборы, тесты и реагенты для клеточного анализа, анализа генома и очистки белков, живые животные, а также общелабораторные предметы, такие как химикаты, стеклянная посуда и одноразовые принадлежности. На следующем этапе цепочки создания стоимости ученые используют эти материалы и лабораторное оборудование для проведения экспериментов. Тысячи таких экспериментов, проводимых в течение нескольких лет, приводят к получению лабораторных результатов, которые могут включать в себя открытие новых соединений, способных помочь в борьбе с различными заболеваниями , а также патенты и публикации, связанные с этими открытиями.

Рисунок 4.2

Сети цепочки создания стоимости в исследовательских лабораториях.

Традиционное использование лабораторного оборудования: В основном аналоговое, с незначительной интеграцией данных

Лабораторное оборудование можно охарактеризовать как относящееся к трем категориям. К первой категории относится оборудование, работающее круглосуточно, например, морозильные камеры и инкубаторы. Морозильные камеры необходимы для хранения некоторых реагентов, антител и наборов для анализа при температурах минус 20 или минус 80 градусов Цельсия. Инкубаторы, например, необходимы для поддержания культур клеток при заданных температуре и влажности, а также для обеспечения их кислородом и углекислым газом. В исследовательских лабораториях такое оборудование обычно работает круглосуточно. Любой перерыв в работе может изменить состав клеточных культур таким образом, что это может привести к срыву проводимых с их использованием экспериментов.

Оборудование второй категории используется по мере необходимости. Центрифуги используются в тех случаях, когда в ходе эксперимента необходимо разделить жидкости и вещества с различной плотностью. Например, центрифуги используются для разделения различных компонентов крови, таких как эритроциты, лейкоциты, тромбоциты и плазма. Некоторые специализированные лабораторные весы также используются в тех случаях, когда в ходе эксперимента требуется с высокой точностью измерить малые массы в субмиллиграммовом диапазоне. Первые две категории оборудования, как правило, являются аналоговыми. Учет их использования обычно ведется вручную. Например, ученый может измерить массу соединения и записать показания в бумажный лабораторный блокнот.

Третья категория оборудования поставляется со встроенным программным обеспечением, которое может быть подключено к внешним компьютерам. Как правило, такое оборудование выдает не просто числа, а файлы данных. Например, масс-спектрометр, используемый для определения молекулярного состава образца на основе наблюдения спектра ионов в нем, нуждается в программном обеспечении. Он обнаруживает, в частности, небольшие количества белков, биомаркеров или молекул лекарств, даже если они встречаются в низких концентрациях. Интерпретация данных масс-спектров предполагает анализ больших объемов информации и выполнение утомительных расчетов, что сложно сделать без программных алгоритмов. Хотя такое оборудование может генерировать и записывать данные в цифровом виде, эти данные изолированы друг от друга в рамках каждой единицы оборудования и подключенного к ней компьютера. Эти данные не предназначены для удобного обмена и интеграции с данными, полученными от другого лабораторного оборудования.

Три категории оборудования представляют собой "сырую" сеть цепочки создания стоимости в типичной исследовательской лаборатории. Поскольку в исследовательские лаборатории вкладываются огромные средства, любое повышение операционной эффективности может оказать существенное влияние на конечный результат деятельности лаборатории. Как же компании могут преобразовать эту сеть цепочек создания стоимости в цифровую производственную экосистему? Каких преимуществ они могут ожидать?

Новая операционная эффективность за счет данных и интеграции данных

Познакомьтесь с Шридхаром Айенгаром, генеральным директором и основателем компании Elemental Machines, которая превращает множество разрозненного лабораторного оборудования в единую сеть с помощью датчиков и IoT. Датчики помогают отслеживать различные контекстные переменные, такие как температура, влажность, давление воздуха и освещенность, когда ученые проводят свои эксперименты с использованием различного лабораторного оборудования. Почему такие данные важны? Шридхар объясняет это на примере личного анекдота, который он услышал от двух коллег из двух разных институтов.

Когда друзья Шридхара работали в лаборатории биологии, они заметили нечто необычное в ходе своих экспериментов. Как известно всем исследователям, эксперименты считаются успешными только тогда, когда они воспроизводимы. Другими словами, результаты не должны меняться при повторении одного и того же протокола эксперимента. В данном конкретном эксперименте результаты были непоследовательными. Однако при повторении экспериментов исследователи заметили закономерность. Результаты не совпадали только в определенные дни недели, в то время как в другие дни они были постоянными. Причина? В эксперименте участвовали мыши. В определенные дни недели на строительной площадке по соседству проводились ночные смены, и связанные с этим шум и вибрация влияли на ночной режим мышей в лаборатории.

Когда Шридхар услышал одну и ту же историю от двух разных людей в двух разных исследовательских лабораториях, он прозрел: в лабораторных экспериментах важен контекст. Контекст большинства экспериментов в фармацевтических лабораториях, конечно, очень сложен. Однако даже измерение некоторых основных переменных, таких как температура, влажность, давление воздуха, освещенность (или, в случае с мышами, уровень звука и вибрации), по мере проведения эксперимента помогает. Используя такие данные, исследователи могут в некоторой степени определить причины вариабельности результатов. Другими словами, не нужно отбрасывать все эксперименты, показавшие нестабильные результаты, принимая за единственную причину ошибочные научные гипотезы. Это может привести к существенному повышению производительности. Компания Шридхара, Elemental Machines, недавно объединила усилия с PerkinElmer, глобальной компанией в области биологических наук, с целью повышения производительности в исследовательских лабораториях за счет использования данных и связи между ними.

На рис. 4.3 показано, как сеть цепочки создания стоимости в фармацевтической лаборатории превращается в производственную экосистему для повышения операционной эффективности. Это происходит, когда массив различного лабораторного оборудования подключается с помощью датчиков и IoT. А в некоторых особых случаях помогает и искусственный интеллект.

Датчики в первой категории оборудования, например, в инкубаторах для выращивания клеточных культур, позволяют отслеживать условия, в которых происходит рост клеток для синтетической биологии. Интеллектуальные метки на колбах для ферментации клеток могут фиксировать условия окружающей среды, необходимые для их роста (температуру, влажность, содержание CO2 и т.д.), и предупреждать ученого о любых неожиданных отклонениях. Такие отклонения могут возникнуть, например, когда несколько ученых используют инкубатор в одной лаборатории. Количество открываний дверцы инкубатора за время выращивания в нем клеток может повлиять на результат эксперимента. Ситуация осложняется еще и тем, что рост клеток может длиться несколько дней, а для получения данных об успешном росте клеток может потребоваться несколько недель. Таким образом, своевременное оповещение позволяет избежать таких потерь драгоценного времени ученых. Эта идея применима и ко второй категории оборудования. Например, на показания специализированных весов, измеряемых в микрограммах, может повлиять открытие или закрытие дверцы прибора. (Ветрозащита предназначена для того, чтобы предотвратить изменение температуры и воздушного потока на чрезвычайно чувствительный весоизмерительный прибор).

Рисунок 4.3

Производственные экосистемы в исследовательских лабораториях.

Первая категория оборудования также должна работать без перебоев, чтобы обеспечить сохранность хранящихся в ней материалов. В случае непредвиденных перебоев датчики непосредственно оповещают заинтересованных ученых, чтобы они могли составить альтернативные планы проведения экспериментов.

Подключенное оборудование второй категории помогает координировать работу ученых в лаборатории. Использование центрифуги может зависеть от времени и требоваться именно после завершения определенного протокола эксперимента. Наличие данных о графике работы оборудования может помочь ученым соответствующим образом спланировать эксперименты и избежать неиспользованных протоколов и потерянного времени.

Третья категория оборудования уже производит данные в цифровой форме, но они ограничены основными функциями оборудования. Добавление датчиков к такому оборудованию позволяет более гибко интегрировать его функции с другим оборудованием. Например, данные, генерируемые спектрометром, обычно ограничиваются спектрометрическим анализом образцов. Такие данные не помогают координировать и планировать программу экспериментов ученого, а также не учитывают температуру воздуха в помещении в момент снятия показаний (что может повлиять на калибровку прибора). В этом может помочь оборудование третьей категории, оснащенное датчиками и подключенное к другим объектам с помощью IoT.