工業互聯網在制藥行業的應用研究與實現

摘? 要： 在工業互聯網快速發展過程中，制藥行業特別是疫苗等重點生物制品生產領域需提升“應急保供”能力，因此建設基于工業互聯網和大數據技術的智慧制藥生產過程管控平臺有重要的意義。介紹了工業互聯網在制藥行業的應用研究及相關案例，以數字化技術和服務來使企業實現提質增效和產業升級。

關鍵詞： 工業互聯網; 智慧制藥; 大數據; 產業升級

中圖分類號：TP319? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2022）06-71-05

Research and implementation of Industrial Internet of Things（IIOT）

application on pharmaceutical industry

Hu Shoufeng

（ZhejiangDayuan? IntelligentPharmaceutical EngineeringCo.，Ltd.， Hangzhou， Zhejiang 311121， China）

Abstract： During the rapid development of Industrial Internet of Things （IIOT）， it is urgent to set up platform of management and control for the whole life cycle of drugs based on IIOT and big data technology. In this paper， the application research and related cases of intelligent pharmacy are introduced， and digital technology and services are used to enable enterprises to improve quality and efficiency as well as industrial upgrading.

Key words： Industrial Internet of Things （IIOT）; intelligent pharmacy; big data; industrial upgrading

0 引言

近年來，我國深入實施工業互聯網創新發展戰略，“5G+工業互聯網”建設按下加速鍵，多種應用場景不斷拓展，遠程設備操控、現場輔助操作、產品質量檢測等典型場景取得了明顯成效[1]?！笆奈濉币巹澨岢觯七M產業數字化轉型，在重點行業和區域建設若干國際水準的工業互聯網平臺和數字化轉型促進中心[2]。

制藥行業，特別是以人用疫苗為代表的生物制藥產品，涉及公共健康和區域疫情防控，是維護社會穩定和國家安全的重要保障物資，其產品質量直接影響到國家公共衛生管理與應急處置效果。同時，生物制藥具有研發周期長、投入大、安全性監管要求高等特點，隨著《藥品管理法》、《疫苗管理法》、新版GMP生物制品附錄等相關法規出臺，采用工業互聯網等信息技術賦能產品質量管控和溯源、加速研發進程、提高生產效率，已成為必要技術手段[3]。

本文圍繞生物制藥，通過工業互聯網和大數據技術對生產數據實時采集與處理、智能化質量分析與反饋，開發生物制藥質量管控模型庫，支持疫苗等生物產品的生產過程柔性協同，快速優化工藝，提升生物制藥產品研制質量和效率[4]。

1 行業現狀與解決方案

1.1 行業現狀

工業互聯網（IIOT）是新一代信息通信技術與工業經濟深度融合的新型基礎設施、應用模式和工業生態，通過對人、機、物、系統等全面連接，構建起覆蓋全產業鏈、全價值鏈的全新制造和服務體系，為工業乃至產業數字化、網絡化、智能化發展提供了實現途徑，是第四次工業革命的重要基石[5]。

從全球來看，默克、GSK、賽諾菲等跨國企業的數字化手段已覆蓋研發、采購、生產、質檢、物流、售后的全部環節，電子數據采集EDC、隨機化藥物試驗管理RTSM、藥物警戒PV、臨床試驗管理CTMS等專用工具與生產執行系統MES、質量管理系統QMS等基礎工具深度集成與融合，充分利用大樣本量、高精細度數據，結合人工智能技術輔助分析，提高研發效率和質量控制水平?；诖?，在全球數字化轉型的時代契機下，我國生物制藥企業借助工業互聯網平臺，融匯數字基礎設施、工具和知識，結合相關法規補齊生產過程能力短板，是當前行業重要任務之一。

1.2 解決方案

⑴ 總體建設方案

建立在工業互聯網基礎上的解決方案，以物聯網為基礎、平臺為中樞、數據為要素、應用為導向，既是工業數字化、網絡化、智能化轉型的基礎設施，也是互聯網、大數據、人工智能與實體經濟深度融合的應用模式，同時也是一種新業態、新產業，將重塑制藥行業的生產形態、供應鏈和產業鏈生態。

我們依據“頂層設計、分步實施”原則，設計制藥行業智能制造新模式解決方案，如圖1所示。

解決方案把制藥企業信息化建設內容分為五個層次，描述如下。

第一層為設備層，是硬件基礎，包括生產、公輔、環境、動力和廠房等設備設施，為企業生產活動提供基礎生產資料。

第二層為監控層，軟件系統通過工業互聯網連接各類設備，進行設備數據采集、設備運行狀況監控、設備異常狀況預警和處理等活動，為數字化升級和信息化管理打下數字基礎。

第三層為業務管理層，軟件系統對各業務部門的工作流程進行信息化管理，通過工業互聯網互聯互通，打通業務流和數據流，實現信息共享和工作協同。

第四層為經營管理層，軟件系統對公司級別資源進行管理，包括客戶、供應鏈、財務以及人機料等資源，是企業管理數字化的集中體現。

第五層為決策支持層，也稱為數據應用層，通過對企業數據整合分析，形成智能決策支持信息，通常包括可視化指揮中心和智能化運營中心的BI系統和駕駛艙軟件，用于GMP咨詢服務的智能審計系統，用于智慧制藥監管的數字監管系統等，為智能制造決策提供技術支持，從而優化企業生產管理和執行過程，達到“提質增效、節能降本”的目標[6]。

通常藥企會優先建設設備層的基礎硬件設施和企業經營管理的相關軟件系統。其次，建設項目主要集中在監控層和業務管理層，包括生產數據采集和實時監控系統、與生產緊密相關的“人機料法環”等各業務流程管理系統等。最后，才會通過數據應用方案對企業內積累的生產質量數據進行開發利用，形成數據驅動的應用軟件幫助企業達到決策支持的目的。

⑵ 數據應用方案

藥企基于GMP規范建設工業互聯網平臺和各大業務管理系統，為數據應用打下良好基礎，因此構建大數據分析及智能決策平臺，為企業的決策支持提供數據要素和指揮大腦。數據應用方案架構如圖2所示。

一是數據集成。設備設施和儀表儀器層面采集的多源、異構、海量數據，傳輸至工業互聯網平臺，為深度分析和應用提供基礎。

二是數據分析。提供大數據、人工智能分析的算法模型和制藥各類仿真工具，采用ESB服務總線、數據倉庫、分布式存儲系統和分布式計算框架等技術構建數據中臺，對海量數據進行挖掘分析。

三是知識復用。采用數據能力開發如高級分析、深度學習、建模預測形成知識圖譜，將工業經驗知識轉化為平臺上的模型庫、知識庫，通過工業微服務組件方式為各種業務場景提供決策支持服務。

四是應用創新。通過SOA方式為藥企的智能制造、智慧運營、GMP咨詢服務和智慧監管等場景，提供各類服務、工業APP、云化軟件，幫助藥企深度利用數據提質增效。

2 建設內容

按照總體規劃方案中的路徑，逐步在藥企建設“數據采集與監視控制系統”和“生產執行系統”，記錄生產關鍵工藝參數（CPP）、物料中間品和成品的關鍵質量屬性數據（CQA），根據Matlab等建模軟件，分析CPP、物料CQA和中間品、成品CQA之間的關聯關系并建立模型，把模型公式植入“生產過程建模預測系統”，實時監測生產過程中的工藝參數、物料質量屬性數據，從而根據模型來預測藥品的質量屬性。對生產數據進行過程能力、質量穩定性分析，在“生產過程數據調度系統”進行調度展示，為藥企提供決策支持。

2.1 數據采集與監視控制系統

SCADA（Supervisory Control And Data Acquisition）即數據采集與監視控制系統，集成對接DCS和PLC等設備，實現對生產數據實時采集、設備運行狀態監控、生產數據趨勢分析以及生產異常狀況預警。生產數據包括生產控制數據（如運行/停止時間）、工藝數據（如溫度、濕度、壓力、流量、密度、PH值等）、產量數據、設備運行數據（如轉速）等;空壓、制冷、空調、水系統和環境監測等公輔設備數據，為MES系統提供大量實時數據，為數據挖掘和智能決策支持提供數據支撐。系統架構如圖3所示。

應用監控層：管理人員可通過固定終端、移動終端對SCADA系統對接的設備進行遠程監控，包括數據采集、運行監控、報警處理、報表查詢等功能。

綜合服務層：對SCADA采集的數據進行匯總及處理，以圖形化形式發送至客戶端進行應用查看，并通過標準化的通訊接口與MES系統進行實時通訊。

分布式采集層：通過不同控制系統的協議對接設備，進行實時數據采集，并將采集點數據發送給綜合服務器進行數據處理。

2.2 生產執行系統

MES（Manufacturing Execution System）即生產執行系統，通過對藥品生產過程中的“人機料法環”5個要素進行有機整合，對各道生產工序的操作活動進行指引，并通過與EPR、SCADA、LIMS、QMS、WMS等系統的業務流程銜接和數據交互，完成物料流轉和設備設施管理、生產排產、操作指導、生產數據記錄、質量控制與保證、質量追溯、數據分析等功能，為藥企提供一個多部門業務協同的生產信息化管理平臺。系統架構如圖4所示。

MES系統按照ISA-S95標準定義關鍵數據模型，按照ISA-S88標準定義批處理控制模型，功能設計采用分層架構，包括服務層、系統應用層和人機交互層。

服務層：系統提供服務包括Web服務、通信服務、接口服務和數據服務，確保B/S架構系統運行，系統間的消息通知和數據交互，以及通過標準接口協議OPC或Web Service與SCADA對接采集設備運行數據。系統采用SQL Server數據庫，數據處理統一封裝成標準接口，提供給系統應用層調用。

系統應用層：系統采用SOA面向服務架構，設計了應用集成組件、設備系統對接組件采用消息隊列和XML進行模塊間通訊和對接。MES系統向下對接SCADA系統集成DCS、PLC等硬件設備，構建基礎數據層;向上與ERP對接，用于物料、生產計劃、人員信息等數據交互;橫向與QMS、LIMS系統對接，用于質量控制過程和數據的交互。MES系統為管控生產全流程，包含人員管理、設備管理、物料管理、生產管理、EBR管理和質量管理等功能模塊，構建了生產業務處理層。

人機交互層：系統采用B/S架構設計，部署在Web服務上，授權用戶可以在工業平板電腦、PC機上通過瀏覽器或APP進入系統，采用掃碼槍、打印機等I/O設備快速處理生產業務流程。

2.3 生產過程建模預測系統

系統進行建模分析的目的，是為了建立原材料、中間品和成品的質量屬性之間的關聯關系;生產工藝參數和成品質量屬性之間的關聯關系。通過模型應用到實際生產過程中，系統根據實時數據對藥品質量能夠預測并識別質量風險，從而有效的規避質量風險擴大，甚至產生難以挽回的損失。系統工作流程如圖5所示。

針對基于質量風險評估所辨析出的關鍵工藝參數、原料和中間品的關鍵質量屬性進行實時監測和上下限警報，其中上下限值為合格批次該工藝參數的歷史數據的95%置信區間。智能應用主要有以下兩種方式。

智能風險控制：按照定義風險項，系統自動識別判定生產風險，按風險級別發起處理流程并啟動聯動應急預案，控制聯動設備。最后通過風險處理過程評判優化風險項，完成一個周期的過程風險控制。系統依次循環進行風險控制和優化，達到智能化控制風險的目標。

智能決策支持：通過模型參數定義，獲取歷史數據，建立生產工藝參數和中間體、成品質量關鍵屬性關聯模型，以及原料、中間體和成品的質量關鍵屬性間的關聯模型，然后在生產過程中采集實時的生產工藝數據和質量檢驗數據，運用模型分析獲得質量風險評判結論，為質量管控部門提供決策支持依據[7]。

2.4 生產過程數據調度系統

數據應用通過生產過程數據調度系統提供給各業務部門，針對生產、物料、設備、質量、能源等績效數據形成統計報表，內容包括生產計劃完成情況，生產狀態、生產能耗數據，物料庫存信息，設備運行情況，產品檢驗、成品合格率等統計數據，生產工藝參數和質量風險的實時監控等，如圖6所示。同時，藥企數據可提供給GMP咨詢服務和藥監部門開展“數字藥監”工作。

當生產異常狀況發生或有質量風險時，系統主動報警并提示相關人員進行處理。本項目應用于浙江省藥監局的“黑匣子”工程，是面向監管、面向產業、面向公眾、面向機關四個大方面的應用，本項目有利于推進藥品監管數字化、產業賦能數字化。

3 結束語

通過基于工業互聯網和大數據技術的制藥智能化綜合管理平臺建設，幫助制藥企業提高生產過程中海量的數據融合和增值應用，實現人員、設備、物料和質量等多方面的協同管理，進而提升疫苗等重點產品生產過程網絡化、智能化水平;實現疫苗生產質量的事前預防、事中監控、事后分析，發揮質量智能預測功能，提升疫苗生產質量風險管控水平，從而使疫苗生產過程控制更全面精準，進而保證藥品質量更加穩定可控保障生產過程安全;為我國生物制藥行業提供基于工業互聯網的規范數字化質量管控手段，降低企業數字化建設生產成本，提高生產效率、和產品質量，推進行業數字化轉型創新發展。從已經實施案例來看應用效果顯著，對于當下正在進行的制藥行業智能化升級改造和數字化監管具有重大的推動作用。

當前系統在智能決策支持上還有很大提升空間，未來將進一步研究算法的智能性，為智能制造決策支持的科學性提供充分保障[8]。

參考文獻（References）：

[1] 中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要[Z]，2021

[2] 國務院辦公廳，關于全面加強藥品監管能力建設的實施意見》[Z]，2021

[3] 胡首鋒，姜毅.中成藥質量溯源系統建設方案的研究與實現[J].計算機時代，2018（2）：62-66

[4] 胡首鋒，李正，姜毅.中藥材溯源系統的設計與建設[J].天津中醫藥大學學報，2017，36（6）：401-405

[5]工業互聯網創新發展成效報告2018-2021年中國工業互聯網研究院，2021

[6] 程翼羽，瞿海斌，張伯禮.中藥工業4.0：從數字制藥邁向智慧制藥[J].中國中藥雜志，2016.41（1）：1-5

[7] 李振皓，錢忠直，程翼羽.基于大數據科技的中藥質量控制技術創新戰略[J].中國中藥雜志，2015.40（17）：3374-3378

[8] 陳觀林，何江，翁昌健，戴旭.城市管理科學執法分析決策系統的開發與實現[J].計算機時代，2013，（7）：73-77