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.
Перечисленные выше меры позволяют снизить вариабельность экспериментов и повысить эффективность использования лабораторных ресурсов. Таким образом, повышается операционная эффективность лаборатории. По словам Сридхара, экономия
