从数据获取、分析和控制角度探讨PAT的应用过程 ——第21届国际近红外光谱会议参会心得

从宏观全局角度来看，PAT可以定义为一种通过及时测量原材料和生产过程中关键质量属性和关键工艺参数来设计、分析和控制制造的系统。但从微观细节角度来看，如何用好PAT工具，需要从数据获取、分析和控制三个角度进行综合考虑。

数据获取稳定性

在过程分析技术的定义中，对“传感器采样”研究，没有一个明确的基础框架。似乎在PAT应用过程中，如何采集具有代表性的传感器信号数据与建立在传感器与物质流量通道之间的采样接口，没有太大关系。目前的PAT焦点主要关注于数据建模方法，却忽略了采样时的代表性。大多数情况下，通过利用化学计量学方法便能够承担和纠正任何类型的传感信号不确定性以及相应的误差。

然而，这确有些本末倒置了，如何获得高质量且具有代表性的样本流数据，永远是第一重要的。Kim Harry Esbensen提出利用抽样理论(TOS)去获取高质量且具有代表性的数据。TOS理论的核心是过程抽样方法和设备的设计，该理论提供了一个全面的、经过验证的框架，该框架派生了如何从移动批次中提取代表性样品所需的所有原则和实施要求，即从传送带或管道物料流中提取代表性样品。TOS的有用之处在于，它规定了控制原则(GP)、采样单元操作(SUO)和采样误差管理，涵盖了对静态和动态、移动批次采样的所有需求。

此外一个好的模型的建立，往往首要是获取高质量的多变量光谱数据，而化学计量学方法只是建立在高质量数据获取情况下的一个机械性的处理方法。不能完全依靠建模方法来纠正取样过程、传感器信号的不确定性。而是需要在取样之前，对采样位置、采样频率做一个系统性考察，以此来确定采样数据的代表性。

Kim Harry Esbensen教授报告相关内容

数据分析

从此届近红外光谱会议来看，大多数学者还是关注于数据分析算法以及后续误差评判的方法。在PAT应用这一领域中，Sebastian Friedl等研究者提出了一种具有成本效益的传感器，用于非接触式实时湿度监测，采用基于微光电机电系统(MOEMS)技术的近红外(NIR)光谱仪。这种完全集成的光谱仪不仅可以显著降低硬件成本，而且与传统过程光谱仪相比，由于缺乏活动部件，还显示出更高的稳健性。通过该传感器实时在线测量获得的数据与先进的数值模型相结合，实现了整个干燥系统的数字孪生(“EDDY孪生”示意图如下所示)。

Moems仪器示意图

数字孪生示意图

来自Chemium公司的Alexis Rousseaux介绍了一种连续流动反应器，利用MgFlow®技术，结合在线近红外(NIR)光谱仪器，可以实现格氏试剂合成的在线监测。该分析方法还是使用传统的偏最小二乘(PLS)回归方法来量化反应化合物的特定格氏试剂批量合成。此外，该研究工作还采用了Ridge、Lasso、ElasticNet、PLS、interval-PLS等多变量预处理技术来优化光谱。最后针对建立好的模型，实施了模型转移校正，所建立模型可以在所有MgFlow反应器规模和位置上进行预测。

Alexis Rousseaux汇报场景

数据控制

针对于数据控制过程，山东大学药物智能制造技术研究团队相关研究者认为，目前对PAT框架研究中，大多数学者更关注于设计和分析部分，往往忽略了控制部分。本研究团队钟亮也在会议上汇报了“流化床制粒过程中水分的动态和静态控制方法研究”。该研究通过利用近红外光谱传感器、化学计量学、控制算法三位一体分析方法，针对缓控释制剂生产关键制粒环节开展过程分析及控制技术研究，对流化床制粒过程中的混合、制粒、干燥环节及其终产品建立针对关键质量属性的过程负反馈动态控制技术，通过考察三种不同制粒方法（常规、静态控制、动态控制），优化出稳健的制粒控制方法，解决目前常规制粒方法批内差异性大，批间一致性差的问题，为制粒过程提供一条新的控制策略。

LiangZhong汇报场景

山东大学药物智能制造技术研究臧恒昌教授团队 钟亮供稿