Now showing 1 - 3 of 3
  • Publication
    Skalierbare Herstellung von ATMPs
    Die Entwicklung von Arzneimitteln für neuartige Therapien (ATMPs; Advanced Therapy Medicinal Products) schreitet schnell voran. Erste Produkte haben bereits die Marktzulassung erhalten und sind kommerziell erhältlich. Ihre Produktion ist jedoch von komplexen manuellen Abläufen, hochspezialisierten Geräten und den damit verbundenen hohen Produktionskosten geprägt. Aufgrund der Neuartigkeit und der hohen Komplexität bei der Produktion kann das volle klinische Potential von ATMPs in Zukunft unter den bestehenden Produktionsbedingungen nicht ausgeschöpft werden. Darüber hinaus nehmen die am Markt zugelassenen Produkte und die klinischen Anwendungsgebiete von ATMPs stetig zu, was langfristig nicht nur zu einem Engpass in der Produktion, sondern auch zu einer hohen finanziellen Belastung des Gesundheitssystems führen wird. Um die Herstellkosten von ATMPs zu senken und sie vielen Patientinnen und Patienten zur Verfügung stellen zu können, sind neue Konzepte entlang der gesamten Wertschöpfungskette erforderlich. Dafür muss die Produktion insbesondere stärker automatisiert und digitalisiert werden. Unterschiedliche Konzepte sind hier vielversprechend für eine vollautomatisierte Produktion, im Sinne einer vollintegrierten Automatisierung oder eines modularen Aufbaus der Produktionsumgebung. Die Implementierung dieser Konzepte setzt neue Entwicklungen voraus, von der Entnahme der Zellen bei der Spenderin oder beim Spender über die Produktionstechnologien an sich bis hin zur finalen Formulierung und Abfüllung des Produkts. Neben Änderungen im Bereich der Hardware werden auch neue Softwarelösungen notwendig, beispielsweise zur Planung und Auswahl geeigneter Produktionsszenarien. Auch für die eigentliche Produktion von ATMPs und die damit verbundenen Daten müssen zukünftig neue Technologien, wie bspw. integrierte Prozesskontrollen, die Prozessbegleitung mittels Digitalem Zwilling oder die Analyse sowie Prozesssteuerung mittels Künstlicher Intelligenz (KI) berücksichtigt werden, um das volle Automatisierungspotential ausschöpfen zu können.
  • Publication
    White Paper »RESYST«. Resiliente Wertschöpfung in der produzierenden Industrie - innovativ, erfolgreich, krisenfest
    Ziel des White Papers zum Thema Resiliente Wertschöpfung ist es, die Ergebnisse aus dem Fraunhofer-Innovationsprogramm Resiliente Wertschöpfungssysteme (»RESYST«) einer breiten Öffentlichkeit aus Wirtschaft, Wissenschaft und Politik zugänglich zu machen. Im Lichte aktueller Erfahrungen aus der Corona-Pandemie, aber auch der Hochwasserkatastrophe greift das Innovationsprogramm die Anforderungen des Wirtschaftsstandorts Deutschland an resiliente und dynamische Wertschöpfungssysteme bei gleichbleibend hoher Produktivität und Individualisierung auf. Resilienz gegenüber Krisen und Störfällen aller Art entwickelt sich somit zum entscheidenden Wettbewerbsfaktor.
  • Publication
    A Process Model for Enhancing Digital Assistance in Knowledge-Based Maintenance
    ( 2019)
    Kovacs, Klaudia
    ;
    Ansari, Fazel
    ;
    ;
    Uhlmann, E.
    ;
    Glawar, Robert
    ;
    Sihn, Wilfried
    Digital transformation and evolution of integrated computational and visualisation technologies lead to new opportunities for reinforcing knowledge-based maintenance through collection, processing and provision of actionable information and recommendations for maintenance operators. Providing actionable information regarding both corrective and preventive maintenance activities at the right time may lead to reduce human failure and improve overall efficiency within maintenance processes. Selecting appropriate digital assistance systems (DAS), however, highly depends on hardware and IT infrastructure, software and interfaces as well as information provision methods such as visualization. The selection procedures can be challenging due to the wide range of services and products available on the market. In particular, underlying machine learning algorithms deployed by each product could provide certain level of intelligence and ultimately could transform diagnostic maintenance capabilities into predictive and prescriptive maintenance. This paper proposes a process-based model to facilitate the selection of suitable DAS for supporting maintenance operations in manufacturing industries. This solution is employed for a structured requirement elicitation from various application domains and ultimately mapping the requirements to existing digital assistance solutions. Using the proposed approach, a (combination of) digital assistance system is selected and linked to maintenance activities. For this purpose, we gain benefit from an in-house process modeling tool utilized for identifying and relating sequence of maintenance activities. Finally, we collect feedback through employing the selected digital assistance system to improve the quality of recommendations and to identify the strengths and weaknesses of each system in association to practical use-cases from TU Wien Pilot-Factory Industry 4.0.