Predictive Quality: Datengetriebene Vorhersage der produkt- und prozessbezogenen Qualität im Bereich der RNA-Herstellung

Diese Arbeit untersucht die visuelle Darstellung der produkt- und prozessbezogenen Qua-lität, sowie der Erkennung und Prognose von Qualitätsabfällen in der RNA-Herstellung mithilfe von Dashboards. Die Ergebnisse zeigen, dass die Zusammenfassung und Visuali-sierung relevanter Prozessdaten durch Dashboards erhebliche Vorteile bietet, indem sie die Analyse und Interpretation komplexer Daten erleichtert. Die Daten wurden durch ein automatisiertes Python-Skript verarbeitet und in eine spezialisierte Datenbank inte-griert. Mithilfe von GQM-Modellen und der Five Design-Sheet Methodology wurden die Informationen strukturiert und in Tableau-Dashboards visualisiert. Trotz einiger Limitie-rungen bei komplexeren Datenstrukturen und der Interaktivität erwies sich Tableau als wertvolles Werkzeug für die Visualisierung und Verteilung von Prozessdaten. Im Bereich der prozessbezogenen Qualität wurde ein erfolgreiches ML-Modell zur Erkennung von Anomalien im Temperaturverlauf der IVT-Reaktion entwickelt, das eine hohe Genauigkeit aufweist. Zusätzlich wurden Nelson Rules und eine PCA implementiert, um statistische Abweichungen zu erkennen und das Zusammenspiel von Temperatur und Pipettierung zu analysieren. Nach einer kurzen Einführung konnten die Teilnehmer der Evaluation, die mittels Think-Aloud-Methode und System Usability Scale durchgeführt wurde, die Konzepte produktiv nutzen, was den praktischen Nutzen der Arbeit unterstreicht. Diese Forschung bietet eine solide Grundlage für zukünftige Entwicklungen in der datengetrie-benen Qualitätsüberwachung in der biopharmazeutischen Produktion.