BLOG ET ACTUALITES
Comparison of data science workflows for root cause analysis of bioprocesses
Comme dans un grand nombre d’industrie, les industries des biotechnologiques et pharmaceutiques ont recours bien souvent en cas de déviations ou d’incidents à une analyse des causes principales notamment grâce à l’aide d’outils comme les diagrammes d’Ishikawa.
Toutefois ces analyses s’avèrent souvent très imprécises car les variables identifiés sont peu proches de la réalité des évènements dans les bioprocédés.
Deux approches sont alors utilisées actuellement dans le cadre d’analyse de causes principales, l’analyse des données brutes mais aussi l’analyse basée sur des variables.
Aujourd’hui ces deux techniques arrivent correctement à expliquer la variance observée au sein d’un bioprocédé. Les deux outils les plus souvent utilisés sont la régression des moindres carrés et l’Analyse en Composante Principale.
L’article compare ainsi les deux forces et faiblesses des deux méthodes et démontre qu’utiliser ces deux approches de manière complémentaire permet de gagner en efficacité d’analyse et d’approfondir les connaissances sur vos procédés biotechnologiques.
Chez Absolute RxD, l’Analyse en Composante Principale et la régression des moindres carrés ont été étudiés au cours de notre formation.
Nous maîtrisons ces deux techniques qui permettront d’identifier les variables les plus importantes de vos procédés et expliquer ainsi la variance observée. De même, grâce à notre expérience des procédés UpStream et DownStream, nous pourrons émettre au sein de votre compagnie de nouvelles hypothèses, qui pourront ensuite être testées expérimentalement par vos équipes de Recherche et Développement.