Mere computerkraft og brugervenlige programmer får nu dele af medicinalindustrien til at kaste sig ud i optimering med flere variabler.

Problemstillingen er klassisk: Hvis noget skal ændres i en produktionsopstilling, så kig kun på én parameter ad gangen. Med bare to ændringer mister man hurtigt overblikket, for hvad var det nu lige der forårsagede effekten, parameter 1 eller 2?

I medicinalindustrien har man altid skullet være på den sikre side: Når en produktionsopstilling kørte tilfredstillende første gang, blev den godkendt til at køre ved de indstillinger man mere eller mindre tilfældigt var nået frem til. Det var derefter ikke tilladt at pille ved den - heller ikke selv om ændringer i råvarekvalitet, klimatiske forhold eller slid på udstyr egentlig gjorde det nødvendigt med en ændring.

Den strenge ændringskontrol hænger tæt sammen med den manglende procesforståelse: »Når man ikke ved, hvad der sker, når man ændrer, må man hellere lade være« har været udgangspunktet.

Derfor bruger producenterne en masse kræfter på at fjerne dårlige produkter fra de færdige varer. Kvaliteten er altså blevet optimeret ved kontrol og sortering - ikke ved at forbedre processen.

»For hvis der er 20 mulige variabler at skrue på, så bliver det enten til ekstremt mange forsøg, eller helt umuligt at overskue resultatet af processen,« siger Per Vase, der er seniorspecialist i statistisk procesoptimering hos NNE Pharmaplan.

Men der findes en metode, der kan håndtere selv 20 variabler på en gang, kaldet DoE (Design of Experiments) og har været kendt i andre brancher i årtier. Det gælder bilindustrien og måske især elektronikindustrien, hvor fokus på kvalitet i selve produktionen, har ført til den nu stærkt udbredte procesoptimeringsmetode Six Sigma, hvis statistiske grundlag er tæt knyttet til DoE.

Som Per Vase udtrykker det, så har medicinalindustrien været 'håbløs gammeldags' i sin tilgang til procesoptimering.

En amerikansk undersøgelse af den pharmaceutiske fremstillingsindustri viste for nylig, at antallet af fejl i produkterne lå på cirka 70.000 for hver million. Efter at de færdige produkter havde været igennem en grundig kvalitetskontrol og sortering, kom fejlniveauet ned på 200 ud af en million.

Den store forskel mellem produktionskvaliteten og kvaliteten i de produkter som forbrugerne ser, skyldes netop, at virksomhederne sorterer sig til kvalitet:

»Men det er ikke længere muligt at øge kvaliteten ved mere kontrol og sortering. Samtidig driver det prisen på produkterne væsentligt i vejret,« siger Per Vase.

Derfor skal der findes nye veje for at øge kvaliteten af produkterne og her er DoE en farbar vej med oplagte gevinster for virksomheden:

• Flere produkter produceres rigtigt første gang.

• Fælles holdning til internt i virksomheden, hvad der er vigtigt for optimering af processen.

• Højere kundetilfredshed fordi kunden får den rigtige kvalitet til den lovede tid.

Forstå processen

Første skridt er at få fastlagt, hvad der er god kvalitet for et produkt. Kun på den måde kan man finde de parametre som har betydning for kvaliteten. Det giver også mulighed for at finde de parametre som er korrelerede:

»I første omgang er det ikke målet at opbygge en fuldstændig matematisk model for produktionprocessen. Det vigtigste er at finde de parametre, der har størst betydning for det færdige produkt,« siger Per Vase, for det er her, man virkelig skal sætte ind.

Det gør man i et såkaldt screeningsforsøg. Når man har fundet de kritiske få vigtige parametre for produktkvaliteten vil man så udføre et nyt såkaldt modelforsøg med det formål at opnå en matematisk model mellem vigtige procesparametre og kvalitetsegenskaber. Herved kan man både optimere sin proces i nuet og lave en styringsstrategi der sikrer at den også er optimeret fremover.

Et af de fejltrin som man ofte ser i den her type fejlsøgning er, at man fokusere et bestemt sted fordi det virker oplagt, men i virkeligheder ligger problemet måske et helt andet sted. Det er en menneskelig faktor, som kan være svær at komme uden om. Men hvis en DoE gennemføres systematisk, så vil der ikke være basis for at træffe valg på bagrund af fornemmelser, fastslår Per Vase.

Hvis der skal opstilles et forsøg, hvor flere variable undersøges samtidig, løb man tidligere ind i et tidsproblem: Antallet af beregninger steg eksponentielt for hver ekstra variabel.

Computerkraft giver muligheder

På det punkt har udviklingen af både soft- og hardware gjort det noget nemmere for ingeniørerne. Hvor det tidligere kunne tage timer på en almindelig pc for at gennemføre et DoE, klares det i dag på sekunder:

»Brugervenligheden af programmerne gør også, at man kan tilpasse forsøgsdesignet til processen og ikke omvendt. Brugerne behøver altså ikke en ph.d. i statistik for at arbejde med DoE,« siger Per Vase.

Han går så langt som at påstå, at enhver kan lære at gennemføre en DoE på to dage:

»Derefter er der selvfølgelig behov for noget erfaring for at omsætte vinde til kundskaber. Men det opnår man ved at arbejde med et konkret projekt,« siger Per Vase.

Flere softwarehuse udbyder programmer til at opstille DoE, blandt andet JMP fra SAS Institute og Design-Expert fra Stat-Ease.