在生物制造领域，工艺强化（process intensification）正成为提高生产效率的关键策略。然而，随着生物工艺分析产生的数据量、复杂性和非线性程度不断增加，如何有效管理这些数据成为行业挑战。生物技术专家William Whitford博士提出，数字影子（digital shadow）技术或可提供解决方案。

数字影子与数字孪生的区别

Whitford是Oamaru BioSystems的创始人。他指出，数字影子与数字孪生（digital twin）类似，都是过程或设备的实时数字副本。但不同之处在于，数字影子并非设计用于主动控制过程，而是仅报告过程状态。这使得数字影子比数字孪生更易于设置。Whitford表示：“它们不像数字孪生那样全面，但如果你出于监管原因不想主动控制，这可能就是你所需要的一切。”

机器学习处理复杂数据

Whitford认为，数字影子对于管理当今生物工艺分析产生的大型复杂数据集具有重要价值。“机器学习可以处理我们获取的数据的复杂性、数量、非线性和高维度，”他说。这些数据可能包括时间序列、成像和分析数据，以及工艺开发期间收集的历史数据。

他举例说明：“例如，你可以监测生物反应器的排气，观察二氧化碳和氧气水平，并由此推断代谢活动。如果加入历史数据，你还可以推断活细胞数量。”相比之下，更简单的分析工具，如方程或简单算法，无法消化输入的各种数据。

整合多源数据助力工艺强化

Whitford指出，数字影子可以通过同时整合过程测量、分析结果、生物观察、历史制造数据和上下文生产信息，进行推断或未来预测。这反过来可以帮助制造商提高每平方英尺工厂、每单位生物反应器体积或时间的产量，从而助力工艺强化。

“一旦你为工艺强化定义了目标，你就会想知道有哪些工具可用，我希望人们了解我们拥有的工具，”Whitford说。数字影子的应用有望为生物制造行业提供一种兼顾效率与合规性的新途径。

来源：GEN（英文原文，生物航编译，内容以原文为准）