Kontakt

Design af eksperiment

Læs mere om det
Design of Experiment -1

Beskrivelse af service

Servicen designer, tester og udfører AI drevet forsøgsplanlægning (Design of Experiments, DoE) til at forudsige og optimere kritiske procesparametre såsom fermenteringsudbytte, titer og cellevæksthastighed. I vores Biosolutions Lab anvender vi Deep Neural Networks (DNN) og Bayesiansk optimering til automatisk parameterjustering i lille skala samt human in the loop beslutningsstøtte til pilotskala bioproduktion. Formålet er at hjælpe biotekvirksomheder og bioproducenter med at identificere procesflaskehalse, øge batchudbytter med 15 til 35 procent og reducere antallet af laboratorieforsøg med op til 50 procent.
Forventede resultater:

Data fra eksperimentelle opstillinger, der identificerer flaskehalse, understøtter parameteroptimering og giver et dokumenteret grundlag for videre procesudvikling, opskalering eller implementering. Denne AI optimeringstilgang reducerer antallet af fysiske forsøgsrunder med op til 50 procent og leverer udbytteforbedringer på 15 til 35 procent, baseret på dokumenterede erfaringer fra industriel fermentering og mikrobiel proteinopskalering.

Metodologi:

Servicen leveres som et eksperimentelt procesudviklingsforløb, der omfatter design af forsøgsopsætninger, analyse af kritiske procesparametre, test af DNN- og Bayesiansk optimering samt vurdering af human-in-the-loop beslutningsstøtte med efterfølgende dokumentation af resultater og anbefalinger.

Mål:

Biosolutions, Bioteknologiske virksomheder, Fermentering og bioprocesser, Datadrevet procesoptimering, Andre nye og muliggørende teknologier

  • Organisation: Teknologisk Institut
  • Type: Eksperiment
  • SUT/E: Eksperimentelle procesopstillinger, AI baseret parameteroptimering og beslutningsstøtte til biosolutions og bioprocesser. Kunder skal levere biologiske stamme eller mediespecifikationer med relevante sikkerhedsdatablade (MSDS), historiske proceskørselsdata (CSV eller XLSX format med tidsserier for temperatur, iltmætning, pH, dosering og udbytter), definerede parametergrænser samt fysiske medie eller biomasseprøver, hvis der indgår vådlaboratorietest hos DTI.
  • Gennemsnitlig varighed: 30-80 hours
  • Kontakt: thkr@teknologisk.dk

Gør din AI-teknologi markedsklar