Bristol-Myers Squibb
Factory Software | Bristol-Myers Squibb | AVEVA PI System
Bristol-Myers Squibb, acteur de premier plan dans la découverte de traitements innovants, ambitionnait d'adopter une approche véritablement pilotée par la donnée pour optimiser ses procédés de fabrication. Deux obstacles freinaient cette ambition : la latence des données par lots et le manque de contexte applicatif, qui rendaient les analyses tardives et peu actionnables en temps réel. Le déploiement d'AVEVA PI System a permis de collecter, contextualiser et fournir des données fiables et prêtes à l'emploi grâce à son cadre d'actifs et à ses cadres d'événements. L'entreprise est ainsi passée de modèles statiques hors ligne à une surveillance dynamique et continue de ses procédés, ouvrant la voie à des analyses multivariées avancées. Les bénéfices se mesurent à plusieurs niveaux : qualité des produits accrue, performance des procédés optimisée, et opérateurs équipés de capacités de détection des défauts en temps réel pour intervenir avant tout impact sur la production.
Témoignages
FAQ
Comment AVEVA PI System aide-t-il les opérateurs à détecter les pannes en temps réel ?
Chez Bristol-Myers Squibb, AVEVA PI System dote les opérateurs de capacités de détection des défauts en temps réel grâce à son Asset Framework et à ses Event Frames. La plateforme collecte, contextualise et restitue les données fiables nécessaires pour identifier immédiatement les écarts de comportement des équipements. Les opérateurs interviennent avant qu'un défaut n'impacte la qualité produit, ce qui est critique en pharmaceutique où chaque lot compromis représente une perte financière et un risque de conformité significatif.
Qu'est-ce que l'Asset Framework et pourquoi est-il clé pour l'analyse temps réel ?
L'Asset Framework (AF) d'AVEVA PI System organise hiérarchiquement les équipements, lignes et sites en leur attachant attributs, métadonnées et indicateurs calculés. Cette structure transforme des flux de données bruts en informations contextualisées, exploitables sans connaissance préalable des points de mesure. Chez Bristol-Myers Squibb, l'AF élimine la latence de contextualisation qui freinait l'analyse temps réel et permet aux analyses multivariées de s'appuyer sur des données prêtes à l'emploi, un standard de la gestion des données industrielles modernes.
Comment passer d'une analyse par lots à une surveillance continue des procédés ?
Bristol-Myers Squibb est passé de modèles statiques hors ligne à une surveillance dynamique et continue de ses procédés grâce à AVEVA PI System. La latence des données par lots, qui rendait les analyses tardives et peu actionnables, a été éliminée par la collecte temps réel et la contextualisation via Event Frames. Cette transformation permet l'analyse multivariée avancée en cours de procédé et un pilotage proactif de la qualité produit, indispensable pour un acteur de premier plan dans la découverte de traitements innovants.
Quels bénéfices une approche pilotée par la donnée apporte-t-elle à la fabrication pharmaceutique ?
Bristol-Myers Squibb a obtenu une qualité produit accrue, une performance des procédés optimisée et des opérateurs équipés de capacités de détection temps réel. L'approche pilotée par la donnée, alimentée par AVEVA PI System, remplace les décisions basées sur l'expérience individuelle par des arbitrages factuels. En pharmaceutique, où la traçabilité GxP et la maîtrise des procédés conditionnent l'autorisation de mise sur le marché, cette transformation digitale est un levier stratégique de compétitivité et de conformité.
Pourquoi le contexte des données est-il aussi important que les données elles-mêmes ?
Des données sans contexte (équipement, phase de procédé, lot, recette) sont difficilement exploitables : un opérateur ou un algorithme ne sait pas si une mesure correspond à un état normal ou anormal. Le manque de contexte applicatif freinait les analyses temps réel chez Bristol-Myers Squibb. AVEVA PI System, via Asset Framework et Event Frames, attache à chaque donnée son contexte métier. C'est ce qui permet de détecter immédiatement les défauts et d'industrialiser l'analyse multivariée à grande échelle.