บริษัท ทาเคดะ ฟาร์มาซูติคอล จํากัด ตั้งอยู่ในกรุงโตเกียว เป็นบริษัทชีวเภสัชภัณฑ์ระดับโลกที่มุ่งเน้นในการผลิตยาเพื่อผู้ป่วย สร้างผลิตภัณฑ์ที่เพิ่มคุณค่าและให้ความสนใจในเรื่องวิจัยและพัฒนา (R&D) มุ่งมั่นที่จะนํา “สุขภาพที่ดีขึ้นและอนาคตที่สดใส” มาสู่ผู้คนทั่วโลก บริษัทฯ มีความตั้งใจที่จะแสวงหาการรักษาที่อาจเปลี่ยนแปลงชีวิตสําหรับผู้ป่วย โดยมีจุดกำเนิดและประวัติศาสตร์อันยาวนานกว่า 230 ปีในญี่ปุ่น
Philippe Noquéro เป็นหัวหน้าในงาน Six Sigma ของยุโรป รวมถึงเป็น Master Black Belt (MBB) ที่ได้รับการรับรอง งานที่รับผิดชอบ คือ การดูแลเรื่องความสามารถในงาน Six Sigma ของ Takeda ทั่วทั้งเครือข่ายในยุโรปซึ่งเป็นส่วนหนึ่งของโปรแกรม AGILE 4.0
Takeda มีความสัมพันธ์อันยาวนานกับ Minitab โดยมีการเครื่องมือเพื่อการวิเคราะห์และหาทางแก้ไขปัญหาการผลิต รวมทั้งงานที่เกี่ยวข้องกับการปรับปรุงและการออกแบบการทดลองที่เหมาะสม เพื่อให้สามารถปรับปรุงกระบวนการให้เป็นวิธีการที่มีการกํากับดูแลน้อยที่สุด
สิ่งท้าทาย
Takeda Neuchâtel ในประเทศสวิสเซอร์แลนด์ ผลิตยาสามชนิดที่รักษาความผิดปกติของการแข็งตัวของเลือดหรือความบกพร่องของเลือด ซึ่งความผิดปกติดังกล่าวมีสองประเภท:
- ความผิดปกติของเลือดชนิดที่ 1: ฮีโมฟีเลีย A – ผู้ป่วยเหล่านี้ต้องทนทุกข์ทรมานจากการพร่องหรือขาดปริมาณโปรตีน VIII
ฮีโมฟีเลีย A เป็นรูปแบบที่พบมากที่สุดและเป็นที่รู้จักของความผิดปกติของการแข็งตัวของเลือดและความบกพร่องของเลือด ทาเคดะผลิตยาเกี่ยวกับแก้ไขการแข็งตัวของเลือดประเภทนี้มาสองตัว คือ
- ปัจจัย VIII (Factor VIII) – เป็นโปรตีนที่จําเป็นสําหรับห่วงโซ่ในการแข็งตัวของเลือด
- ปัจจัยที่ยาวนาน VIII (Long-lasting Factor VIII) – เป็นปัจจัย VIII แบบที่ออกฤทธิ์ยาวนานในร่างกายของผู้ป่วย
- ความผิดปกติของเลือดชนิดที่ 2: โรค Von Willebrand (VWD) – ความผิดปกติของเลือดชนิดนี้จะทำให้เลือดไม่จับตัวอย่างที่ควร คนที่เป็นโรค VWD อาจมี 2 แบบ คือมีโปรตีนที่เกี่ยวกับ von Willebrand ในระดับต่ำ หรือ โปรตีนนี้ไม่ทํางานอย่างที่ควรจะเป็น Takeda ผลิตยาเพื่อแก้ปัญหาการแข็งตัวหนึ่งสําหรับโรคนี้ 1 ตัว คือ
ปัจจัย Von Willebrand (Von Willebrand Factor) – เป็นโปรตีนที่จําเป็นสําหรับห่วงโซ่การแข็งตัวของเลือด
ยาทั้งสามนี้เรียกว่า “การรักษาแบบรวม” ซึ่งมีความหมายว่า การผลิตยานี้ทำได้โดยไม่ต้องเพิ่มอนุพันธ์ของมนุษย์หรือสัตว์ ยานี้มาจากการผลิตด้วยเทคโนโลยีชีวภาพ โดยใช้การเพาะเลี้ยงเซลล์ (cell culture) ดังนั้นผลิตภัณฑ์ยาจึงมีความปลอดภัย ความบริสุทธิ์ และประสิทธิภาพในระดับสูงมาก
Takeda ต้องการผลิตยาเหล่านี้ให้มีประสิทธิภาพมากขึ้น ดังนั้นจึงต้องหาวิธีการเพิ่มผลผลิตจากการเพาะเลี้ยงเซลล์ที่ใช้ในระหว่างกระบวนการผลิตยาเพื่อให้เป็นไปตามเป้าหมายนี้ นักวิจัยจําเป็นต้องเข้าใจว่าพารามิเตอร์ของกระบวนการตัวใดที่มีผลต่อประสิทธิภาพของการเพาะเลี้ยงเซลล์
ทางแก้ปัญหา
ทีมของ Philippe ติดตามผลผลิตจำนวนหลายแบชและทำการรวบรวมข้อมูลเกี่ยวกับพารามิเตอร์ที่ใช้ในกระบวนการผลิตเกือบ 30 พารามิเตอร์ที่คาดว่าจะส่งผลต่อประสิทธิภาพของการเพาะเลี้ยงเซลล์สําหรับโปรตีนที่จำเป็นต่อการแข็งตัวของเลือด
Philippe ใช้เครื่องมือทางสถิติจำนวนมากในการวิเคราะห์เพื่อค้นหาสิ่งต่างๆ รวมถึงเทคนิคทางวิศวกรรมคุณลักษณะ (feature engineering) เพื่อเตรียมข้อมูลสําหรับการวิเคราะห์
ทีมพบว่า วิธีกำลังสองน้อยที่สุดบางส่วน (Partial Least Squares, PLS) สามารถระบุปัจจัยสําคัญที่มีผลต่อผลผลิตได้ การถดถอยกําลังสองน้อยที่สุดบางส่วน (Partial Least Squares Regression) ใช้อธิบายถึงความสัมพันธ์ระหว่างตัวแปรทํานายจํานวนมากและตัวแปรตามแบบค่าต่อเนื่องจำนวนหนึ่งตัวหรือมากกว่านั้น วิธีการนี้ใช้ได้ดีมากเมื่อเมื่อตัวแปรทํานายมีลักษณะเป็นเส้นตรงมาก หรือ เมื่อคุณมีตัวแปรทํานายมากกว่าค่าสังเกต
ทีมใช้วิธีนี้เพื่อระบุพารามิเตอร์กระบวนการที่สําคัญสองสามตัว ซึ่งมองเห็นได้ในการแสดงภาพสัมประสิทธิ์มาตรฐานที่บ่งบอกถึงความสําคัญของตัวแปรทํานายแต่ละตัวในตัวแบบ
Phillipe รู้ว่าเขาจะต้องแชร์ผลลัพธ์เหล่านี้กับสมาชิกในทีมและเพื่อนร่วมงานในพื้นที่อื่น ๆ เนื่องจากวิธีการถดถอยของกําลังสองน้อยที่สุดบางส่วนเป็นเทคนิคที่ค่อนข้างก้าวหน้าจึงอาจเป็นเรื่องยากสําหรับทุกคนที่จะเข้าใจและใช้ด้วยตัวเอง นักวิทยาศาสตร์และวิศวกรของทาเคดะได้รับการฝึกอบรมและมีความสามารถในการวิเคราะห์ข้อมูลด้วยตนเองโดยใช้ Minitab
Phillipe ตัดสินใจจะทำการประเมินว่าแผนภูมิการตัดสินใจ CART สามารถส่งเสริมการวิเคราะห์การถดถอยของกําลังสองน้อยที่สุดบางส่วนได้อย่างไร ประโยชน์ที่จะได้จะเพิ่มเป็นสองเท่า คือ เทคนิคแบบ CART จะนำมายืนยันผลการวิเคราะห์ PLS และเป็นวิธีที่ใช้และทำความเข้าใจได้ง่ายขึ้น
ผลลัพธ์ที่เป็นประโยชน์อย่างหนึ่งของแผนภูมิ CART คือ สร้างกราฟที่แสดงความสําคัญผันแปรสัมพัทธ์ ตัวแปรที่มีคะแนนการปรับปรุงสูงสุดถูกตั้งค่าเป็นตัวแปรที่สําคัญที่สุดและตัวแปรอื่น ๆ จะถูกจัดอันดับรองลงมา
ซึ่งผลลัพธ์ที่ได้สอดคล้องกับแนวทางของ Partial Least Squares และทำให้มีการนำมาถกเถียงที่น่าสนใจเกี่ยวกับกระบวนการผลิต อีกทั้ง CART ยังแสดงผลลัพธ์ของแผนภูมิการตัดสินใจ ที่ช่วยให้เห็นภาพได้ดีขึ้นอีกด้วย (ไม่มีการแสดงผลลัพธ์นี้ในบทความ)
ผลลัพธ์
การใช้ตัวแบบ machine learning หลายรูปแบบ ทำให้นักวิจัยได้เรียนรู้เพิ่มเติมเกี่ยวกับกระบวนการผลิตและทำให้สามารถระบุพารามิเตอร์ที่สําคัญได้ ผลลัพธ์ของแผนภูมิการตัดสินใจจาก CART สอดคล้องกับผลลัพธ์ที่ได้จากวิธีการถดถอยกําลังสองน้อยที่สุดบางส่วน
แผนภูมิการตัดสินใจจาก CART ทำให้นักวิทยาศาสตร์และวิศวกรที่ Takeda ทำงานวิเคราะห์ได้ง่ายขึ้นเพราะ CART มีความง่ายในการใช้และตีความ โดยสรุปคือเทคนิคนี้ทำให้ผู้ใช้ Minitab ทำความเข้าใจกับผลลัพธ์และการตีความได้ง่ายขึ้น
เมื่อเปรียบเทียบเทคนิคแบบใหม่และเทคนิคการสร้างแบบจําลองแบบดั้งเดิม จะเห็นว่าเทคนิคใหม่จะช่วยส่งเสริมให้วิศวกรและนักวิทยาศาสตร์ที่รู้จักการใช้เครื่อมือทางสถิติอยู่แล้วให้เกิดการใช้งานได้ง่ายขึ้น
ในขั้นตอนต่อไป Philippe และทีมวางแผนที่จะรวมเทคนิคของแผนภูมิต้นไม้การตัดสินใจขั้นสูง เช่น Random Forests และเทคนิค Gradient Boosted Trees (TreeNet®) โดยใช้โปรแกรมสถิติ Minitab โดยมีวัตถุประสงค์เพื่อปรับปรุงความแม่นยําของตัวแบบจําลอง
บทความต้นฉบับ : Takeda Boosts Drug Production with the Help of Machine Learning Models
ต้นฉบับนำมาจาก Minitab Case Study, แปลและเรียบเรียงโดยสุวดี นำพาเจริญ,
บริหารจัดการ SCM Blog โดยชลทิชา จำรัสพร บริษัท โซลูชั่น เซ็นเตอร์ จํากัด ตัวแทน Minitab ในประเทศไทย
เพิ่มเติมเกี่ยวกับบริษัท Minitab
Minitab ช่วยให้บริษัทและองค์กรต่างๆ สามารถมองเห็นแนวโน้มของข้อมูล, แก้ปัญหาและค้นพบประเด็นสำคัญจากข้อมูลเชิงลึก โดยนำเสนอชุดโซลูชั่นที่ครอบคลุมทุกด้านและดีที่สุดสำหรับซอฟต์แวร์ในระดับเดียวกัน ที่ใช้สำหรับการวิเคราะห์ข้อมูลและการปรับปรุงกระบวนการ
ด้วยวิธีการที่เป็นเอกลักษณ์ และการนำเสนอซอฟต์แวร์และบริการแบบองค์รวม Minitab ช่วยให้องค์กรเข้าถึงกระบวนการตัดสินใจในส่วนที่ช่วยผลักดันให้เกิดความเป็นเลิศทางธุรกิจได้ดีขึ้น ความง่ายในการใช้งานที่โดดเด่นกว่าใครมีส่วนช่วยให้ Minitab สามารถทำให้การเข้าถึงข้อมูลเชิงลึกเป็นเรื่องที่ง่าย ทีมงานของ Minitab ซึ่งประกอบด้วยผู้เชี่ยวชาญทางด้านการวิเคราะห์ข้อมูลที่ได้ผ่านการอบรมมาเป็นอย่างเข้มงวด จะช่วยให้ผู้ใช้งานมั่นใจว่าจะได้รับประโยชน์สูงสุดจากการใช้งานวิเคราะห์ข้อมูลและพร้อมที่จะให้คำปรึกษาตลอดเวลาที่ใช้งานเพื่อนำไปสู่การตัดสินใจที่ดีขึ้น รวดเร็ว และแม่นยำ
เป็นเวลากว่า 50 ปีที่ Minitab ได้ช่วยองค์การต่าง ๆ เพิ่มรายได้ ควบคุมและลดต้นทุน เพิ่มคุณภาพ เสริมสร้างความพึงพอใจของลูกค้า และเพิ่มประสิทธิภาพ ธุรกิจและองค์นับหมื่นทั่วโลกใช้ Minitab Statistical Software®, Companion by Minitab®, Minitab Workspace®, Salford Predictive Modeler® and Quality Trainer® เป็นเครื่องมือช่วยในการค้นพบและปรับปรุงความบกพร่องในกระบวนการ