知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-03-27
(54)【発明の名称】構成要素マッチング決定サポートツール
(51)【国際特許分類】
G06N 20/20 20190101AFI20240319BHJP
G06F 18/214 20230101ALI20240319BHJP
【ＦＩ】
G06N20/20
G06F18/214
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2023556504
(86)(22)【出願日】2022-03-14
(85)【翻訳文提出日】2023-11-10
(86)【国際出願番号】 US2022020113
(87)【国際公開番号】W WO2022197579
(87)【国際公開日】2022-09-22
(31)【優先権主張番号】63/161,620
(32)【優先日】2021-03-16
(33)【優先権主張国・地域又は機関】US
(31)【優先権主張番号】63/178,643
(32)【優先日】2021-04-23
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＰＹＴＨＯＮ
２．ＪＡＶＡ
(71)【出願人】
【識別番号】500049716
【氏名又は名称】アムジエン・インコーポレーテツド
(74)【代理人】
【識別番号】110001173
【氏名又は名称】弁理士法人川口國際特許事務所
(72)【発明者】
【氏名】デュルク，レビ
(72)【発明者】
【氏名】コスタ，ヒラリー・ドゥセット
(72)【発明者】
【氏名】モンテス，ルイス・イー
(57)【要約】
組合せ装置のばらつきを低減する方法は、少なくとも第１及び第２の構成要素の潜在的な組合せを識別することを含み、各組合せは組合せ装置の１つ又は複数のユニットを形成することができる。方法は、潜在的な各組合せについて、少なくとも組合せの第１の構成要素の１つ又は複数の特性の値及び組合せの第２の構成要素の１つ又は複数の特性の値を予測モデルへの入力として適用することにより、組合せの少なくとも第１及び第２の構成要素から形成される場合の組合せ装置のユニットの特質又は結果を予測することも含む。方法は、潜在的な組合せの予測された特質又は結果に基づいて、潜在的な組合せの中から組合せのサブセットを選択すること及び組合せの選択されたサブセットの指示を提供することも含む。
【特許請求の範囲】
【請求項1】
組合せ装置のばらつきを低減する方法であって、１つ又は複数のプロセッサにより、少なくとも第１の構成要素及び第２の構成要素の複数の潜在的な組合せを識別することであって、前記潜在的な組合せの各組合せは組合せ装置の１つ又は複数のユニットを形成することができる、識別することと、
前記潜在的な組合せの各組合せについて、前記１つ又は複数のプロセッサにより、少なくとも（ｉ）前記組合せの前記第１の構成要素の１つ又は複数の特性の値及び（ｉｉ）前記組合せの前記第２の構成要素の１つ又は複数の特性の値を予測モデルへの入力として適用することにより、前記組合せの少なくとも前記第１及び第２の構成要素から形成される場合の前記組合せ装置の前記ユニットの特質又は結果を予測することと、
前記１つ又は複数のプロセッサにより、前記潜在的な組合せの前記予測された特質又は結果に基づいて、前記潜在的な組合せの中から組合せのサブセットを選択することと、
前記１つ又は複数のプロセッサにより、組合せの前記選択されたサブセットの指示を提供することと、
を含む方法。
【請求項2】
前記潜在的な組合せの各組合せは、（ｉ）前記第１の構成要素のバッチ及び（ｉｉ）前記第２の構成要素のバッチからなる異なる対であり、前記潜在的な組合せの各組合せについて、
前記第１の構成要素の前記１つ又は複数の特性のそれぞれの値は、前記第１の構成要素のそれぞれのバッチを統計的に表し、
前記第２の構成要素の前記１つ又は複数の特性のそれぞれの値は、前記第２の構成要素のそれぞれのバッチを統計的に表す、請求項１に記載の方法。
【請求項3】
前記複数の潜在的な組合せを識別することは、前記第１の構成要素の異なるバッチの識別子の第１のセットを受信することと、
前記第２の構成要素の異なるバッチの識別の第２のセットを受信することと、
各々が前記第１のセットの識別子及び前記第２のセットの識別子からなる異なる対を形成することにより、前記複数の潜在的な組合せを識別することと、
を含む、請求項２に記載の方法。
【請求項4】
前記複数の潜在的な組合せを識別することは、実現不可能な組合せを省くことを含む、請求項１～３のいずれか一項に記載の方法。
【請求項5】
前記複数の潜在的な組合せを識別することは、前記複数の潜在的な組合せの各々の指示を受信することを含む、請求項１～３のいずれか一項に記載の方法。
【請求項6】
前記組合せの前記サブセットを選択することは、前記潜在的な組合せの前記予測された特質又は結果を目的関数への入力として使用して、前記目的関数を解くことを含む、請求項１～５のいずれか一項に記載の方法。
【請求項7】
前記方法は、前記潜在的な組合せの各組合せについて、１つ又は複数の追加の予測モデルを使用して、前記組合せの前記第１及び第２の構成要素から形成される場合の前記組合せ装置の前記ユニットの１つ又は複数の追加の特質又は結果を予測することを更に含み、前記目的関数は、各々が前記組合せ装置の異なる特質又は結果に対応する複数の機能項を含む、請求項６に記載の方法。
【請求項8】
前記組合せ装置は充填されたシリンジであり、前記第１の構成要素はシリンジであり、
前記第２の構成要素は流体製薬である、請求項１～７のいずれか一項に記載の方法。
【請求項9】
前記第１の構成要素の前記１つ又は複数の特性は、グライド力、シールド除去力、外筒直径、破壊試験結果、押子直径、又は押子重量のうちの１つ又は複数を含む、請求項８に記載の方法。
【請求項10】
前記第２の構成要素の前記１つ又は複数の特性は、粘度、密度、又はタンパク質濃度のうちの１つ又は複数を含む、請求項８又は９に記載の方法。
【請求項11】
前記組合せ装置は自動注入器であり、前記第１の構成要素はプレフィルドシリンジであり、
前記第２の構成要素は自動注入器サブアセンブリである、請求項１～７のいずれか一項に記載の方法。
【請求項12】
前記第１の構成要素の前記１つ又は複数の特性は、押出力、摺動降伏応力、タンパク質濃度、又は粒子特性のうちの１つ又は複数を含む、請求項１１に記載の方法。
【請求項13】
前記第２の構成要素の前記１つ又は複数の特性は、仕様番号、生理食塩水リリース試験結果、注入時間、作動力、又はばね力のうちの１つ又は複数を含む、請求項１１又は１２に記載の方法。
【請求項14】
前記組合せ装置の前記ユニットの前記特質又は結果を予測することは、前記組合せ装置の前記ユニットにわたる注入時間又は作動力のばらつきを示す値を予測することを含む、請求項８～１３のいずれか一項に記載の方法。
【請求項15】
前記組合せ装置の前記ユニットの前記特質又は結果を予測することは、前記組合せ装置の前記ユニットにわたる前記組合せ装置の特性の確率分布を予測することを含む、請求項１～１４のいずれか一項に記載の方法。
【請求項16】
前記組合せ装置の前記ユニットの前記特質又は結果を予測することは、前記組合せ装置の前記ユニットと関連するユーザ苦情の、存在、量、頻度、又は尤度を予測することを含む、請求項１～１４のいずれか一項に記載の方法。
【請求項17】
前記予測モデルは勾配ブーストツリーモデル又はニューラルネットワークである、請求項１～１６のいずれか一項に記載の方法。
【請求項18】
組合せの前記選択されたサブセットの前記指示を提供することは、ディスプレイに組合せの前記選択されたサブセットをユーザに示させることを含む、請求項１～１７のいずれか一項に記載の方法。
【請求項19】
前記組合せの前記選択されたサブセットの前記指示を提供することは、組合せの前記選択されたサブセットを示すデータを計算システム又はアプリケーションに送信することを含む、請求項１～１８のいずれか一項に記載の方法。
【請求項20】
組合せの前記選択されたサブセットに従って前記組合せ装置の複数のユニットを組み立てることを更に含む、請求項１～１９のいずれか一項に記載の方法。
【請求項21】
１つ又は複数の非一時的コンピュータ可読媒体であって、１つ又は複数のプロセッサにより実行されると、前記１つ又は複数のプロセッサに、
少なくとも第１の構成要素及び第２の構成要素の複数の潜在的な組合せを識別することであって、前記潜在的な組合せの各組合せは組合せ装置の１つ又は複数のユニットを形成することができる、識別することと、
前記潜在的な組合せの各組合せについて、少なくとも（ｉ）前記組合せの前記第１の構成要素の１つ又は複数の特性の値及び（ｉｉ）前記組合せの前記第２の構成要素の１つ又は複数の特性の値を予測モデルへの入力として適用することにより、前記組合せの少なくとも前記第１及び第２の構成要素から形成される場合の前記組合せ装置の前記ユニットの特質又は結果を予測することと、
前記潜在的な組合せの前記予測された特質又は結果に基づいて、前記潜在的な組合せの中から組合せのサブセットを選択することと、
組合せの前記選択されたサブセットの指示を提供することと、
を行わせる命令を記憶した、１つ又は複数の非一時的コンピュータ可読媒体。
【請求項22】
前記潜在的な組合せの各組合せは、（ｉ）前記第１の構成要素のバッチ及び（ｉｉ）前記第２の構成要素のバッチからなる異なる対であり、前記潜在的な組合せの各組合せについて、
前記第１の構成要素の前記１つ又は複数の特性のそれぞれの値は、前記第１の構成要素のそれぞれのバッチを統計的に表し、
前記第２の構成要素の前記１つ又は複数の特性のそれぞれの値は、前記第２の構成要素のそれぞれのバッチを統計的に表す、請求項２１に記載の１つ又は複数の非一時的コンピュータ可読媒体。
【請求項23】
前記複数の潜在的な組合せを識別することは、実現不可能な組合せを省くことを含む、請求項２２に記載の１つ又は複数の非一時的コンピュータ可読媒体。
【請求項24】
前記組合せの前記サブセットを選択することは、前記潜在的な組合せの前記予測された特質又は結果を目的関数への入力として使用して、前記目的関数を解くことを含む、請求項２１～２３のいずれか一項に記載の１つ又は複数の非一時的コンピュータ可読媒体。
【請求項25】
前記組合せ装置は充填されたシリンジであり、前記第１の構成要素はシリンジであり、
前記第２の構成要素は流体製薬である、請求項２１～２４のいずれか一項に記載の１つ又は複数の非一時的コンピュータ可読媒体。
【請求項26】
前記第１の構成要素の前記１つ又は複数の特性は、グライド力、シールド除去力、外筒直径、破壊試験結果、押子直径、又は押子重量のうちの１つ又は複数を含む、請求項２４に記載の１つ又は複数の非一時的コンピュータ可読媒体。
【請求項27】
前記第２の構成要素の前記１つ又は複数の特性は、粘度、密度、又はタンパク質濃度のうちの１つ又は複数を含む、請求項２５又は２６に記載の１つ又は複数の非一時的コンピュータ可読媒体。
【請求項28】
前記組合せ装置は自動注入器であり、前記第１の構成要素はプレフィルドシリンジであり、
前記第２の構成要素は自動注入器サブアセンブリである、請求項２１～２４のいずれか一項に記載の１つ又は複数の非一時的コンピュータ可読媒体。
【請求項29】
前記第１の構成要素の前記１つ又は複数の特性は、押出力、摺動降伏応力、タンパク質濃度、又は粒子特性のうちの１つ又は複数を含む、請求項２８に記載の１つ又は複数の非一時的コンピュータ可読媒体。
【請求項30】
前記第２の構成要素の前記１つ又は複数の特性は、仕様番号、生理食塩水リリース試験結果、注入時間、作動力、又はばね力のうちの１つ又は複数を含む、請求項２８又は２９に記載の１つ又は複数の非一時的コンピュータ可読媒体。
【請求項31】
前記組合せ装置の前記ユニットの前記特質又は結果を予測することは、前記組合せ装置の前記ユニットにわたる注入時間又は作動力のばらつきを示す値を予測することを含む、請求項２５～３０のいずれか一項に記載の１つ又は複数の非一時的コンピュータ可読媒体。
【請求項32】
前記組合せ装置の前記ユニットの前記特質又は結果を予測することは、前記組合せ装置の前記ユニットにわたる前記組合せ装置の特性の確率分布を予測することを含む、請求項２１～３１のいずれか一項に記載の１つ又は複数の非一時的コンピュータ可読媒体。
【請求項33】
前記組合せ装置の前記ユニットの前記特質又は結果を予測することは、前記組合せ装置の前記ユニットと関連するユーザ苦情の、存在、量、頻度、又は尤度を予測することを含む、請求項２１～３０のいずれか一項に記載の１つ又は複数の非一時的コンピュータ可読媒体。
【請求項34】
前記予測モデルは勾配ブーストツリーモデル又はニューラルネットワークである、請求項２１～３３のいずれか一項に記載の１つ又は複数の非一時的コンピュータ可読媒体。
【請求項35】
組合せの前記選択されたサブセットの前記指示を提供することは、ディスプレイに組合せの前記選択されたサブセットをユーザに示させること、又は
組合せの前記選択されたサブセットを示すデータを計算システム又はアプリケーションに送信すること
のうちの少なくとも一方を含む、請求項２１～３４のいずれか一項に記載の１つ又は複数の非一時的コンピュータ可読媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本願は、一般的には装置の組み立て又は製造に関し、より詳細には、装置を組み立てるか又は製造するときに使用すべき特定の構成要素又は構成要素バッチ／ロットの選択の技法に関する。
【背景技術】
【0002】
多くの製造／生産状況で、異なるタイプの構成要素が組み合わせられて、組合せ装置を形成する。製薬業では、例えば流体製薬は多くの場合、シリンジと組み合わせられて（即ち充填に使用されて）、流体充填シリンジを製造する。別の例として、流体充填シリンジを自動注入サブアセンブリと組み合わせて（即ち充填して）、完全な自動注入装置を製造することができる。更に別の例として、凍結乾燥製薬をバイアル又は他の容器と組み合わせる（即ち、充填に使用する）ことができる。これら及び他の状況の各々で、各構成要素の複数のバッチが、互いとの組合せに利用可能であり得る（例えば在庫にあり得る）。構成要素のばらつき（例えばバッチレベルのばらつき）に起因して、組合せ装置の所与のユニットに向けて任意の２つの構成要素がペアリング（又はより一般には、２つ以上の構成要素がマッチング）される様式は、個々の構成要素の許容差が最終製品で「積み重」なる様式に影響を及ぼし得、酌み交わせ装置の特性の可能な値（例えば、自動注入装置の注入時間等の装置の機能出力の値）の分布が広がることに繋がり得る。個々の構成要素の許容差が厳しく制御される場合であっても、最終製品の特性は比較的広範囲の値を示し得、拒絶率の増大、より多くのユーザ（例えば、顧客又は患者）苦情、及び／又は他の問題に繋がる恐れがある。更に、個々の構成要素の許容差を最終製品における許容差標的を満たすのに十分に厳しくすることは、法外なほどに高価であり得る。
【発明の概要】
【課題を解決するための手段】
【0003】
現在／従来の実施の上記欠点の幾つかに対処するために、本明細書に記載の実施形態は、異なる構成要素と関連付けられたデータ（例えば、異なる構成要素のバッチ固有又はユニット固有データ）を使用して、組合せ装置を製造又は組み立てるとき、それらの構成要素（例えば、特定の構成要素又は構成要素の特定のバッチ）をよりよくペアリング又はマッチングするシステム及び方法を含む。このようにして、組合せ装置の（例えば公称仕様前後の）ばらつきを低減することができ、それにより、従来のプロセス制御手段と比較してよりよい一貫性の製品性能（例えば、欠陥がより少なく及び／又はユーザ苦情がより少ない）を提供する。「構成要素」という用語は、その使用状況によりより具体的な意味が明らかに示される場合を除き、組合せ装置の任意の物理的部分（例えば、構造的部分構成要素、原材料、又は容器として作用する別の構成要素の充填に使用される流体、凍結乾燥薬剤、若しくは他の物質等）を指すために本明細書では広く使用される。更に、「組合せ装置」という用語は、その使用状況によりより具体的な意味が明らかに示される場合を除き、２つ以上の構成要素を使用して製造又は組み立てられ、（例えば、販売又は流通の）「最終」製品又は製品の中間段階であり得る任意の装置を指すために本明細書では広く使用される。
【0004】
本明細書に開示される技法では、予測機械学習モデルは、組合せ装置の形成に使用し得る構成要素の幾つかの異なる組合せ（例えば、構成要素Ａのバッチ１と構成要素Ｂのバッチ１及び構成要素Ａのバッチ１と構成要素Ｂのバッチ２等）の各々について、その組合せ装置のユニットの少なくとも１つの特質又は結果を予測する。予測される特質は、例えば、装置の品質又は性能の尺度（例えば、製造された複数のユニットにわたる組合せ装置の特性の標準偏差）であり得る。別の例として、予測される結果は、ユーザ苦情（ユーザ苦情一般又は特定のタイプのユーザ苦情）が発生することになるか否か又はそのような苦情がどの程度の頻度で生じることになるか等の指示であり得る。各予測を行うために、モデルは、組合せに考慮される各構成要素の１つ又は複数の特性の値に対して働く（即ち、入力として受け入れる）。これらのモデル入力は、構成要素と関連付けられた（例えば、特定の構成要素バッチと関連付けられた）実測値、識別子、他の予測（又は推測）値、及び／又は他のタイプの上流製造データを含み得る。モデルが種々の構成要素組合せの各々の特質又は結果（又は複数の特質及び／又は結果）を予測した後、オプティマイザ（例えば線形オプティマイザ）が予測値に対して動作して、装置の品質又は性能の所望の尺度（例えば、モデルにより予測された１つの特質／複数の特質及び／又は１つの結果／複数の結果の所望の値）を「最良」に（例えば最適に）満たすためにどの構成要素（又は構成要素バッチ等）をマッチングすべきかを判断する。
【0005】
特に、プレフィルドシリンジバッチを自動注入装置サブアセンブリバッチとペアリングする目的で本明細書に開示の技法を使用すると、バッチをランダムにペアリングする従来のプロセスと比較して平均注入時間のロット毎のばらつきを３０％～４５％低減することができることが示されている。一般に、利用可能な構成要素バッチ／ロットの数が増えるにつれて及び／又は特定の組合せ装置の製造／組み立てに必要な構成要素数が増えるにつれて、本明細書に開示される技法を使用してそれらの構成要素のバッチ／ロットをマッチングする恩恵もそれに対応して増大することができる。更に、本明細書に記載の技法を実施するソフトウェアツールは、構成要素又は構成要素バッチの特定の組合せが何故有利であるかの人間ユーザによる理解を促進することができる。例えば、そのようなツールを使用して、ユーザは、ばらつきの異なる原因を相殺する構成要素の直観的なペアリングを可能にする１組のヒューリスティック又は「経験則」を開発することができる。一般に、本明細書に記載の技法は、製造された組合せ装置にけるロット毎のばらつきを低減し及び／又はユーザ（例えば、顧客及び／又は患者）経験を改良するのに役立つことができる。
【0006】
当業者は、本明細書に記述される図が例示を目的として含まれ、且つ本開示を限定するものではないことを理解するであろう。図面は、必ずしも縮尺が正確ではなく、代わりに本開示の原理を図示することに重点が置かれている。幾つかの例では、記載される実装形態の理解を促進するために、記載される実装形態の様々な態様が誇張又は拡大された状態で示される場合があることを理解されたい。図面では、様々な図を通して、同様の参照符号は、全般的に、機能的に類似の且つ／又は構造的に類似の構成要素を指す。
【図面の簡単な説明】
【0007】
【図1】構成要素マッチングツールを実施して、製造された組合せ装置のユニットにわたるばらつきを低減するように構成要素をマッチングする一例のシステムの簡略化されたブロック図である。
【図2C】一例の装置／製品系譜を示す。
【図3B】一例の製造プロセスにおけるペアリング決定段階を示す。
【図5】潜在的なシリンジストッパ、シリンジ外筒、及び薬剤組合せの平均注入時間及び平均作動力の予測例を示すプロットを示す。
【図6】自動注入装置構成要素をランダムにマッチングした場合、ヒューリスティックルールを使用して自動注入装置構成要素をマッチングした場合、及び線形オプティマイザを使用して自動注入器構成要素をマッチングした場合の自動注入装置の予測平均注入時間を比較したプロットを示す。
【図7】組合せ装置が自動注入装置である一実施態様での一例としてのＳＨＡＰ及び特徴重要値のプロットを示す。
【図8】組合せ装置のばらつきを低減するための一例の方法の流れ図である。
【発明を実施するための形態】
【0008】
上記で導入として説明され、以下でより詳細に論じられる様々な概念は、多くの方法のいずれかで実施することができ、記載される概念は、いかなる特定の実装形態の様式にも限定されない。実装形態の例は、例証を目的として提供される。
【0009】
図１は、本明細書に開示の技法が実施され得る一例のシステム１００の簡略化されたブロック図である。一例のシステム１００は、Ｍ個のバッチ１０２Ａでの構成要素Ａのユニットと、Ｎ個のバッチ１０２Ｂでの構成要素Ｂのユニットとを含む（Ｍ及びＮは同じ又は異なる整数であり、数の一方又は両方は１よりも大きい）。構成要素Ａ及び構成要素Ｂは、互いと組み合わせられ／組み立てられて、組合せ装置を形成することができる任意の物理的構成要素であり得る。組合せ装置は、２つ以上のそのような構成要素を使用して製造又は組み立てられる任意の装置であり得、（例えば、販売又は流通の）「最終」装置／製品であってもよく又は装置／製品の中間段階（例えば、機器のサブアセンブリ）であってもよい。図２Ａ及び図２Ｂは、構成要素Ａ及び／又は構成要素Ｂの特定の非限定的な例を提供する。例えば、構成要素Ａは図２Ａのシリンジ２００であり得、シリンジ２００は外筒２０２、押子／ストッパ２０４、フランジ２０６、ニードル２０８、及び恐らくはニードルシールド２１０を含み、構成要素Ｂは、結果として生成される組合せ装置が流体充填シリンジであるように、シリンジ２００を充填する流体製薬であり得る。別の例として、構成要素Ａは図２Ａの外筒２０２（フランジ２０６と一体化される）と（プレステークド）ニードル２０８との組合せであり得、構成要素Ｂは図２Ａの押子／ストッパ２０４であり得る。
【0010】
図２Ｂは、構成要素Ａが流体充填シリンジ２２２であり、構成要素Ｂが前部自動注入装置サブアセンブリ２２４及び後部自動注入装置サブアセンブリ２２６の両方を含み、組合せ装置が完全な自動注入装置である、続く製造／組み立て段階に対応する更に別の例を示す。代替的には、システム１００は、サブアセンブリ２２４及び２２６を別個の構成要素として扱い、流体充填シリンジ２２２（構成要素Ａ）のバッチ、前部自動注入装置サブアセンブリ２２４（構成要素Ｂ）のバッチ、及び後部自動注入装置サブアセンブリ２２６（構成要素Ｃ、図１に示されず）のバッチをマッチングし得る。本明細書に記載の技法が任意の数の構成要素に適用可能であり、連続した製造段階で複数回適用可能（例えば、流体充填シリンジのばらつきを低減するため及び続く製造段階でも最終自動注入装置のばらつきを低減するために）なことが理解される。
【0011】
幾つかの実施形態では、システム１００は、１組の複数のバッチを別の組の１つ又は複数のバッチとマッチングする。例えば、バッチ１０２Ａは、１組１０個のバッチの構成要素Ａに対応し得、一方、バッチ１０２Ｂは構成要素Ｂの１つのバッチ（又は１０個のバッチ、２０個のバッチ等）に対応し得る。本明細書における説明は主に、構成要素の異なるロット又はバッチのマッチングに関連する（例えば、各「バッチ」は同じプロセスラン及び／又は同じ時間窓等及び同じ設備で製造されたユニットからなる）が、幾つかの実施形態では、システム１００は代わりに、ユニット単位で構成要素をマッチングする（例えば、測定のためにバッチユニットのサブセットを単にサンプリングするのではなく、各構成要素の全てのユニットがテストされて、解析することができる測定データを提供する場合）。したがって、「バッチ」のマッチングに関して本明細書に記載される実施形態は、代わりに単一のユニットをマッチングしてもよく、任意のサイズのユニットの集まり（例えば、製造プロセスにより定義される「バッチ」に対応しない集まり）をマッチングしてもよく、又は複数のバッチのセットをマッチングしてもよいことが理解される。
【0012】
更に、本明細書に記載の大半の実施形態は、異なるタイプの構成要素のマッチングに関わるが、幾つかの実施形態では、組合せ装置は、全く同じ構成要素の少なくとも２つのユニットから形成され、バッチ１０２Ａ及び１０２Ｂは、その構成要素の全バッチのサブセットである（即ち、構成要素Ａ及びＢは同じ構成要素である）。更に、本明細書に記載の大半の実施形態は医薬装置（例えば自動注入装置）に関わるが、他の実施形態では、組合せ装置は非医薬装置、例えば、家電又は家電サブアセンブリ、自動車又は自動車サブアセンブリ、医療機器又は医療機器サブアセンブリ等である。例えば、自動車実施形態では、構成要素Ａ及びＢはそれぞれ、エンジンのシリンダヘッド及びピストンであり得る。
【0013】
一般に、本明細書に記載のマッチング技法は、製造プロセス内の構成要素系譜の任意のレベル（例えば、１つ又は複数のサブアセンブリ又は部分構成要素及び最終アセンブリ／製品を各々含む１つ又は複数の階層レベル）での構成要素のマッチングに使用し得る。以下を含む特定の状況及び／又は品質は、所与の製造プロセスを、本明細書に開示の技法を通した改良により適したものにし得る：（１）プロセスの１つ又は複数の構成要素からのデータ（例えば製造データ）は、対応する製造状態が開始される前、利用可能であり、（２）どの濃い悪阻が所与の最終製品又は最終製品バッチで使用されるかをリンクするバッチ（又は他のグループ分け）系譜データが利用可能であり、（３）利用可能なプロセス構成要素データは最終製品の関心のある特性を予測することができ、（４）大半の予測特性は、組み合わせられることになる２つ以上の構成要素（いかなるペアリング決定も行う機会もない１つのみの構成要素ではなく）の特性を含む。
【0014】
図２Ｃは、１つのそのような装置／製品系譜２５０の一例を示し、異なる構成要素の異なるバッチが組み合わせられて、サブアセンブリが作製され、最終的に最終製品の異なるロットが作製される。「構成要素」という用語が本明細書で使用される場合、「最終製品」層下の全ての枠（例えば、「構成要素Ｃ」、「サブアセンブリＡＢ」等）は組合せ可能な構成要素として見ることができることが理解される。したがって、系譜２５０は、第１のレベルが３つの別体の構成要素を含み、第２のレベルが４つの別体の構成要素を含む（２つのバッチが「構成要素Ｃ」に示され、２つのバッチが「構成要素Ｄ」が示される）製造プロセスを表す。
【0015】
幾つかの実施形態では、１つの構成要素（例えば、構成要素Ａ又は構成要素Ｂ）の異なるバッチは、同じ一般構成要素タイプであるが、全く同じであるわけではない。再び図１を参照すると、例えば、構成要素Ａの全てのバッチ１０２Ａは同じシリンジのバッチ（例えば、同じ部品番号又は部品番号のアセンブリ）であり得、一方、構成要素Ｂの異なるバッチ１０２Ｂは異なる流体製薬であり得る。即ち、本明細書に記載の技法は、単一のシリンジタイプの異なるバッチを異なる製薬と組み合わせるのに使用し得る。これは、一般に、異なる薬剤特質（例えば、粘度、タンパク質濃度等）に起因して、構成要素のばらつきの影響が異なる薬剤にわたり一定ではないことが分かっているため、有利であることができる。したがって、異なる容器バッチとの薬剤タイプの最適なマッチング及び／又は異なる自動注入装置サブアセンブリバッチとの異なる薬剤タイプを含むプレフィルドシリンジの最適なマッチングは、最終自動注入装置のばらつきを低減することができる。
【0016】
システム１００は、各バッチ１０２Ａ及び各バッチ１０２Ｂの１つ又は複数の特性を表すデータを測定及び／又は収集するように一般に構成された特性付けシステム１０４を含む。特性付けシステム１０４は、２つのバッチ１０２Ａ、１０２Ｂの特性を測定するために別個の装置を含み得る（例えば、構成要素Ａ及び構成要素Ｂの種類が、異なる測定機器を必要とするのに十分に異なる場合又は構成要素Ａ及び構成要素Ｂが異なる場所で製造される場合等）。構成要素Ａがシリンジであり、構成要素Ｂが流体製薬である場合、例えば、特性付けシステム１０４は、構成要素Ａのユニットの外筒内径を自動的及び／又は手動で測定する第１のセンサ（例えばカメラ）及び関連付けられた機器（例えば、光学コンパレータ及び測定値を記憶する計算装置）と、製薬粘度を自動的及び／又は手動で測定する第２のセンサ（例えば粘度計）及び関連付けられた機器（例えば、測定値を記憶する計算装置）とを含み得る。特性付けシステム１０４は、複数のデータソース（例えば、異なる組織、システム等）を含み得及び／又は複数のデータソースからデータを収集し得、データは１つ又は複数の時間期間に対応することができる。
【0017】
幾つかの実施形態では、特性付けシステム１０４は、各バッチでのユニットのサブセットのみをサンプリングし、そのバッチの代表の特性値（例えば、平均外筒内径、平均粘度等）を特定する。一般に、特性値は、平均、中央値、最小、最大、標準偏差、及び特定の四分位数値等の、異なる構成要素の各々と関連付けられた１つ又は複数のテスト及び／又はプロセスからの要約統計量であり得る。
【0018】
他の実施形態（例えば、構成要素がバッチ単位ではなく個々にマッチングされる場合）では、特性付けシステム１０４は、構成要素Ａのあらゆるユニット及び構成要素Ｂのあらゆるユニットを測定する。幾つかの実施形態では、特性付けシステム１０４は、特定の特性の値を間接的に測定する（即ち「ソフトセンス」）装置及び関連付けられた機器（例えば、センサコントローラ、計算装置等）を含む。例えば、特性付けシステム１０４は、流体製薬のラマンスキャンを解析して、化学組成及び分子構造を示す値を特定するラマン分光計を含み得る。
【0019】
システム１００は、特性付けシステム１０４に結合された計算システム１１０も含む。計算システム１１０は、単一の計算装置又は同じ位置に配置された若しくは互いに遠隔に配置された複数の計算装置（例えば、１つ又は複数のサーバ及び１つ又は複数のクライアント装置）を含んでもよい。図１に示す一例の実施形態では、計算システム１１０は、１つ又は複数のプロセッサ１２０、ネットワークインタフェース１２２、ディスプレイ１２４、ユーザ入力装置１２６、及びメモリ１２８を含む。幾つかの実施形態では、計算システム１１０は特性付けシステム１０４の一部分を含む。
【0020】
プロセッサ１２０の各々は、メモリ１２８に記憶されたソフトウェア命令を実行して、本明細書に記載のように、計算システム１１０の機能の幾つか又は全てを実行するプログラム可能なマイクロプロセッサであってもよい。代わりに、プロセッサ１２０の１つ又は複数は、他のタイプのプロセッサ（例えば、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）等）であってもよい。
【0021】
ネットワークインタフェース１２２は、１つ又は複数の通信プロトコルを使用して外部装置及び／又はシステム（例えば、特性付けシステム１０４、計算システム１１０から最適な組合せの指示を受信する別の計算システム、又は計算システム１１０と特性付けシステム１０４との間にインタフェースを提供するサーバ等）と通信するように構成された任意の適したハードウェア（例えば、フロントエンド送信器及び受信器ハードウェア）、ファームウェア、及び／又はソフトウェアを含んでもよい。例えば、ネットワークインタフェース１２２は、イーサネットインタフェースであってもよく、又はイーサネットインタフェースを含んでいてもよい。図１には示されないが、計算システム１１０は、単一の通信ネットワークを介して又は１つ若しくは複数のタイプの複数の通信ネットワーク（例えば、１つ若しくは複数の有線及び／又は無線ローカルエリアネットワーク（ＬＡＮ）、及び／又は１つ若しくは複数の有線及び／又は無線ワイドエリアネットワーク（ＷＡＮ）、例えばインターネット若しくはイントラネット等）を介して、特性付けシステム１０４及び／又は計算システム１１０と特性付けシステム１０４との間にインタフェースを提供する任意の装置と通信してもよい。
【0022】
ディスプレイ１２４は、情報をユーザに提示するために任意の適切な表示技術（例えば、ＬＥＤ、ＯＬＥＤ、ＬＣＤ等）を使用してもよく、ユーザ入力装置１２６は、キーボード又は他の適切な入力装置であってもよい。幾つかの実施形態では、ディスプレイ１２４及びユーザ入力装置１２６は、単一の装置（例えば、タッチスクリーンディスプレイ）内に一体化される。一般に、ディスプレイ１２４及びユーザ入力装置１２６を組み合わせて、例えば、推奨される構成要素バッチ組合せをユーザに通知する等の目的のため、計算システム１１０により出力された視覚プレゼンテーション（例えば、グラフィカルユーザインタフェース又は表示された情報）をユーザが見ること及び／又はそれと相互作用することを可能にしてもよい。
【0023】
メモリ１２８は、揮発性及び／又は不揮発性メモリを含む１つ又は複数の物理メモリ装置又はユニットを含んでもよく、計算システム１１０の様々な計算装置に位置するメモリを含んでもよい。読み取り専用メモリ（ＲＯＭ）、ソリッドステートドライブ（ＳＳＤ）、ハードディスクドライブ（ＨＤＤ）等の任意の適した１つ又は複数のタイプのメモリが使用されてもよい。メモリ１２８は、構成要素マッチングツール１３０を含む１つ又は複数のソフトウェアアプリケーションの命令を記憶する。構成要素マッチングツール１３０は、プロセッサ１２０の幾つか又は全てにより実行されると、一般に、（１）特性付けシステム１０４により生成された構成要素バッチデータを収集し、（２）バッチ１０２Ａと１０２Ｂのどの組合せが、組合せ装置のユニットによりよい特質及び／又は結果（例えば、組合せ装置の特定の特性の分布が狭い及び／又はユーザ苦情がより少ない等）を提供するはずであるかを判断し、（３）それらの組合せの指示をユーザ及び／又は別の計算システム又はアプリケーションに提供することを行うように構成される。このために、構成要素マッチングツール１３０は、トレーニングモジュール１４０、組合せ識別モジュール１４２、予測モジュール１４４、及び最適化モジュール１４６を含む。モジュール１４０～１４６は、構成要素マッチングツール１３０の別個のソフトウェア構成要素若しくはモジュールであってもよく、又は単に、異なる構成要素／モジュールの間で必ずしも分割されていない、構成要素マッチングツール１３０の機能を表してもよい。例えば、幾つかの実施形態では、予測モジュール１４４及びトレーニングモジュール１４０は、単一のソフトウェアモジュールに含まれる。更には、幾つかの実施形態では、異なるモジュール１４０～１４６は、構成要素マッチングツール１３０の複数のコピー間で（例えば、計算システム１１０における異なる装置で実行されて）又は計算システム１１０の１つ若しくは複数の装置に記憶され実行される異なるタイプのアプリケーション間で分散されてもよい。モジュール１４０～１４６の各々の動作は、システム１００の動作を参照して以下で更に詳述する。
【0024】
これもまた更に以下詳述するように、計算システム１１０は、トレーニング目的で履歴データベース１５０にアクセスするように構成される。履歴データベース１５０は、特性付けシステム１０４により収集され及び／又は他の同様の装置又はシステムにより収集された過去の特性データと関連付けられたパラメータ値を記憶し得る。例えば、履歴データベース１５０は、流体製薬の個々の（又は平均、算術平均等）粘度及び／又はタンパク質濃度、シリンジの外筒直径及び／又はグライド力等、及び恐らくは他の関連パラメータの値（例えば時間）も記憶し得る。幾つかの実施形態では、履歴データベース１５０は、追加又は代替として、薬剤流体バッチが、閾値サイズを超えた（例えば２０μｍを超えた）粒子を含むと観測されたか否かを示すデータ等の特定の構成要素又は構成要素バッチのカテゴリ値を記憶する。履歴データベース１５０は、異なる構成要素のバッチの特定の組合せから形成された組合せ装置のユニットの実際の特質及び／又は結果を表す「ラベル」情報を記憶することもできる。幾つかの実施形態では、各ラベルは、組合せ装置の結果としてのロットと関連付けられた実測数値である。例えば、各ラベルは、構成要素バッチの特定の組合せを使用して形成された自動注入装置のバッチの平均注入時間若しくは平均作動力であってもよく、又は自動注入装置のバッチの注入時間若しくは作動力の確率分布を定義する１つの値若しくは１組の値等であってもよい。これに代えて又は加えて、各ラベルは、特定のタイプのユーザ苦情（例えば、患者苦情、顧客苦情等）又はユーザ苦情全般が、結果としての組合せ装置で何らかの閾値数若しくは頻度を超えたか否かの指示、又はそのような苦情の厳密な数、頻度、及び／又は尤度等であり得る。データベース１５０は、メモリ１２８の永久的メモリ、計算システム１１０の異なる永久的メモリ、又は別の装置若しくはシステムに記憶し得る。幾つかの実施形態では、計算システム１１０は、ネットワークインタフェース１２２を使用してインターネットを介してデータベース１５０にアクセスする。
【0025】
構成要素マッチングツール１３０のトレーニングモジュール１４０は、履歴データベース１５０に記憶されている特性（例えば測定）データ及び関連付けられたラベルを使用して、予測モデル１３２をトレーニングし、これは次いで予測モジュール１４４により使用されて、構成要素バッチの特定の組合せから生じる組合せ装置のユニットの予測を行う。予測モデル１３２は、決定木アンサンブルモデル（例えば、勾配ブーストツリーモデル）、ニューラルネットワーク、サポートベクターマシン（ＳＶＭ）モデル、決定木モデル、又は任意の他の適したタイプのモデルであり得る。より具体的な例として、予測モデル１３２はＸＧブーストモデルであり得、このモデルは、特定の他の予測モデルタイプ（例えば、線形回帰、ＬＡＳＳＯ、及びランダムフォレストモデル）と比較して、開示された技法に優れた性能を届けることが分かっている。予測モデル１３２は、例えば、構成要素バッチの特定の組合せの結果として生成される組合せ装置の特定の分類（例えば、「仕様許容差内にある」若しくは「仕様許容差内にない」若しくは「良好なユーザ経験」、「中程度のユーザ経験」、及び「悪いユーザ経験」等）を予測する分類器、特定の１つ又は複数の数値（例えば、平均注入時間、注入時間の標準偏差、注入時間の四分位範囲等）を予測するモデル、又は完全確率分布を予測するモデル（例えば、予測モデル１３２がモジュール式ニューラルネットワーク（ＭＮＮ）を含む場合）を含み得る。予測モデル１３２は、例えば、オープンソースＰｙｔｈｏｎライブラリを使用して作成し得る。
【0026】
幾つかの実施形態では、予測モデル１３２は再トレーニング／改良され、又は新しい予測モデルが特定の使用事例に向けてトレーニングされる。例えば、予測モデル１３２又は新しいモデルは、使用すべき製造場所、製造されている製薬の改訂／バージョン又はタイプ、特定の時間期間等に固有の履歴データを使用してトレーニングし得る。更に、１つ又は複数のラベルがユーザ経験を表す実施形態では、ラベルは、特に、関連する地理（例えば、世界、米国、又は非米国）、年齢群、最終使用環境（例えば、サンプル装置、販売用装置、又は医療用途装置）等に制限し得る。
【0027】
予測モデル１３２の生成（例えば、恐らくは何らかのユーザ入力と共に、部分的又は全体的にトレーニングモジュール１４０による）は、例えば、以下を含み得る：（１）前処理データ（特徴を正規化及びスケーリングし、データ型を変換し、欠損データを入力することにより、予測モデル１３２により使用されるように履歴データを準備する）、（２）前処理されたデータをトレーニングセット及びテスト／検証セットに分け（データの過学習を回避し、見知らぬデータで予測モデル１３２の性能を推定するため）、（３）モデルタイプを選択し（所与の予測にどの教師あり機械学習アルゴリズムを使用するかを決定する）、（４）ハイパーパラメータを選択して相互検証し（特定のデータセットに向けて所与のモデルを調整するために裁量のパラメータを決定する）、（５）モデルフィッティングを実行し（トレーニングデータ及び調整パラメータを使用して、最小化すべき最適な損失関数を選択する能力を有する予測モデルを作成する）、（６）予測モデル１３２を評価し（トレーニング済みの予測モデル１３２を使用して、テストセットで予測を行うことによりモデル性能を評価する）、（７）特徴重要度を決定する（トレーニング済み予測モデル１３２が入力データに基づいて予測出力値にいかに到達するかの視覚的表現を提供する）。ＸＧブーストモデルの調整パラメータは、例えば、最大深度、推定子数、最小子重み、学習速度、ツリーによるカラムサンプル（ｃｏｌｕｍｎ ｓａｍｐｌｅ ｂｙ ｔｒｅｅ）、サブサンプル、アルファ、ガンマ、及びラムダを含み得る。モデル性能は、例えば、決定係数（Ｒ２）メトリックを使用して評価し得る。
【0028】
更に詳細に以下考察するように、組合せ識別モジュール１４２は一般に、構成要素バッチの特定の組合せ（例えば、各々がバッチ１０２Ａの１つをバッチ１０２Ｂの１つとペアリングする異なる組合せ）を識別するように構成され、予側モジュール１４４は次いで、その組合せから生じる組合せ装置の１つ又は複数の特質及び／又は結果を予測することになる。これもまた更に詳細に以下考察するように、最適化モジュール１４６は一般に、予測モジュール１４４により出力された組合せ固有の予測を処理して、製造／組み立てで使用すべき組合せのセット又は製造／組み立てに推奨される組合せのセットを生成するように構成される。
【0029】
上述したように、計算システム１１０は、１つの装置又は複数の装置を含んでもよく、複数の装置を含む場合、同じ位置に配置されてもよく、又は遠隔に分散されてもよい（例えば、異なる装置間のイーサネット及び／又はインターネット通信を有して）。一実施形態では、例えば、計算システム１１０の第１のサーバ（モジュール１４０を含む）は、予測モデル１３２をトレーニングし、計算システム１１０の第２のサーバは、特性付けシステム１０４から測定値及び／又は他のデータを収集し、計算システム１１０の第３のサーバ（モジュール１４２、１４４、１４６を含む）は、第２のサーバから測定値及び／又は他のデータを受信し、トレーニングされた予測モデル１３２のコピーを使用して、受信した測定値及び／又は他のデータに基づいて予測を生成する。別の例として、上記例の第３のサーバは、トレーニングされた予測モデル１３２のコピーを記憶せず、代わりに、第２のサーバに測定値を提供することにより予測モデル１３２を利用する（例えば、予測モデル１３２がウェブサービス構成を介して利用可能な場合）。本明細書で使用する場合、用語の使用状況が明らかに別のことを示さない限り、モデル（例えば予測モデル１３２）を「実行する」、「使用する」、「実施する」等の用語は、ローカルに記憶されたモデルを直接実行する又は他の装置（例えば、リモートサーバ）にモデルを実行させるように要求するという代替形態を包含するように広く使用される。図１に示し及び／又は本明細書に記載されるものを超える機能の更なる他の構成及び分散も可能であり、本明細書に開示される本発明の範囲内にあることが理解される。
【0030】
ここで、図１の構成要素及び図３Ａに示すプロセス３００の両方を参照してシステム１００の動作を更に詳細に説明する。初期トレーニング段階３０２において、構成要素マッチングツール１３０は、履歴データベース１５０から履歴データ３０４（例えば、過去の構成要素測定値及び関連付けられたラベル）を取り出し、トレーニングモジュール１４０は、取り出された履歴データ３０４を使用して予測モデル１３２をトレーニングする。例えば、構成要素Ａがシリンジであり、構成要素Ｂが製薬である場合、履歴データ３０４は以下を含み得る： （１）履歴データベース１５０において表されたシリンジの各バッチについて、グライド力、シールド除去力（ｓｈｉｅｌｄ ｒｅｍｏｖａｌ ｆｏｒｃｅ）、外筒内径、破壊試験結果、押子のトリム最大外径、押子の最大外径、及び／又は押子のシリコーン重量を示すデータ、例えばバッチの平均値、及び（２）履歴データベース１５０において表される薬剤の各バッチ及び／又はタイプについて、薬剤識別子並びに／或いは例えば適切な場合には平均値を用いる薬剤粘度、タンパク質濃度、製造場所、及び／又は密度等の他の情報。別の例として、構成要素Ａがプレフィルドシリンジであり、構成要素Ｂが後部自動注入装置サブアセンブリを含む場合、履歴データ３０４は以下を含み得る：（１）履歴データベース１５０において表されるプレフィルドシリンジの各バッチについて、押出力、ブレークルーズ力、タンパク質濃度、特性（例えば、特定のサイズを超える粒子が製薬中で観測されたか否か）、及び／又は上記シリンジ固有特性のいずれか（例えば、グライド力、外筒内径等）を示すデータ、例えばバッチの平均値、及び（２）履歴データベース１５０において表される後部自動注入装置サブアセンブリの各バッチについて、例えば適切な場合には平均値を用いた、仕様番号、生理食塩水リリース試験結果（注入時間及び／又は作動力）、並びに／或いはばねデータ（例えばばね力）。
【0031】
トレーニングモジュール１４０は、注入時間又は作動力等の組合せ装置の特定の特質を予測するように予測モデル１３２をトレーニングする（例えば、組合せ装置がプレフィルドシリンジ又は完全な自動注入装置である場合）。値は、例えば、特定の組合せ（例えば、構成要素Ａのバッチ１と構成要素Ｂのバッチ２との組合せ）と関連付けられた特定のバッチから形成される全ての組合せ装置の特性の予期される平均値であってもよく又は特性のばらつきを示す予期されるメトリック（例えば、予測される標準偏差）であってもよい。他の実施形態では、トレーニングモジュール１４０は、構成要素の特定の組合せから形成された場合の組合せ装置の確率分布を予測するように予測モデル１３２をトレーニングする。
【0032】
幾つかの実施形態では、予測モデル１３２は１つ又は複数の予備モデル段階を含む。例えば、予測モデル１３２の第１のモデル段階は、履歴データ１５０からの入力を、寸法の縮小セットを反映した値に変換し得る。より具体的な例として、予測モデル１３２は主成分分析（ＰＣＡ）技法を入力のセット又はサブセットに適用して、そのセット又はサブセットをｎ次元に縮小し、次いでｎ個の値（１次元に１つずつ）を入力として、予測値を出力する後続モデル段階（例えば、決定木アンサンブルモデル又はニューラルネットワーク）に適用し得る。そのような実施形態では、トレーニングモジュール１４０は、段階３０２において次元縮小を実行し、それから、トレーニングを目的として入力を予測モデル１３２の残りの部分に適用し得る。
【0033】
段階３０２は、（例えば、トレーニングに使用されなかった履歴データ３０４の一部分を使用して）トレーニングされた予測モデル１３２を検証及び／又は認定することを含むこともできる。満足のいくようにトレーニングされ、恐らくは検証／認定されると、構成要素マッチングツール１３０の予測モジュール１４４は、段階３１０において予測モデル１３２を使用して、考慮されている構成要素又は構成要素バッチの各組合せの１つ又は複数の組合せ装置特性の値を予測することができる。しかしながら、段階３１０の前、構成要素マッチングツール１３０の組合せ識別モジュール１４２は、構成要素バッチのどの組合せ（ひいては新しいデータ３０６のどのサブセット）を分析すべきかを判断する。新しいデータ３０６は、組合せ装置の新しいユニットを形成するために組み立てられるべき構成要素バッチの特性を示すデータを含み、履歴データ３０４に関して上述したものと同じタイプの測定値及び／又は他の構成要素データ（例えば、シリンジグライド力、製薬識別子等）を含んでもよい。
【0034】
組合せ識別モジュール１４２は、例えば、ユーザにより（例えばユーザ入力装置１２６を介して）手動で入力されたか、又は別の計算システム、記憶装置、若しくはアプリケーションからの異なる構成要素（例えば、構成要素Ａ及び構成要素Ｂ）のバッチ識別子のリストを受信し、次いで、バッチ識別子リストに基づいて可能な各順列を自動的に生成することにより、考慮すべき組合せを決定し得る。他の実施形態では、段階３０８における組合せ識別モジュール１４２は、段階３１０において処理リソースを無駄にしないように、実現可能ではないか、又は実用的ではない（例えば、製造プロセスのタイミング／シーケンシングに起因して、２つのバッチを組み合わせることが可能ではない）組合せもフィルタリングして除外する（省く）。他の実施形態では、組合せ識別モジュール１４２は、単に考慮すべき適切な構成要素／バッチ組合せの指示を（例えば、ユーザにより手動で入力されるか、又は別の計算システム、記憶装置、若しくはアプリケーションから）受信することにより、考慮すべき適切な構成要素／バッチ組合せを識別／決定する。幾つかの実施形態及び／又は状況では、組合せ識別モジュール１４２の出力（及び／又は組合せ識別モジュール１４２への入力）は、例えば、製造プロセスへの大きな混乱を回避するために、構成要素バッチを限られた時間しか「保持」エリアに確保することができないように、時間に基づいて制限される。
【0035】
段階３１０において、予測モジュール１４４は、ブロック３０８において識別された組合せの構成要素／バッチに対応する新しいデータ３０６の一部分／サブセットを予測モデル１３２への入力として適用する。予測モジュール１４４は、識別された各組合せについて順次、即ち、ある組合せの関心のある特質又は結果を予測し、それから次の組合せを処理することにより、データ３０６に対して動作し得る。代替的には（例えば、プロセッサ１２０が予測モジュール１４４の複数のインスタンスを実施することができる場合）、構成要素マッチングツール１３０は複数の組合せの予測を並列して行い得る。上述したように、予測モデル１３２は、幾つかの実施形態では、次元縮小段階を含むことができ、その場合、段階３１０は、次元縮小データを予測モデル１３２に入力する前に、データ次元を縮小することを含む。
【0036】
段階３１０における出力は、段階３０８において識別された各組合せの１つ又は複数の特質及び／又は結果（即ち、トレーニング段階３０２で使用されたラベルにより表されるものと同じタイプの特質及び／又は結果）の予測を含む。段階３１２において、最適化モジュール１４６は、識別された全ての組合せの予測された特質及び／又は結果をオプティマイザへの入力として適用して、組合せのどのセットが「最良」（例えば最適な）性能を提供するかを判断する。オプティマイザは線形オプティマイザであり得る。例えば、最適化モジュール１４６はＰｕＬＰ（Ｐｙｔｈｏｎ線形プログラミングアプリケーションプログラミングインタフェース（ＡＰＩ））を使用して、目的関数を定義し、外部ソルバを呼び出し得る。
【0037】
予測モジュール１４４が１つのみの特質（例えば、特定の構成要素組合せから生じた全ての組合せ装置ユニットにわたる注入時間の標準偏差）を予測する幾つかの実施形態では、最適化モジュール１４６は以下の目的関数を解き：
式中、Ｊｉは第ｉの組合せの予測平均組合せ装置特質（例えば平均注入時間）であり、Ｊｍｅａｎは、所与の薬剤を使用した場合の実際の（例えば実測又は既知の）平均組合せ装置特質であり、Ｘｉは、考慮されている順列及びｉの値に応じてゼロ又は１のいずれかである。整数ｎは、段階３０８において識別された組合せの順列の総数を表す。例えば、構成要素Ａの１２個のバッチ及び構成要素Ｂの２０個のバッチが利用可能であり、組合せ識別モジュール１４２がいずれの組合せも除外しない場合、ｎ＝１２×２０＝２４０である。上記目的関数を最小化する場合、最適化モジュール１４６は、任意の所与の和に２つの相互に排他的な組合せが選択されないようにＸｉの値を設定する。比較的簡単な例として、構成要素Ａの２つのバッチ及び構成要素Ｂの３つのバッチが利用可能な場合、最適化モジュール１４６は、以下のようにＸｉを設定することにより、上記目的関数の合算部分を計算し得る。
【数1】
【0038】
【表1】
【0039】
この例において目的関数を最小化するために、最適化モジュール１４６は、列Ｘ１～Ｘ６のいずれが最小和に繋がるかを判断し、それを組合せの所望のセットとして選択する。
【0040】
幾つかの実施形態では、最適化モジュール１４６は、例えば、予測モジュール１４４により予測される各特質又は結果に１つの項を有する、上記関数に示される項と各々同様の複数の項を含む目的関数を最小化する。例えば、目的関数は、平均注入時間に対応する第１の項と、苦情の平均数（例えば、１０ユニット当たりで１つの苦情が予測される場合、０．１）に対応する第２の項とを含み得る。目的関数の個々の項の幾つか又は全ては、組合せ装置の全体性能に対する各項の知覚される重要性に応じて加重し得る。
【0041】
最適化モジュール１４６は、目的関数を最小化する組合せのセット／順列を示す出力を提供し、段階３１４において、組合せ装置のロットが、示された組合せを使用して（例えば、商業規模の生産機器を使用して）製造される。幾つかの実施形態では、組合せマッチングツール１３０は、結果として生成された組合せをユーザに示すユーザインタフェースをディスプレイ（例えばディスプレイ１２４）に提示させ、ユーザは次いで（恐らくは手動レビュー／確認の後）、１つ又は複数の行動をとり、段階３１４における製造がそれらの組合せを使用することを保証する。他の実施形態では、組合せマッチングツール１３０は、結果として生成された組合せを示すデータを別の計算システム又はアプリケーションに送信し、そして計算システム又はアプリケーションは、製造プロセスにそれらの組合せを自動的に使用させる（例えば、適切な運搬／ルーティング機器を制御することにより）。
【0042】
幾つかの実施形態では、段階３１４において製造された組合せ装置の測定値は手動又は自動的に取得され、段階３１０において行われた予測と突き合わせて比較するためにラベルとして使用される。１つ又は複数のバッチ組合せの各々について、例えば、対応するラベルと共に予測モデル１３２に適用された（新しいデータ３０６からの）対応する入力データは、トレーニングモジュール１４０にフィードバックすることができ、トレーニングモジュール１４０はそのデータ及びラベルを使用して、更なるトレーニングを通して予測モデル１３２を改良／更新し得る。
【0043】
図３Ｂは、一例の製造プロセス３２０におけるペアリング決定段階を示す。第１の段階において、異なる薬剤（及び恐らくは各薬剤の異なるバッチ）が、他の構成要素（及び恐らくはそれらの他の構成要素の異なるバッチ）とペアリングされる。例えば、異なる流体製薬を異なるタイプの組み立てられたシリンジ及び／又はそれらのシリンジの異なるバッチとペアリングし得る。図３Ｂに示される第２の段階は、例えば、特定の充填されたシリンジと特定の自動注入装置サブアセンブリとのペアリングを表し得る。構成要素マッチングツール１３０は、ガラス破損確率の最小化、所望の注入時間からの標準偏差の最小化等の１つ又は複数の特性値を最適化しようとして、構成要素及び／又はバッチをマッチングし得る（図３Ｂにおいて破線で示されるように）。典型的には、段階の番号が上がるにつれて（即ち、最終製品に近づくにつれて）、データ可用性及び予測力は大きくなるが、マッチング決定を通した改良機会は少なくなる。
【0044】
図４は、幾つかの実施形態における、図１の構成要素マッチングツール１３０又は同様のアプリケーションにより生成及び／又は投入し得る一例のユーザインタフェース４００を示す。図４は、構成要素マッチングが２つの連続した段階で実行される一実施形態を表す：空のシリンジのバッチ／ロットが異なる製薬（「薬剤１」、「薬剤２」、及び「薬剤３」）とマッチングされる充填前段階及びそれらの充填された（「プレフィルド」）シリンジが自動注入装置サブアセンブリのバッチ／ロットとマッチングされる充填後段階。図４に示される数量は純粋に例示を目的とし、必ずしも現実的な値ではない。更に、値に任意の適した単位を関連付け得る（例えば、平均作動力及びシリンジグライド力にはニュートン、平均注入時間には秒又はミリ秒等）ことが理解される。
【0045】
「所望の仕様及び数量」と記されたユーザインタフェース４００の行において、ユーザは、考慮すべき特定の薬剤（図示の例では、「薬剤１」及び「薬剤２」）を選択することができる（例えば、ユーザ入力装置１２６を介して）。「充填前データ」と記された行において、ユーザは、選択された薬剤の特定のロット／バッチと関連付けられた特性の値及びそれらの薬剤の保持に使用することができるシリンジの特定のロット／バッチと関連付けられた特性の値を入力（例えば、ユーザ入力装置１２６を介して）及び／又は閲覧（例えば、ディスプレイ１２４を介して）することができる。図示の例では、押子ロット／バッチの特性の値も表示され、構成要素マッチングツール１３０は、薬剤、シリンジ、及び押子のバッチをマッチングする。例えば、図１を参照すると、薬剤は構成要素Ａであり、シリンジは構成要素Ｂであり、一方、押子は図１に示されていない構成要素Ｃであり得る。「充填後データ」と記された行において、ユーザは、（薬剤毎の）プレフィルドシリンジの特定のロット／バッチと関連付けられた特性の値及び自動注入装置サブアセンブリの特定のロット／バッチと関連付けられた特性の値を入力（例えば、ユーザ入力装置１２６を介して）及び／又は閲覧（例えば、ディスプレイ１２４を介して）することができる。
【0046】
一例のユーザインタフェース４００において、選択された各薬剤の結果が最初の２行に示される。特に、最初の行は、薬剤とシリンジ及び押子との最適化されたバッチペアリング並びに（選択された薬剤毎の）予測注入時間及び作動力のプロットを示し、２番目の行は、選択された薬剤毎の予測平均注入時間及び平均作動力の値を示す。
【0047】
図５は、潜在的なシリンジストッパ、シリンジ外筒、及び薬剤の組合せでの平均注入時間及び平均作動力の予想例を示すプロット５００を示す。幾つかの実施形態では、組合せマッチングツール１３０は、例えば、異なる薬剤が構成要素バッチのばらつきにいかに影響するかをユーザが理解するのを助けるために、プロット５００と同様のプロットを含む可視化を生成及び／又は可視化に投入する。図５において、各円はシリンジストッパ／外筒バッチ及び薬剤タイプの異なる組合せを表し、拡大された円は、シリンジ外筒の１つの特定のバッチ／ロットを使用する組合せを表す。図５から分かるように、この特定のバッチからのシリンジ外筒に（場所５０２において）薬剤３で表される薬剤を充填することが、最短注入時間に繋がる。
【0048】
図６は、自動注入装置構成要素をランダムにマッチングした場合（即ち、従来の手法と同様）、ヒューリスティックルールを使用して自動注入装置構成要素をマッチングした場合（即ち、プレフィルドシリンジ及び自動注入装置サブアセンブリの注入時間寄与の相殺を試みるヒューリスティックルール）、及び線形オプティマイザを使用して自動注入器構成要素をマッチングした場合（即ち、構成要素マッチングツール１３０と同様のツール）の自動注入器の平均注入時間の予測標準偏差を比較するプロット６００を示す。特に、図６に示されるように、シミュレーションは、プレフィルドシリンジを自動注入器サブアセンブリと最適にペアリングする場合、算術平均注入時間のロット毎のばらつきが３０～４５％低減することを示す。
【0049】
上記考察は、構成要素マッチングの決定にどの特性値を使用すべきか（即ち、予測モデル１３２への入力として使用するために値を測定／収集すべき特性）が既に既知であると仮定する。しかしながら、どの特性値（及び種々の系譜レベルにおけるどの構成要素）が最終装置／製品の特性と最も強く相関するかを理解することは難しいことがある。更に、そのような相関は、時間、製造場所、製品改訂等にわたって変化し得る。したがって、利用可能なデータの代表的な面にわたる相関を素早く識別する一般化ツールが必要とされる。
【0050】
このために、構成要素マッチングツール１３０（又は別のソフトウェアツール）は、図７のプロット７００として示される等の可視化を生成及び／又は可視化に投入し得る。プロット７００は、組合せ装置が自動注入装置である一実施態様でのＳＨＡＰ（Ｓｈａｐｌｅｙ ａｄｄｉｔｉｖｅ ｅｘｐｌａｎａｔｉｏｎ）及び特徴重要値の例を表す。プロット７００は、特定の構成要素特性の重要性及び例えば互いに弱め合うためにそれらをいかに使用し得るかをユーザ理解するのを助けることができる。例えば、サブアセンブリ平均注入時間の正ＳＨＡＰ値の過剰集中及びＰＦＳ（プレフィルドシリンジ）押出力の負ＳＨＡＰ値の過剰集中は、互いを相殺して最終自動注入装置のばらつき低減を達成するために２つの特性が特に有用であり得ることを示唆する。ユーザはそのような情報を適用して、例えば、自動注入装置構成要素のバッチをマッチングするためのヒューリスティックルールを作成若しくは改良し、又は自動注入装置の構成要素製造時にフォーカスするエリア（例えば、仕様許容差を厳しくするエリア）を識別することが可能であり得る。構成要素マッチングツール１３０（又は別のソフトウェアツール）は、これに加えて又は代えて、相関ヒートマップ又はペアプロット等の１つ又は複数の他のタイプの可視化を生成及び／又は可視化に投入し得る。例えば、相関ヒートマップは、組み立て日間の相関、算術平均顧客苦情メトリック、１つ又は複数のプロセスパラメータ、１つ又は複数の最終ロットパラメータの１つ又は複数の統計（例えば、平均及び標準偏差）、１つ又は複数の構成要素パラメータの１つ又は複数の統計（例えば、平均及び標準偏差）等を視覚的に示し得る（例えば、配色を用いて）。
【0051】
幾つかの実施形態では、予測モデル１３２を作成するために以下のプロセスが実施される（構成要素マッチングツール１３０又は他のソフトウェアにより）：（１）予測モデル１３２はまず、データ特徴（特性）のオリジナル入力セットを使用してトレーニングされて評価され、（２）特徴は、ＳＨＡＰを使用して計算されたように重要度により順序付けられ、（３）重要度の最も低い入力データ特徴が、包含される特徴から除去され、（４）予測モデル１３２がデータ特徴／特性の新しくより小さなセットを用いて再トレーニングされ、（５）入力データ特徴リストが所望の長さに達するまで、ステップ２～４が繰り返され、（６）プロセス全体が（任意選択的に）繰り返されて、ラン間のトレーニング及びテストセットのランダムシーディングにより生じるモデル性能と選択された特徴／特性との間の差を特定する。
【0052】
図８は、組合せ装置のばらつきを低減するための一例の方法８００の流れ図である。方法８００は、全部又はその一部が、例えば、図１の計算システム１１０等の計算システム（例えば、１つ又は複数の計算装置）により（例えば、構成要素マッチングツール１３０の命令を実行するプロセッサ１２０により）実施されてもよい。
【0053】
ブロック８０２において、第１の構成要素及び第２の構成要素（例えば、図１の構成要素Ａ及びＢ）の潜在的な組合せが識別される。潜在的な各組合せは、組合せ装置（例えば自動注入装置）の１つ又は複数のユニットを形成することができる。例えば、潜在的な各組合せは、第１の構成要素の特定のバッチと第２の構成要素の特定のバッチとの組合せであり得る。ブロック８０２は、第１の構成要素の異なるバッチの第１の組の識別子及び第２の構成要素の異なるバッチの第２の組の識別子を受信し、各々第１の組の識別子及び第２の組の識別子からなる異なるペア／順列を形成することを含んでもよく、又は単に潜在的な各組合せの指示を受信することを含んでもよい。幾つかの実施形態では、ブロック８０２は、構成要素の実現不可能な組合せを選択的に省くことを含む。
【0054】
ブロック８０４において、ブロック８０２において識別された潜在的な組合せの各組合せについて、（その組合せの第１及び第２の構成要素から形成された場合の）組合せ装置のユニットの特質又は結果が予測される。ブロック８０４は、組合せの第１の構成要素の１つ又は複数の特性の値及び組合せの第２の構成要素の１つ又は複数の特性の値を予測モデル（例えば予測モデル１３２）への入力として適用することを含む。潜在的な組合せが、第１及び第２の構成要素のバッチ（即ち、２つ以上のセット）の組合せである実施形態では、特性は、各バッチを統計的に表す特性（例えば、平均外筒内径等）であり得る。ブロック８０４は、例えば、数値（例えば平均値又は標準偏差）、カテゴリ（例えば、「高頻度の苦情の可能性が高い」若しくは「高頻度の苦情の可能性が低い」）、又は特定の特性の確率分布を含み得る。
【0055】
ブロック８０６において、潜在的な組合せの予測された特質又は結果に基づいて（即ち、ブロック８０４において予測された特質又は結果に基づいて）、ブロック８０２において識別された潜在的な組合せの中から組合せのサブセットが選択される。ブロック８０６は、予測された特質又は結果を目的関数への入力として使用して目的関数を解くことを含み得る。幾つかの実施形態では、ブロック８０６は、１つ又は複数の特質（例えば、注入時間標準偏差）及び１つ又は複数の結果（例えば、ユーザ苦情の存在、量、頻度、又は尤度）に基づいて、サブセットを選択することを含む。
【0056】
ブロック８０８において、組合せの選択されたサブセットの指示が提供される。例えば、ブロック８０８は、ディスプレイ（例えばディスプレイ１２４）に、組合せの選択されたサブセットをユーザに対して示させることを含んでもよく、及び／又は組合せの選択されたサブセットを示すデータを計算システム若しくはアプリケーションに送信することを含んでもよい。
【0057】
幾つかの実施形態では、方法８００は、図８に示していない１個又は複数個の追加ブロックも含む。例えば、方法８００は、潜在的な組合せの各組合せについて、１つ又は複数の追加の予測モデルを使用して、組合せ装置の（組合せの第１及び第２の構成要素から形成された場合の）ユニットの１つ又は複数の追加の特質又は結果を予測することを更に含み得る。これらの実施形態では、目的関数は、組合せ装置の異なる特質又は結果に各々対応する複数の関数項を含み得る。
【0058】
別の例として、方法８００は、ブロック８０８の後、追加のブロックを含み得、追加のブロックにおいて、製造機器（例えば、商業用生産機器）が、ブロック８０６において選択され、ブロック８０８において示された組合せのサブセットに従って、組合せ装置の複数のユニットを組み立てる。
【0059】
本開示の実施形態は、様々なコンピュータ実装動作を遂行するためのコンピュータコードを有する非一時的なコンピュータ可読格納媒体に関する。「コンピュータ可読格納媒体」という用語は、本明細書に記載される動作、手法及び技法を遂行するための一連の命令又はコンピュータコードを格納又は符号化することができる任意の媒体を含むように本明細書において使用される。媒体及びコンピュータコードは、本開示の実施形態を目的として特別に設計及び構築されたものであり得るか、又はコンピュータソフトウェア技術の当業者に周知且つ利用可能な種類のものであり得る。コンピュータ可読格納媒体の例としては、ハードディスク、フロッピーディスク及び磁気テープ等の磁気媒体、ＣＤ－ＲＯＭ及びホログラフィデバイス等の光媒体、光ディスク等の光磁気媒体並びにＡＳＩＣ、プログラマブルロジックデバイス（「ＰＬＤ」）及びＲＯＭやＲＡＭデバイス等のプログラムコードを格納及び実行するために特別に構成されたハードウェア装置が挙げられるが、これらに限定されるものではない。
【0060】
コンピュータコードの例としては、コンパイラにより生成されるもの等の機械コード及びインタープリタ又はコンパイラを用いてコンピュータにより実行される相対的に高水準のコードを含むファイルが挙げられる。例えば、本開示の一実施形態は、Ｊａｖａ、Ｃ＋＋又は他のオブジェクト指向プログラミング言語及び開発ツールを用いて実装され得る。コンピュータコードの更なる例としては、暗号化コード及び圧縮コードが挙げられる。更に、本開示の一実施形態は、コンピュータプログラム製品としてダウンロードされ得、これは、リモートコンピュータ（例えば、サーバコンピュータ）から送信チャネルを介して要求元コンピュータ（例えば、クライアントコンピュータ又は異なるサーバコンピュータ）に転送され得る。本開示の別の実施形態は、機械実行可能なソフトウェア命令の代わりに又はそれと組み合わせてハードワイヤード回路に実装され得る。
【0061】
本明細書で使用される場合、単数形の用語「１つの（ａ）」、「１つの（ａｎ）」及び「その」は、別途文脈が明確に示さない限り、複数の参照物を含み得る。
【0062】
本明細書で使用される場合、「接続する」、「接続された」及び「接続」という用語は、動作可能な結合又はリンク付けを指す（並びに図面に描かれた接続がそれを表す）。接続されたコンポーネントは、例えば、別のコンポーネントの組を通して互いに直接又は間接的に結合され得る。
【0063】
本明細書で使用される場合、「ほぼ」、「実質的に」、「実質的な」、及び「約」という用語は、小さい変動を記述及び説明するために用いられる。事象又は状況と併せて使用される場合、これらの用語は、事象又は状況が厳密に生じている場合だけでなく、極めて近い事象又は状況が生じている場合も指す場合がある。例えば、数値と併せて使用される場合、これらの用語は、その数値の±１０％以下、例えば±５％以下、±４％以下、±３％以下、±２％以下、±１％以下、±０．５％以下、±０．１％以下又は±０．０５％以下等の変動幅を指す場合がある。例えば、２つの数値の差がこれらの数値の平均の±１０％以下、例えば±５％以下、±４％以下、±３％以下、±２％以下、±１％以下、±０．５％以下、±０．１％以下又は±０．０５％以下であれば、２つの数値は、「実質的に」同一とみなすことができる。
【0064】
更に、本明細書では、量、比及び他の数値は、範囲形式で提示される場合がある。このような範囲形式は、利便性及び簡潔性を目的として使用され、且つ範囲の限界値として明示的に指定された数値を含むが、その範囲に包含される全ての個々の数値又は部分範囲も、あたかも各数値及び部分範囲が明示的に指定されているように含むものとして柔軟に理解されるべきであることを理解されたい。
【0065】
本開示について、その具体的な実施形態を参照しながら記載及び例証してきたが、これらの記載及び例証は、本開示を限定するものではない。当業者は、添付の特許請求の範囲により規定される本開示の真の趣旨及び範囲から逸脱することなく、様々な変更形態がなされ得、且つ均等物で代替され得ることを理解するはずである。図示は、必ずしもその縮尺が正確でない場合がある。製造プロセス、公差及び／又は他の理由に起因して、本開示における技術的表現と実際の装置との間に差異が存在し得る。具体的に例証されていない本開示の他の実施形態が存在し得る。（特許請求の範囲以外の）本明細書及び図面は、限定的ではなく、例証的なものとみなされるべきである。特定の状況、材料、物質の組成、技法又はプロセスを本開示の目的、趣旨及び範囲に適合させるために変更がなされ得る。そのような変更形態の全ては、本明細書に添付する特許請求の範囲内であるように意図される。本明細書に開示される技法について、特定の順序で遂行される特定の動作を参照して記載してきたが、これらの動作は、本開示の教示から逸脱することなく、均等な技法を形成するために組み合わされるか、細分化されるか又は再順序付けされ得ることが理解されるであろう。したがって、本明細書において具体的に示されていない限り、動作の順序及びグループ分けは、本開示を限定するものではない。
【図1】
【図2A】
【図2B】
【図2C】
【図3A】
【図3B】
【図4】
【図5】
【図6】
【図7】
【図8】
【国際調査報告】