Étude de données spatio-temporelles pour l’analyse du contrôle environnemental en milieu industriel pharmaceutique

Abstract

Une quantité importante de procédés industriels sont aujourd’hui monitorés à l’aide de capteurs et d’analyses afin d’avoir de l’information sur l’état des opérations et faciliter la réponse à d’éventuelles déviations. Bien que l’analyse de ces données soit une pratique de plus en plus courante dans l’industrie, l’étude de données spatio-temporelles (avec de l’information répartie à la fois dans l’espace et dans le temps) comportant un important niveau de bruit représente encore un défi. Dans ce projet, des données spatio-temporelles historiques d’un programme de contrôle environnemental en milieu pharmaceutique ont été récoltées pour mieux comprendre les dynamiques de contamination entre les zones aseptiques de productions. Un défi majeur pour l’analyse de ce genre de données est la présence importante de bruit en raison de la rareté des résultats non-nuls et de l’incertitude reliée à la détection de microorganismes. Les objectifs principaux du projet étaient donc l’étude des données spatio-temporelles et le développement d’outils algorithmiques permettant de faciliter l’interprétation des résultats. Dans un premier temps, un nouvel indice de similarité qui utilise une combinaison de la corrélation de Pearson et le « dynamic time warping » a été développé. Cet indice, employé pour la recherche de similarité entre variables, permet de mieux traduire les dynamiques de contamination dans les données de contrôle environnemental. En combinant les résultats des recherches de similarité avec des outils de visualisation, les patrons de contamination entre les différentes zones de productions ont pu facilement être mis en évidence. Dans un second temps, une nouvelle approche multivariée pour l’étude de données spatio-temporelles fortement bruitées à l’aide de l’algorithme MCR-LLM a aussi été explorée. Cette méthode, précédemment développée pour l’analyse de données spectroscopiques, a permis d’extraire des composants représentant les différents patrons de contamination dans les données de contrôle environnemental. L’application de cette méthode a grandement facilité l’étude des données en mettant en évidence les principales dynamiques spatiales présentes et en simplifiant la visualisation des variations temporelles. Les approches présentées peuvent aussi être utilisées sur d’autres jeux de données avec des caractéristiques spatio-temporelles similaires.