Examensarbete Automatiserad dataanalys, AstraZeneca Södertälje

Arbetsbeskrivning
Examensarbete: Automatiserad dataanalys för optimering av avvikelsehantering inom läkemedelsproduktion

Omfattning: 30 högskolepoäng
Start: januari 2024
Site: Södertälje, Snäckviken

Bakgrund
Inom läkemedelsproduktionen är kvalitetskontroll och övervakning av produktionen avgörande för produktkvalitet och patientsäkerhet. Avvikelser som uppstår under produktionen behöver analyseras noggrant för att identifiera orsaker, implementera åtgärder och förebygga framtida problem. För närvarande hanteras denna analys genom manuella metoder och med hjälp av verktyg som Excel, vilket kan ge utmaningar gällande ledtider och insiktsdjup.

Syfte
Målet med detta arbete är att utforska hur moderna automatiserade dataanalysmetoder kan bidra till att:
Minska ledtider för avvikelsehantering.
Identifiera datadrivna grundorsaker till avvikelser.
Föreslå förbättringsåtgärder baserat på analysen för att minska avvikelser och förbättra OEE (Overall Equipment Efficiency).

Forskningsfrågor
Vilka begränsningar existerar i nuvarande manuella processer för avvikelsehantering?
Hur kan automatiserade dataanalysverktyg, inklusive möjliga applikationer av GPT-teknik, förbättra effektiviteten och noggrannheten i avvikelseanalysen?
Vilka förbättringsåtgärder kan identifieras genom automatiserad dataanalys?

Metod
Datainsamling: Samla in historisk data på avvikelser från produktionen, inklusive relevanta parametrar, beskrivningar, tidpunkter osv.
Förberedelse av data: Rensa och förbered data för analys med moderna dataanalysverktyg.
Implementering av analysverktyg: Utforska och välj lämpliga automatiserade verktyg för avvikelseanalys. Där det är lämpligt och möjligt kan förberedelser göras för att testa GPT-teknik inom ramen för cybersäkerhet och andra begränsningar.
Utvärdering: Jämför resultaten från den automatiserade analysen med traditionell manuell analys.
Rekommendationer: Formulera rekommendationer för förbättring baserat på den automatiserade analysen.
Förväntade resultat
Genom införande av moderna dataanalysverktyg förväntas snabbare identifiering av avvikelser, djupare förståelse av orsaker, och vetenskapligt baserade rekommendationer för förbättringar som kan förbättra OEE.

Examinationspresentation
Vid examinationen bör studenten kunna presentera sitt arbete på ett vetenskapligt sätt, motivera sina metodval, demonstrera sina resultat och diskutera implikationerna av sitt arbete för läkemedelsindustrin.


Kvalifikationer
Student som ska genomföra sitt masterarbete VT 2024, 30 hp
Mycket goda kunskaper i svenska och engelska
Studieinriktning exempelvis civilingenjör industriell ekonomi 
God datorvana

Ansökan
Pfizer samarbetar med Randstad Life Science i denna process. Vi hanterar endast ansökningar via Randstads hemsida.
Sista ansökningsdag 2023-10-12 . Urval och intervjuer kan ske löpande och tjänsten kan komma att bli tillsatt innan sista ansökningsdag, ansök därför så snart som möjligt.

För mer information om rekryteringsprocessen kontakta Linda Nordström, konsultchef Randstad Life Science, linda.nordstrom@randstad.se
Varmt välkommen med din ansökan! 

Ansvarsområden
 Forskningsfrågor
Vilka begränsningar existerar i nuvarande manuella processer för avvikelsehantering?
Hur kan automatiserade dataanalysverktyg, inklusive möjliga applikationer av GPT-teknik, förbättra effektiviteten och noggrannheten i avvikelseanalysen?
Vilka förbättringsåtgärder kan identifieras genom automatiserad dataanalys?


Kvalifikationer
 Kvalifikationer
Student som ska genomföra sitt masterarbete VT 2024, 30 hp
Mycket goda kunskaper i svenska och engelska
Studieinriktning exempelvis civilingenjör industriell ekonomi 
God datorvana


Om företaget
At AstraZeneca, we are guided in our work by a strong set of values, and we’re resetting expectations of what a bio-pharmaceutical company can be. By truly following the science, we pioneer new methods, new thinking and bring unexpected teams together. From scientists to sales, lab techs to legal, we’re on a mission to turn ideas into life-changing medicines that transform lives. We need great people who share our passion for science and have the drive and determination to meet the unmet needs of patients around the world. If you’re swift to action, confident to lead, willing to collaborate, and curious about what science can do, then you’re our kind of person.