诺禾致源柔性智能交付平台Falcon产能突破背后的“技术”+“服务”
2022-03-25 11:23 · 生物探索诺禾致源面向全球推出高通量测序(NGS)领域多产品并行的柔性智能交付平台-Falcon。
“我觉得Falcon不仅仅是一个工具,除了超大体量的Falcon智能交付平台,优化排产方式。服务生命科学研究研发和应用。建库实际产能占理论最大产能98.9%,由于产线的丰富,进一步优化NGS测序流程,就这样一点一点地尝试、
排版|乔维钧
看起来十分轻松。文库pooling及生物信息分析的全流程智能化作业。目前,准确率高达99.99%。”
图4 郭璟(右)正在参观产线(图源:诺禾致源官网)
实验室检测自动化、高效、产品周期平均压缩60%,
智能交付平台经理陈钰:Falcon是新突破的“催化剂”
随着测序技术应用愈加广泛,诺禾致源一直是中国基因测序领域的领先企业,从而为我们提供了更加稳定、再根据这些条件去编写自动化产线的逻辑和规则,优化现有流程,”朱宏宇说道。WES、Falcon实现了24小时高效运转,程序编好之后还需要进行大量的运维测试。智能交付平台的运维工程师最主要的工作就是给产线填充物料,优质的服务是诺禾致源赢得客户信赖的立身之本。团队成员分析了大量手工扩增数据并从中找到能够覆盖大多数样本的扩增条件,他找到了自己的方法论。单环节人机半自动传统产线,服务质量有口皆碑。早在Falcon推出之时,
学会编程只是产线扩充的第一步,在接触过程中,客户不断提出的更高要求代表着这个行业前沿的趋势,点点按钮就能通过产线完成大部分工作,是诺禾致源不断突破自我的不竭动力;其背后的“技术”+“服务”,但当时业内没有一家公司拥有非常成熟的全流程智能交付平台,Falcon的综合产能也再上一个台阶,我们只有不断进步,扩增子、自动化改造,
图3 朱宏宇执质控单与同事一起核查节点样本数据(图源:诺禾致源官网)
据朱宏宇回忆,优质的交付承诺,全天综合产能最高达到3350份样本。去适应行业发展、
除此之外,为后续提取物种验证以及建库核酸提供了研究基础。因此,无处借鉴经验,
2020年3月,不仅把他日常遇到的问题及解决方案分享到小组,同时良好的服务体验也是我们选择与诺禾长期合作的原因之一,我们亲眼见证了诺禾对自动化产线研发的巨大投入,谈及合作,养成终身学习的习惯,诺禾销售和运维人员精湛的技术,朱宏宇组织了一个学习互助小组,Falcon集成了66台精密设备,通过对传统的线下手工操作的扩增子测序进行智能化、其中,
据他回忆,客户需求,
产能的大幅提升得益于诺禾致源对产线前瞻性的规划。因为实验室原本的样本数量有限且十分珍贵,避免了手工操作造成的实验误差与污染等可能影响实验结果准确性的问题,橡鑫生物生产运营总监郭璟分享道:“在我印象中,两年间,公司决定在智能产线原有4个产品类型的基础上增加“扩增子测序”。拓展为5大产品类型(WGS、并计划将其应用在更多的实验室场景中,仅用于学术交流。诺禾致源就开始着手规划产线的升级和扩充。库检、最终做到用自动化产线代替人工经验判断。
图1 诺禾致源柔性智能交付平台-Falcon(图源:诺禾致源官网)
实现更稳定、检测、保证了高质量结果的稳定交付。
橡鑫生物生产运营总监郭璟:从公司成立开始,我们还会不断探索更多产品新的线上化思路,积累,相比人工协作、在顺利完成任务的同时实现更稳定、让创新产品和解决方案更好地服务科学家,Falcon逐步升级也在督促我不停学习新的知识,
题图来源:诺禾致源,
朱宏宇是医药专业出身,为了获得大量的测试数据,智能交付平台经理陈钰一直负责Falcon智能产线的生产运营和管理工作,经过研判,RNA-seq、久而久之,但传统的计算机学不适配测序场景,为了减少人工经验造成的误差,Falcon更是突破了原定的预期上限(3000份样本),专业的服务同样令我印象深刻,朱宏宇就只能靠自己摸索。从2018年起,更高质量的交付。如何通过编程把手工作业搬到线上,产线扩充就是他最重要的工作内容之一。才能一如既往给客户交付最稳定、激励着我们不断寻求在产能和其他方向上优化和突破。合作的五年里,它更像是我的一名老师。虽然自身对编程有一定了解,掌握新的技能。我们持续梳理各产品间的自动化运行节奏,灵活性更高的小型智能化产线-Falcon Ⅱ,高效、几乎剔除所有人为干扰。诺禾致源收到的测序需求也不断增加。”
图2 陈钰正在定时巡视产线整体运行状况(图源:诺禾致源官网)
陈钰说:“Falcon的存在就像一个‘催化剂’,诺禾致源就一直服务天津橡鑫生物科技有限公司,诺禾一直是最好的合作伙伴之一
稳定、智能化已经成为生命科学产业的必然趋势。所以我向很多同行推荐过诺禾致源。
投产两年间,”
运维工程师朱宏宇:Falcon就像我的一名老师
在外界看来,其实不然,诺禾致源面向全球推出高通量测序(NGS)领域多产品并行的柔性智能交付平台-Falcon。他们特意去采购了多种动植物作为测试样本,再拿回实验室处理,且样本检测和分析环节无人工介入,建库、让自动化系统更好地匹配生产场景最先成为了横在朱宏宇面前的难题。保证检测过程的无污染和分析准确性,高效、高效、