Vill du använda data och modellering för att bidra till en mer effektiv och hållbar läkemedelsproduktion? AstraZeneca söker en masterstudent som vill undersöka hur översatsningen av komponenter kan anpassas efter olika produktionsförutsättningar – och bidra till att minska kostnader, materialspill och klimatpåverkan utan att öka risken för materialbrist eller produktionsstörningar.

Om oss:

På Campus AstraZeneca Södertälje, en av världens största tillverkningsenheter för läkemedel, omvandlas nyskapande idéer till färdiga produkter, varje minut. Sweden Operations och Sweden Biologics står för högteknologisk produktion av traditionella och biologiska läkemedel och tillsammans med vårt nordiskt-baltiska marknadsbolag står vi för en kompetens lika bred som djup. Generell industrikunskap mixas med Life Science-expertis i en internationell miljö med stödjande ledarskap. Vi samarbetar för att tjäna ett gemensamt syfte: att förändra liv genom att skapa framtidens läkemedel.

Examensarbete, beskrivning:   

Inom kommersiell produktion används i dag en generell översatsning av komponenter för att säkerställa att rätt mängd material finns tillgänglig under en körning. Översatsningen är viktig för att hantera variationer och eventuella förluster i processen, men en fast procentsats tar inte alltid hänsyn till de faktiska förutsättningarna för varje enskild batch eller körning.

Det kan innebära att mer material än nödvändigt beställs och lagerhålls. Material som blir över efter avslutad körning kan i vissa fall inte användas till andra batcher och riskerar därför att kasseras. Samtidigt behöver översatsningen vara tillräcklig för att undvika materialbrist, produktionsstörningar och påverkan på leveransförmågan. AstraZeneca vill därför undersöka möjligheten att utveckla en datadriven modell som kan ge ett mer träffsäkert beslutsunderlag för hur mycket översatsning som behövs i olika produktionssituationer.

Examensarbetet syftar till att analysera historiska data från linjekörningar i kommersiell produktion och undersöka om en specificerad datamodell kan användas för att optimera översatsningen av komponenter för olika batcher och produktionsförutsättningar. Modellen ska kunna ta hänsyn till relevanta faktorer såsom varumärke, batchstorlek, typ av produktionslinje, produktens mognadsgrad samt typ av körning, exempelvis processvalidering, kommersiell produktion eller träning.

Du kommer att:

• Analysera historiska produktionsdata och kartlägga dagens arbetssätt och nivåer för översatsning.
• Utveckla en datadriven modell eller prototyp som anpassar översatsningen efter relevanta produktionsförutsättningar.
• Utvärdera modellens träffsäkerhet och säkerställa att minskad översatsning inte ökar risken för materialbrist eller produktionsstörningar.
• Uppskatta potentialen för minskade kostnader, materialspill och klimatpåverkan.
• Ta fram rekommendationer för implementering, datakvalitet, ansvar och långsiktig vidareutveckling av modellen.

Examensarbetet förväntas resultera i en analys av dagens arbetssätt och nuvarande nivå för översatsning samt en datamodell eller prototyp som visar hur översatsningen kan anpassas efter olika produktionsförutsättningar. Arbetet bör även innehålla en utvärdering av modellens träffsäkerhet jämfört med dagens metod, en uppskattning av potentiella kostnadsbesparingar och en beräkning av möjlig minskning av materialspill och klimatpåverkan. Därutöver ska examensarbetet ge rekommendationer kring hur modellen kan implementeras i verksamheten och hur ansvar, datakvalitet och kontinuerlig vidareutveckling bör hanteras.

Placering:  

Examensarbetet utförs på vår anläggning i Södertälje, Gärtuna, med möjlighet till handledning från erfarna specialister. 

Struktur:  

•  Examensarbetet  utförs under vårterminen 2027
• 30 högskolepoäng 
• Två examensarbetare – sök gärna tillsammans, men skicka in separata ansökningar

Kvalifikationer:  

• Pågående mastersutbildning inom exempelvis INDEK, maskinteknik, produktion, ekonomi, materialflöden, optimering eller datamodellering.
• Förståelse för produktionsflöden.
• Förståelse för hur man bygger datamodeller och förmåga att analysera data för att skapa modeller.
• Intresse för optimering och matematiska modeller.

Vad händer nu?   

'

Vi välkomnar din ansökan så snart som möjligt, men senast den sista ansökningsdagen den 11e november 2026. Om vi identifierar lämpliga kandidater före sista ansökningsdag, förbehåller vi oss rätten att avsluta rekryteringen tidigare än annonserat. 

Varför AstraZeneca?  

Som examensarbetare på AstraZeneca kommer du att befinna dig i en miljö full av unika möjligheter och spännande utmaningar. Här får du möjlighet att följa dina intresseområden samtidigt som du utvecklar en bred kompetens och kunskapsbas för att få ut det mesta av din erfarenhet. Du kommer att arbeta med meningsfulla projekt som gör en verklig skillnad och levererar värde både för våra patienter och vår verksamhet. 

Date Posted

Closing Date