En la industria de ciencias biológicas, la clave del éxito reside tanto en la innovación acelerada como en la excelencia operacional. Y los trabajadores constituyen un elemento de gran importancia en la ecuación en todos sus aspectos.
En la planta, sus operadores deben tomar decisiones oportunas para ayudar a asegurar que los procesos se ejecuten dentro de sus márgenes de ajuste definidos y que cumplan los requisitos aprobados para la autorización de mercadeo. Pero a medida que los productos farmacéuticos y de ciencias biológicas se tornan más complejos, también lo hacen el monitoreo y la optimización de procesos.
¿Cuál es el meollo del problema?
Si bien los dispositivos inteligentes y sistemas complejos generan una gran cantidad de datos, a menudo los operadores no disponen de toda la información necesaria para tomar las mejores decisiones.
Gracias a nuevos desarrollos en analítica avanzada y aprendizaje automático, usted ahora puede aprovechar la ciencia de datos en su planta, permitir acciones del operador en tiempo real y ampliar la inteligencia a través de toda la empresa.
Veamos algunos ejemplos.
La mejor acción siguiente del lado de la línea con sensores por software
A fin de cuentas, cada acción que toma un operador puede afectar la calidad de su producto o el rendimiento de su proceso. Una estrategia de la "mejor acción siguiente del lado de la línea" facilita la toma de decisiones en tiempo real mediante modelos de aprendizaje automático que predicen el rendimiento futuro y prescriben las acciones para mitigar los impactos negativos.
¿Cómo?
He aquí un caso que desarrollamos recientemente. Supongamos que debe lograr un nivel de humedad crítico para una sustancia farmacéutica granular. La sustancia comienza como líquido y pasa por un secador de lecho fluidizado. Se detiene el proceso de secado de manera rutinaria para llevar a cabo pruebas de humedad de las muestras físicas, lo cual introduce tiempos de espera en el proceso de secado.
Se utilizó un enfoque de control predictivo de modelos (MPC) para entrenar un modelo de aprendizaje automático con el fin de predecir el contenido de humedad y crear esencialmente un sensor virtual o "sensor por software" que pueda inferir cuándo el contenido de humedad alcanza un nivel óptimo.
Aunque se entrenó en la nube, el modelo de aprendizaje automático se ejecuta en la periferia para proporcionar información crítica y acciones prescritas al operador en tiempo real.
Primero, el modelo de aprendizaje automático se entrena con el conjunto de datos históricos para determinar cómo múltiples variables independientes –incluyendo la temperatura de admisión y escape, la velocidad del ventilador del secador y otras condiciones ambientales– influyen en la variable dependiente del nivel de humedad. Tras entrenar del modelo, el MPC usa los datos de sensores en tiempo real, el estado dinámico actual del proceso, el modelo de MPC entrenado, y los objetivos y límites de las variables del proceso para calcular los cambios futuros de la variable dependiente de los niveles de humedad con un alto nivel de confianza.
El resultado es la reducción de la duración del ciclo del proceso de secado con menos interrupciones para muestreos y mediciones físicas.
De hecho, uno de nuestros clientes obtuvo una reducción del 28%-30% en la duración del ciclo del secador mediante esta solución.
Verificación continua del proceso
Además, la analítica avanzada y el aprendizaje automático permiten la toma de decisiones en situaciones que tienen un cierto nivel de tolerancia en el tiempo de espera. Es decir, permiten que se tomen decisiones en situaciones que no requieren una respuesta inmediata por parte del operador. Un ejemplo es la verificación continua del proceso (CPV).
Históricamente, la industria farmacéutica ha adoptado un enfoque retrospectivo para confirmar que un lote satisfaga todos los requisitos de calidad, seguridad y eficacia específicos para la autorización de mercadeo. Los trabajadores revisan los parámetros de proceso críticos logrados después del procesamiento del lote y eliminan los lotes que no satisfagan los requisitos para la autorización de mercadeo.
Con mayor frecuencia, la industria está eligiendo la CPV como una alternativa proactiva a este enfoque. El sistema monitorea continuamente los procesos de producción en tiempo real, utiliza métodos de control de procesos estadístico para trazar tendencias de modo que los operadores puedan observar de inmediato cómo el proceso respeta los puntos de ajuste definidos y aprobados, e identificar las derivas o las tendencias emergentes. Así se pueden tomar acciones correctivas para resolver los problemas de las derivas o tendencias a fin de evitar superar los rangos aprobados.
Capacidad de escalado para alcanzar el éxito a nivel de toda la empresa
¿Cuál es la visión global? La analítica avanzada y el aprendizaje automático se pueden aplicar en varios casos para facilitar la toma de decisiones en toda la cadena de valor de la industria de ciencias biológicas.
Para comenzar su viaje, reúna una coalición de partes interesadas multifuncionales, y planifique y logre avances a corto plazo con casos de uso alineados con su visión digital.
Cada caso de uso puede aportar resultados extraordinarios en una línea de procesos individual. Pero se aumenta más el valor cuando esos nuevos enfoques se institucionalizan y amplían a múltiples líneas e instalaciones.
¿La visión final? Para muchos es una torre de control de fabricación (MCT) que proporcionará una vista agregada de información procesable, analítica y predictiva de todos los aspectos de producción y permitirá la toma de mejores decisiones en toda la empresa.
Obtenga más información sobre cómo la analítica avanzada puede transformar la fabricación farmacéutica.
Podemos ayudarlo a lograr su visión. Obtenga más información.
