La Inteligencia Artificial en la línea de fabricación para la industria farmacéutica

¿Cómo pueden beneficiarse los fabricantes farmacéuticos de las últimas tecnologías de control de maquinaria? ¿Y si fuese posible desarrollar un modelo de Machine Learning que fuese capaz de predecir momentos críticos en la cadena de producción o riesgo de colapso y se anticipase en la solicitud de piezas de recambio? ¿O qué si tuviera acceso a un controlador industrial con Inteligencia Artificial incorporada, que use el reconocimiento de patrones para predecir una desviación injustificada en su línea de llenado que, de otra forma, nunca podría haber detectado?

Estos ejemplos que pueden sonar utópicos pueden ser una realidad gracias a la instalación de aplicaciones de Inteligencia Artificial en la planta de producción. La disciplina que investiga la Inteligencia Artificial ya tiene varios años de antigüedad pero, gracias a su desarrollo tecnológico exponencial y al creciente interés por los datos, se está convirtiendo en una de las tecnologías más prometedoras de la Industria 4.0.

Teniendo en cuenta este contexto, el debate sobre la incidencia de la Inteligencia Artificial en la industria farmacéutica también ha salido a la palestra. La IA ya está siendo utilizada en muchas compañías farmacéuticas, ayudando en el análisis de datos masivos que les permite mejorar sus procesos de I+D y la gestión de plantas. Además, la IA también ofrece significativas ventajas en las aplicaciones de packaging a nivel de máquina, permitiendo a los fabricantes rediseñar sus procesos para ser más flexibles y poder adaptarse a cualquier posible cambio.

Transformar la producción implementando Inteligencia Artificial puede ayudar a los fabricantes del sector a prolongar la vida útil de sus equipos, mejorar el OEE y detectar acontecimientos inesperados para prevenir fallos.

La excelencia operacional es un requerimiento imprescindible para maximizar los gastos de capital (Capex). Al mismo tiempo, los fabricantes farmacéuticos se enfrentan al reto de dejar de lado los procesos tradicionales y pasar a ciclos de producción más homogéneos, ligados directamente con la producción, y a la vez más flexibles para poder adaptarse a una demanda cada vez más cambiante.

Además, la nueva normativa de serialización farmacéutica impone mayores exigencias a los fabricantes para garantizar el correcto etiquetamiento de los productos, más preciso y con todos los datos necesarios para su cumplimiento. La customización de la etapa final de la fabricación de productos farmacéuticos incluye, por ejemplo, la inclusión de datos variables en etiquetas o el uso de un packaging previamente impreso. Esto permite al fabricante personalizar el etiquetado de productos para ciertos mercados, clientes o productos sin tener que almacenar materiales de packaging individuales para cada posible variante. De esta forma, la producción flexible de lotes más pequeños impone nuevos requisitos para los cambios automáticos y rápidos.

Las compañías farmacéuticas pueden lograr la excelencia operativa mediante la implementación de Inteligencia Artificial en el ‘Edge’ o misma línea de fabricación. Sin embargo, también requieren un soporte de producción flexible y autónomo, así como soluciones de automatización de IIoT que abarquen desde la recopilación de datos hasta la producción inteligente para una integración perfecta de los mundos de IT y OT. En el caso de los avances necesarios para la Industria 4.0, como el mantenimiento predictivo y la generación de redes, la producción eficiente, el uso de algoritmos adaptativos ofrece un enorme potencial. Muchas compañías farmacéuticas se están dando cuenta de que la IA ofrece una oportunidad para aumentar no solo la Eficacia Global de Equipos Predictivos (OEE) y, por lo tanto, combinar la reducción de costes con la mejora de la productividad, sino también para mejorar el análisis de datos para lograr programas de mejora continua como la reducción de residuos o la variabilidad de las operaciones.

De acuerdo con un estudio de Aberdeen (*), aunque las compañías líderes de la industria han alcanzado valores de OEE del 89%, el todavía uso de sistemas tradicionales ha hecho que se logren cifras del 74%. Pero, ¿y si vamos más allá y añadimos soluciones de Inteligencia Artificial en la automatización? Si se consigue mejorar la calidad y usar el mantenimiento predictivo para reducir los tiempos de inactividad de las máquinas, se pueden lograr aumentos de eficiencia muy significativos. De cualquier forma, lo realmente importante de conocer la cifra OEE es obtener información de todo el proceso y poder paliar los puntos débiles.

¿Qué entendemos por IA en el ‘Edge’? Podemos definir el Machine Learning con Small Data como la espina dorsal de la Inteligencia Artificial. En este nivel, las líneas y los dispositivos se monitorizan con sensores en tiempo real, y los datos se recopilan y procesan a alta velocidad para la detección rápida de anomalías. Para convertir la información en acción, los fabricantes necesitan un control y monitorización eficientes para una relación más natural y proactiva entre el operador y la máquina, implementando una tecnología que reúne todas las áreas de automatización, incluyendo lógica, motion, visión, seguridad y visualización. Esto ayuda a las empresas a aumentar la productividad de una manera muy flexible.

El procesamiento de Big Data en la nube se puede describir como la parte ‘cerebral’ de la IA. Esto requiere estándares abiertos y seguros, como el protocolo MQTT y el estándar de comunicaciones OPC de arquitectura unificada para la conversión segura y sencilla de los datos de la máquina y del sistema en información de alto valor.

Muchas de las soluciones de IA anunciadas en el mercado, que a menudo están basadas en la nube, tienen requisitos importantes en términos de infraestructura e IT. Estas soluciones también funcionan con una abrumadora cantidad de datos que son laboriosos y requieren mucho tiempo para ser preparados y procesados. La cuestión del valor añadido todavía sigue siendo un poco truculenta para los proveedores, que no pueden determinar si la inversión en IA generará tasa de retorno ni cuánta. El hecho de que los diseños de sistemas para la industria de producción sean generalmente complejos y únicos es otro factor a tener en cuenta.

Teniendo en cuenta estas condiciones, ¿cómo vamos a diseñar e integrar una IA que genera valora añadido tangible en el proceso de producción? Si bien la nube es más adecuada para manejar Big Data y llevar a cabo análisis masivos a largo plazo, la IA en el ‘Edge’ es crucial para las aplicaciones en tiempo real. Este enfoque ofrece más flexibilidad y tiempos de respuesta más rápidos, por lo que los entornos de producción pueden obtener un mejor uso del análisis de datos en lugar de depender de la computación en la nube. En lugar de analizar laboriosamente un gran volumen de datos en busca de patrones de conducta, además de los procesos que se están ejecutando, es importante abordar las cosas desde la otra perspectiva. La tecnología es necesaria cuando los algoritmos de IA requeridos están integrados en el sistema de control de la máquina, creando así un marco para la optimización en tiempo real en el ‘Edge’, en la máquina y para la máquina.

Con la IA en el ‘Edge’, los fabricantes de productos farmacéuticos pueden controlar mejor la complejidad y la seguridad de los procesos. Aunque la cantidad de datos sigue siendo enorme, las compañías necesitan menos recursos en términos de hardware, infraestructuras de comunicación y capacidades de procesamiento a nivel de empresa.

Se requiere tecnología que ofrezca una integración perfecta en la nube, directamente desde el controlador de la máquina con protocolos IIoT seguros e integrados. Con IA en el ‘Edge’, las organizaciones pueden ampliar sus capacidades de procesamiento y análisis con algoritmos de IA a nivel de máquina, beneficiándose de información más rápida y eficiente para el proceso de toma de decisiones. Además, los usuarios pueden analizar e intervenir en el proceso en tiempo real, exactamente donde ocurre la acción, mejorando el rendimiento de forma autónoma con la IA y el Machine Learning.

Al aprovechar la Inteligencia Artificial en el ‘Edge’, las compañías farmacéuticas obtienen la mayor parte de su computación en la nube con datos preprocesados y agregados a nivel de máquina, reduciendo la infraestructura IT requerida para un flujo de datos óptimo.

En una máquina de embalaje, un controlador de máquina ofrece control sincronizado de todos los dispositivos de la máquina y funcionalidades avanzadas como motion, robótica y conectividad de bases de datos. Un controlador de máquina equipado con IA fusiona además las funciones de control de la máquina con el procesamiento de IA en tiempo real. Un controlador IA presenta inteligencia adaptativa, que lo acerca a la acción y lo ayuda a aprender a distinguir los patrones normales de los anormales a nivel de máquina.

Este tipo de solución se usa principalmente en el proceso de empaque y producción en los puntos donde el cliente está experimentando los mayores problemas de eficiencia (cuellos de botella). Los procesos adquieren inteligencia en base a los hallazgos y mejoras anteriores que se han realizado y, posteriormente, conducen a una optimización holística de todo el proceso de fabricación.

Un buen ejemplo es una aplicación de embotellado: las botellas se transportan a través de una cinta transportadora y se llenan. El controlador de IA aprende cómo se ve una situación normal cuando no se producen fallos. En caso de que exista una perturbación, como un bloqueo que causa fricción selectiva, el controlador de IA detectará estas anomalías. El proceso de llenado se detendrá brevemente y se reanudará cuando el proceso se estabilice. Esto evita que se produzcan, por ejemplo, derrames de líquido en la línea de empaque, lo que a su vez ayuda a reducir el tiempo de inactividad y el desperdicio de la máquina.

(*) Achieving Operational Excellence, Paquin, R, Prouty, K, Aberdeen Group, July 2015