Revista Farmespaña Industrial Noviembre - Diciembre 2024

Desarrollo de algoritmos predictivos en liofilización: detección de anomalías para minimizar fallos y costes operativos Este artículo aborda el desarrollo de una herramienta de diagnóstico para el mantenimiento predictivo de sistemas de liofilización industriales. En el núcleo del sistema se encuentra un algoritmo de detección de anomalías diseñado para identificar patrones anómalos en los datos operativos. A través de su desarrollo, se han identificado estrategias de diagnóstico clave para mejorar la confiabilidad del sistema y la detección temprana de fallos, con el objetivo final de reducir el tiempo de inactividad y costos operativos. AITOR RODRÍGUEZ ESPECIALISTA EN TRANSFORMACIÓN DIGITAL EN TELSTAR E n los últimos años, el mantenimiento predictivo ha ganado protagonismo como elemento clave en la transfor- mación digital de las industrias, particular- mente en la gestión de equipos industriales farmacéuticos, como los liofilizadores. Este planteamiento tiene como objetivo anticipar los fallos de los equipos, optimizar los pro- cesos de mantenimiento y reducir tanto los costes como los tiempos de parada no plani- ficados. Los avances en tecnologías digitales, como el aprendizaje automático y la inteli- gencia artificial, han allanado el camino al desarrollo de sistemas cada vez más sofistica- dos capaces de detectar anomalías y predecir problemas técnicos. Este artículo se centra en el diseño y de- sarrollo de un algoritmo de detección de anomalías para una plataforma de manteni- miento predictivo adaptada a los procesos de liofilización. La plataforma está diseñada para manejar grandes volúmenes de datos opera- tivos en tiempo real, identificando patrones anómalos que podrían indicar posibles fallos del sistema. Aunque el algoritmo aún está en desarrollo, los primeros resultados ponen de manifiesto su potencial para mejorar la fiabili- dad y la eficiencia del proceso de liofilización. Flujo de trabajo de datos La plataforma de mantenimiento predictivo desarrollada para equipos farmacéuticos se compone de múltiples capas de software y herramientas analíticas que facilitan la reco- pilación, transmisión segura y procesamiento de datos en tiempo real. Estos componentes de gestión de datos son esenciales para el di- seño y operación del algoritmo de detección de anomalías. Recopilación de datos La primera fase implicó la integración de sen- sores y otros dispositivos de recopilación de datos en los liofilizadores. En lugar de depen- der de sensores habilitados para IoT, los datos se extraen directamente de los controladores lógicos programables (PLC), que gestionan y supervisan el proceso de liofilización. Estos PLC recopilan información relevante como temperatura, presión, niveles de vacío y otros valores de proceso críticos para el proceso de liofilización. Para garantizar la transmisión segura de estos datos desde los PLC a la base de datos centralizada, el sistema emplea un sistema de entrada de alta seguridad. Este sistema de entrada actúa como una barrera protecto- ra, administrando el flujo de datos desde los PLC al entorno de almacenamiento de datos al tiempo que aplica estrictos protocolos de ciberseguridad. Esto garantiza que los datos permanezcan protegidos contra el acceso no autorizado o ciberataques, salvaguardando la integridad de las operaciones del sistema. El uso de estos accesos protegidos resulta crucial para garantizar un entorno seguro y controlado de intercambio de datos, indis- pensable para industrias que requieren datos precisos y confiables en la toma de decisiones operativas. Además, estos sistemas de entra- da admiten el cifrado y los canales de datos seguros, lo que mejora aún más la capacidad de la plataforma para manejar información confidencial con los más altos niveles de seguridad. Almacenamiento ygestión de datos Una vez recopilados, los datos se transfieren a una base de datos centralizada que utiliza tec- nologías de Big Data, diseñadas para gestionar de forma eficiente los grandes volúmenes de información generados por los liofilizadores. Este sistema centralizado permite la agrega- ción fluida de datos, lo que garantiza que todas las métricas operativas se almacenen en una única ubicación accesible. La base de datos está diseñada teniendo en cuenta una alta dis- ponibilidad, lo que minimiza el riesgo de pér- dida de datos y garantiza un acceso continuo incluso durante el mantenimiento o interrup- ciones inesperadas. Para proteger la integridad y la confidenciali- dad de los datos, toda la información se ano- nimiza antes del almacenamiento, eliminando cualquier identificador sensible y asegurando el cumplimiento de las normas de privacidad. Además, la infraestructura está equipada con múltiples capas de seguridad, incluidos el ci- frado y los controles de acceso, para salvaguar- dar los datos contra el acceso no autorizado o brechas de seguridad. Esta combinación de tecnologías de Big Data y sólidas medidas de seguridad garantiza que la plataforma pueda respaldar de forma eficaz el análisis de datos históricos y en tiempo real, manteniendo al mismo tiempo losmás altos estándares de pro- tección de datos. Esta infraestructura de datos sirve como pilar central para el algoritmo de detección de anomalías, proporcionando los datos sin procesar necesarios para el análisis. Amedida que el algoritmo evoluciona, este sis- tema centralizado admitirá modelos de apren- dizaje automático y procesos de detección de anomalíasmás avanzados, garantizando que la plataforma siga siendo adaptable y escalable. CONTROL DE CALIDAD 34 FARMESPAÑA INDUSTRIAL · NOV/DIC 24