A Inteligência Artificial está chegando ao seu laboratório. Está pronto?
A maioria das indústrias tornou-se hábil - se não totalmente eficiente - na coleta de dados. Instrumentos e equipamentos modernos normalmente permitem alguma forma de exportação e captura de dados. Hoje em dia, os sistemas são muito mais sofisticados (e integrados) do que permitir apenas a simples captura de dados.
As ferramentas do Labs podem gerar e coletar grandes quantidades de dados. Embora nenhum sistema seja perfeito, chegamos a um ponto em que a coleta de dados não é o cogestionamento.
Análise e extrapolação de dados é.
Todos os dados que somos capazes de coletar são a chave para a tomada de decisões informadas. Mas como fazer uso disso e quais são alguns exemplos de como a análise de dados pode melhorar as operações de laboratório?
Adotar a análise de dados de IA
A última década viu uma ampla adoção da análise de dados entre as empresas que têm coletado dados com diligência, aguardando seu uso. As análises são comumente empregadas, mas oferecem apenas uma abordagem "descritiva" retroativa e orientada por KPIs.
A análise orientada por IA transforma essas análises descritivas em análises preditivas e prescritivas. Qual é a diferença entre os tipos de análise? Em poucas palavras:
- A análise descritiva analisa o que aconteceu.
- Análise preditiva prevê o que poderia
- A análise prescritiva aconselha o que você deve fazer.
O conceito por trás da IA é substituir um conjunto definido de regras pela capacidade de aprender e criar as regras mais lógicas por conta própria. Com o LabVantage Analytics, por exemplo, atividades rotineiras podem ser realizadas por inteligência artificial, tornando seu sistema mais eficiente e eficaz.
Acessar e aplicar dados
Então, como as empresas podem aproveitar a riqueza de dados e informações que coletaram em vários sistemas de gerenciamento de laboratório e quais são as aplicações para esses dados?
Em um post anterior, discutimos alguns dos casos de uso que vemos com análises preditivas e prescritivas em vários setores. Um exemplo específico para o setor de manufatura foi a realização de análises relacionadas à qualidade combinando dados de laboratório com dados do processo de produção para identificar drivers de baixa qualidade e recomendar estratégias de intervenção em tempo real para reduzir o custo da baixa qualidade.
Em nossas conversas com laboratórios de todo o mundo sobre como eles aproveitam, e como querem aproveitar, as análises, colocamos em campo perguntas sobre tarefas específicas, incluindo:
- aprovação por exceção
- teste de skip-lot
- Previsão de falha em lote
- consumo de consumíveis.
Se você gerencia um laboratório, as quatro melhorias de fluxo de trabalho orientadas por IA (abaixo) podem inspirá-lo a atualizar!
O denominador comum: sem regras
Todas essas situações, e a maioria dos outros usos de IA baseados em laboratório, dependem da capacidade da IA de determinar e definir suas próprias regras com base na melhor (e mais ampla fonte de) dados. Isso não apenas economiza tempo dos laboratórios, mas também melhora os resultados por meio da tomada de decisão baseada em dados.
1. Aprovação por exceção com IA
É uma prática padrão em laboratórios de QA/QC que todos os resultados precisam ser revisados e aprovados antes de serem liberados para o consumidor de informações. Eliminar a necessidade de revisar todos os resultados pode levar a uma tremenda eficiência, melhorando e aumentando as capacidades de um laboratório.
Em um LIMS, essa tarefa é executada totalmente manualmente ou (em iterações mais recentes do LIMS) 'por exceção' - o que significa que apenas os resultados de teste atribuídos a um status 'Aviso' ou 'Falha' são revisados manualmente.
Mas a revisão baseada em "exceção" requer o desenvolvimento de um modelo de regras sobre como lidar com tipos de amostras em testes específicos para um determinado aplicativo.
A adição de Inteligência Artificial (IA) ao seu processo de Revisão/Aprovação elimina a necessidade de configurar regras. Ao alimentar dados históricos de todos os clientes, um LIMS inteligente aprende as regras sozinho - permitindo que sua equipe se concentre em outras tarefas.
2. Skip-Lot Teste Alimentado por IA
O teste de frequência, periódico ou de lote ignorado é uma técnica de amostragem que economiza tempo e dinheiro, reduzindo o número de testes realizados em algumas amostras. É comumente usado quando existe um histórico estabelecido de qualidade do produto, por exemplo, itens de um fornecedor confiável.
A técnica incorpora testes rigorosos de novos produtos, bem como produtos de novos fornecedores. Ele também aumenta os testes futuros se um lote falhar na especificação.
O teste de pulo, no entanto, também é baseado em regras! As regras, limites principalmente de intervalo de especificação, devem ser desenvolvidas manualmente e criadas no sistema.
Adicionar Inteligência Artificial (IA) ao seu teste de Skip-lot o processo elimina a necessidade de configurar essas regras. Ao alimentar dados históricos (inclusive de outras organizações), uma plataforma de análise orientada por IA desenvolve as regras por si só - aliviando sua equipe da necessidade de criar parâmetros e regras manualmente.
Com os dados certos em mãos (pense em "número de falhas" ou "mercadorias danificadas na chegada"), um LIMS inteligente pode prever se os lotes recebidos falharão em seu teste antes da execução do teste, procurando padrões nos dados históricos.
3. Automação de IA para manutenção preditiva
Para muitas organizações, o valor de ser capaz de prever as necessidades de manutenção em vez de responder a falhas de equipamento é enorme.
Se você pode prever quando seu instrumento está falhando, você também pode tomar ações para neutralizá-lo ou mitigá-lo. Em alguns casos, a resposta adequada pode ser acelerar os cronogramas de manutenção para evitar falhas no instrumento. Em outros casos, é um sistema de alerta antecipado para futura substituição de equipamentos.
Era uma vez (cerca de 2 anos atrás), isso pode não ter tido o impacto potencial que tem agora, com as cadeias de suprimentos estendendo algumas entregas de equipamentos por meses. Adicione a necessidade de pesquisar o instrumento certo antes da compra, e hoje isso pode representar um atraso significativo. É muito melhor ter um heads-up de que um problema surgirá, em vez do choque (e potenciais interrupções prolongadas) de ele ocorrer sem qualquer preparação no lugar.
4. Prever o gasto de consumíveis
Os consumíveis, ou melhor, a incapacidade das cadeias de suprimentos de fornecê-los de forma confiável, tornaram-se um tema dominante em praticamente todos os setores da indústria nos últimos dois anos. A marcação na precisão de compras tornou-se uma prioridade entre laboratórios e organizações preocupados com interrupções de serviço ou fabricação.
A maioria dos sistemas LIMS modernos pode alertá-lo quando você precisar reabastecer seu laboratório.
Mas, como acontece com as outras melhorias não orientadas por IA, este é um mecanismo de alerta baseado em regras definido pelo usuário que está "por trás do efeito"... é olhar para trás e informá-lo quando atinge um determinado limite definido. Se o seu limite estiver abaixo de X, por exemplo, ele gerará uma mensagem. Quando o limite cai abaixo de Y, ele notifica a compra e corresponde ao produto.
Mas a maioria dos laboratórios já tem dados (muitas vezes de muitos anos) que podem informar uma plataforma de IA para desenvolver as regras, com base no uso real.
Um sistema LIMS aprimorado por IA, no entanto, leva isso um passo adiante. Por exemplo, digamos que você precise de 100% de sal puro para uma receita de bolo - mas nenhum está disponível. Você tem 90% de sal, no entanto, que também é adequado para o seu bolo. Mas a receita pede 100% de sal - é assim que sempre foi feito - então ninguém sabia que algo mais poderia funcionar. Nesse caso, os dados podem apontar para um ingrediente alternativo em vez de esperar que os problemas da cadeia de suprimentos sejam resolvidos para obter a versão de 100%.
Novos usos para a IA em laboratório continuam a surgir, alimentando a transformação da IA de uma tecnologia experimental em um elemento central nas operações de laboratório.
Qual seria a sua aplicação dos sonhos para IA no laboratório? Quais tarefas você deseja descarregar e automatizar? Deixe-nos saber no LinkedIn!