En collaboration avec la société mAbxience, spécialisée dans le développement, la fabrication et la commercialisation de produits biopharmaceutiques, nous avons développé des modèles de données basés sur des techniques d’apprentissage automatique supervisé qui, après 4 ans de travail, ont abouti à un système de maintenance prédictive basé sur l’IA dans les installations du processus d’eau pour injections (WFI) de mAbxience en Espagne, publié dans l’édition de janvier-février de la revue Pharmaceutical-Engineering.

Ce travail démontre l’efficacité des modèles d’apprentissage automatique, construits à partir des informations générées par 31 capteurs, 14 alarmes et des indicateurs de qualité de l’eau, pour identifier et prédire les anomalies dans un délai d’alerte (14 jours) permettant aux équipes de maintenance préventive et prédictive d’effectuer les ajustements correspondants dans les zones et les composants de l’usine identifiés par l’algorithme.

Les premiers résultats montrent que les modèles sont robustes et capables d’identifier les événements anormaux choisis. En outre, l’approche de l’apprentissage automatique par induction de règles (une technique qui crée des règles « if-then-else » à partir d’un ensemble de variables d’entrée et d’une variable de sortie) est « boîte blanche », ce qui signifie que les modèles sont facilement lisibles par les humains et peuvent être déployés dans n’importe quel langage de programmation.

IRIS Technology Solutions remercie mAbxience et les techniciens de l’usine WFI pour leur collaboration.

Lire l’article complet ici.