Künstliche Intelligenz kommt in Ihr Labor. Sind Sie bereit?
Die meisten Branchen sind beim Sammeln von Daten geschickt - wenn auch nicht ganz effizient - geworden. Moderne Instrumente und Geräte ermöglichen in der Regel eine Form des Datenexports und der Datenerfassung. Heutzutage sind Systeme immer häufiger weitaus ausgefeilter (und integrierter) als eine einfache Datenerfassung.
Labs-Tools können riesige Datenmengen generieren und sammeln. Obwohl kein System perfekt ist, haben wir einen Punkt erreicht, an dem die Datenerfassung nicht mehr der Engpass ist.
Datenanalyse und -extrapolation schon.
Alle Daten, die wir sammeln können, sind der Schlüssel zu einer fundierten Entscheidungsfindung. Aber wie nutzen Sie es und was sind einige Beispiele dafür, wie die Datenanalyse den Laborbetrieb verbessern kann?
KI-Datenanalyse
In den letzten zehn Jahren hat sich die Datenanalyse bei Unternehmen, die pflichtbewusst Daten sammeln und auf ihre Verwendung warten, durchgesetzt. Analysen werden häufig eingesetzt, bieten jedoch nur einen rückwirkenden, KPI-gesteuerten "deskriptiven" Ansatz.
KI-gesteuerte Analysen wandeln diese deskriptiven Analysen in prädiktive und präskriptive Analysen um. Was ist der Unterschied zwischen den Arten von Analysen? In kurzen Worten:
- Deskriptive Analysen analysieren, was passiert ist.
- Prädiktive Analytik prognostiziert, was könnte
- Präskriptive Analysen empfehlen, was Sie tun sollten.
Das Konzept hinter KI besteht darin, ein definiertes Regelwerk durch die Fähigkeit zu ersetzen, die logischsten Regeln selbst zu lernen und zu erstellen. Mit LabVantage Analytics können beispielsweise Routinetätigkeiten von künstlicher Intelligenz ausgeführt werden – so wird Ihr System effizienter und effektiver.
Zugreifen auf und Anwenden von Daten
Wie können Unternehmen also die Fülle an Daten und Informationen nutzen, die sie in verschiedenen Labormanagementsystemen gesammelt haben, und was sind die Anwendungen für diese Daten?
In einem früheren Beitrag haben wir einige der Anwendungsfälle diskutiert, die wir mit prädiktiven und präskriptiven Analysen in verschiedenen Branchen sehen. Ein spezifisches Beispiel für den Fertigungssektor war die Durchführung qualitätsbezogener Analysen, bei denen Labordaten mit Produktionsprozessdaten kombiniert wurden, um Treiber für schlechte Qualität zu identifizieren und Echtzeit-Interventionsstrategien zu empfehlen, um die Kosten für schlechte Qualität zu senken.
In unseren Gesprächen mit Laboren auf der ganzen Welt darüber, wie sie Analysen nutzen - und wie sie sie nutzen wollen - haben wir Fragen zu bestimmten Aufgaben beantwortet, darunter:
- Ausnahmegenehmigung
- Skip-Lot-Prüfung
- Vorhersage von Batch-Fehlern
- Verbrauch von Verbrauchsmaterialien.
Wenn Sie ein Labor leiten, könnten Sie die vier KI-gesteuerten Workflow-Verbesserungen (unten) zu einem Upgrade inspirieren!
Der gemeinsame Nenner: Keine Regeln
All diese Situationen - und die meisten anderen laborbasierten KI-Anwendungen - beruhen auf der Fähigkeit der KI, ihre eigenen Regeln auf der Grundlage der besten verfügbaren (und breitesten Datenquelle) zu bestimmen und festzulegen. Dies spart den Laboren nicht nur Zeit, sondern verbessert auch die Ergebnisse durch datengesteuerte Entscheidungsfindung.
1. Ausnahmegenehmigung mit KI
Es ist eine gängige Praxis in QA/QC-Labors, dass alle Ergebnisse überprüft und genehmigt werden müssen, bevor sie für den Informationskonsumenten freigegeben werden. Der Wegfall der Notwendigkeit, alle Ergebnisse zu überprüfen, kann zu einer enormen Effizienz führen und die Fähigkeiten eines Labors verbessern und erweitern.
In einem LIMS wird diese Aufgabe entweder vollständig manuell durchgeführt oder (in neueren Versionen von LIMS) 'ausnahmsweise' - d.h. nur die Testergebnisse, die den Status 'Warnung' oder 'Nicht bestanden' haben, werden manuell überprüft.
Die "ausnahmebasierte" Überprüfung erfordert jedoch die Entwicklung einer Regelvorlage für den Umgang mit Stichprobentypen in bestimmten Tests für eine bestimmte Anwendung.
Durch das Hinzufügen von künstlicher Intelligenz (KI) zu Ihrem Überprüfungs-/Genehmigungsprozess müssen Sie keine Regeln einrichten. Durch die Einspeisung historischer Daten von verschiedenen Kunden lernt ein intelligentes LIMS die Regeln von selbst, sodass sich Ihr Team auf andere Aufgaben konzentrieren kann.
2. Skip-Lot-Tests mit KI
Häufigkeits-, periodische oder Skip-Lot-Tests sind eine Probenahmetechnik, die Ihnen Zeit und Geld spart, indem sie die Anzahl der an einigen Proben durchgeführten Tests reduziert. Es wird häufig verwendet, wenn eine etablierte Geschichte der Produktqualität vorliegt - zum Beispiel Artikel von einem vertrauenswürdigen Lieferanten.
Die Technik umfasst strenge Tests neuer Produkte sowie Produkte von neuen Lieferanten. Es fördert auch zukünftige Tests, wenn eine Charge die Spezifikation nicht erfüllt.
Skip-Lot-Tests sind jedoch auch regelbasiert! Die Regeln - meist Spezifikationsbereichsgrenzen - müssen manuell im System entwickelt und erstellt werden.
Durch das Hinzufügen von künstlicher Intelligenz (KI) zu Ihrem Skip-Lot-Testprozess entfällt die Notwendigkeit, diese Regeln einzurichten. Durch die Einspeisung historischer Daten (auch von anderen Organisationen) entwickelt eine KI-gesteuerte Analyseplattform die Regeln selbst und entlastet Ihr Team von der Notwendigkeit, Parameter und Regeln manuell zu erstellen.
Mit den richtigen Daten (z. B. "Anzahl der Fehlschläge" oder "beschädigte Waren bei der Ankunft") kann ein intelligentes LIMS vorhersagen, ob eingehende Chargen ihren Test vor der Testausführung nicht bestehen, indem es nach Mustern in historischen Daten sucht.
3. KI-Automatisierung für vorausschauende Wartung
Für viele Unternehmen ist es von großem Wert, den Wartungsbedarf vorhersagen zu können, anstatt auf Geräteausfälle zu reagieren.
Wenn Sie vorhersagen können, wann Ihr Instrument versagt, können Sie auch Maßnahmen ergreifen, um dem entgegenzuwirken oder es abzumildern. In einigen Fällen kann die richtige Reaktion darin bestehen, die Wartungspläne zu beschleunigen, um Geräteausfälle zu vermeiden. In anderen Fällen ist es ein Frühwarnsystem für den zukünftigen Austausch von Geräten.
Früher (vor etwa 2 Jahren) hatte dies vielleicht noch nicht die potenziellen Auswirkungen, die es jetzt hat, da sich die Lieferketten bei einigen Geräten über Monate hinziehen. Wenn man dann noch die Notwendigkeit hinzufügt, vor dem Kauf das richtige Instrument zu recherchieren, kann dies heute zu einer erheblichen Verzögerung führen. Es ist weitaus besser, eine Vorwarnung zu haben, dass ein Problem auftreten wird, als den Schock (und mögliche langwierige Unterbrechungen), wenn es ohne Vorbereitungen auftritt.
4. Verbrauchsmaterialverbrauch vorhersagen
Verbrauchsmaterialien - oder besser gesagt, die Unfähigkeit der Lieferketten, sie zuverlässig zu liefern - ist in den letzten zwei Jahren zu einem beherrschenden Thema in praktisch allen Industriesektoren geworden. Die Genauigkeit der Beschaffung hat bei Laboren und Organisationen, die sich Sorgen über Service- oder Produktionsunterbrechungen machen, oberste Priorität.
Die meisten modernen LIMS-Systeme können Sie warnen, wenn Sie Ihr Labor mit Nachschub versorgen müssen.
Aber wie bei den anderen nicht KI-gesteuerten Verbesserungen handelt es sich hier um einen vom Anwender definierten, regelbasierten Warnmechanismus, der "im Nachhinein" wirkt... er blickt zurück und informiert Sie, wenn er einen bestimmten Schwellenwert erreicht. Wenn Ihr Schwellenwert beispielsweise unter X liegt, wird eine Nachricht generiert. Wenn der Schwellenwert unter Y fällt, benachrichtigt er den Einkauf und passt das Produkt an.
Die meisten Labore verfügen jedoch bereits über Daten (die oft viele Jahre zurückreichen), die eine KI-Plattform bei der Entwicklung der Regeln auf der Grundlage der tatsächlichen Nutzung informieren können.
Ein KI-gestütztes LIMS-System geht jedoch noch einen Schritt weiter. Nehmen wir zum Beispiel an, Sie benötigen 100 % reines Salz für ein Kuchenrezept - aber keines ist verfügbar. Sie haben jedoch 90 % Salz, das auch für Ihren Kuchen geeignet ist. Aber das Rezept verlangt 100 % Salz - so wurde es schon immer gemacht - also wusste niemand, dass etwas anderes funktionieren könnte. In diesem Fall können die Daten Sie auf diese alternative Zutat hinweisen, anstatt auf die Lösung von Problemen in der Lieferkette zu warten, um die 100%-Version zu beziehen.
Es entstehen immer wieder neue Einsatzmöglichkeiten für KI im Labor, die die Transformation von KI von einer experimentellen Technologie zu einem Kernelement im Laborbetrieb vorantreiben.
Was wäre Ihre Traumanwendung für KI im Labor? Welche Aufgaben möchten Sie auslagern und automatisieren? Lassen Sie es uns auf LinkedIn wissen!
