Cómo puede la TI aumentar la eficiencia en la implementación de las vacunas y reducir los costos de la cadena de suministro

Recientemente, en mi primer artículo sobre la distribución de las vacunas COVID-19 a nivel mundial, abordé la magnitud del problema.

Albert Einstein decía que: "Si me dieran una hora para salvar el mundo, dedicaría 55 minutos a definir el problema y 5 minutos a encontrar la solución".

Afortunadamente, tenemos más de una hora para salvar el mundo. Ahora poseemos una mejor comprensión del problema no médico en cuestión, así que veamos el papel de la TI y exploremos la aplicación de las analíticas, inteligencia artificial (IA), aprendizaje automático (ML) e Internet de las Cosas (IoT).

La tecnología de la información tiene la tarea de reducir costos y riesgos, y su aplicación puede generar beneficios significativos.

1. Predicción del suministro

Creando un almacenamiento de datos común para obtener visibilidad de la demanda, podemos garantizar que los lotes de vacunas se entreguen sin desperdicio. Esto incluye todos los aspectos del ciclo que se envían a los fabricantes de medicamentos y a las empresas de logística para asegurar que el tamaño de carga correcto sea enviado a tiempo. El análisis de estos datos, combinado con información adicional del área, también podría ayudar a pronosticar con precisión los requerimientos. Un aspecto clave aquí es la seguridad. Deben existir controles adecuados, como, por ejemplo, cifrado y hashing, para asegurar la privacidad de los datos y que otras leyes regulatorias se cumplan y así proteger la integridad de la cadena de suministro.

El uso combinado de analíticas con IA presenta varios beneficios como los que se detallan en este documento técnico. Todas estas ventajas son aplicables a la logística de la vacuna COVID a pesar de la singularidad de la cadena de suministro criogénica. Existe una necesidad apremiante en esta crisis para hacer posible que los desafíos de la utilización de estas tecnologías se aborden de manera adecuada y con anticipación, de forma que se ofrezca una distribución óptima de las vacunas.

2. Aprovechamiento de IoT y ML (Machine Learning, o aprendizaje automático) al tiempo que se brinda conectividad remota a todos los dispositivos de la cadena de suministro

La idea de adoptar sensores para relevar información como la temperatura, la ubicación física, la cantidad de veces que se abre una vacuna o el stock restante es probablemente evidente. Sin embargo, habrá algunas consideraciones clave a tener en cuenta, como seleccionar el conjunto de sensores con los atributos correctos, incluido el factor de forma, el consumo de energía y la capacidad para trabajar en condiciones climáticas adversas y variadas. Seleccionar y probar dichos sensores para determinar su idoneidad en los entornos más hostiles es fundamental porque serán responsables de la alimentación de datos. Si éstos son incorrectos o se interrumpen, otras etapas de la cadena podrían fallar.

Una vez que se resuelve el desafío del conjunto correcto de sensores, la siguiente pregunta apunta hacia la conectividad: hacer factible que se transmitan los datos de los dispositivos. Esta es una tarea compleja debido a los patrones de consumo de energía y los diversos escenarios, incluidos espacios interiores, exteriores y cobertura móvil irregular. Cada paquete necesita múltiples opciones como celular, UWB, LoRA, BLE y RFID, según el lugar de operación y la necesidad de redundancia. Por ejemplo, UWE / BLE son más adecuados para interiores dentro de almacenes o depósitos, mientras que los celulares son más indicados para el transporte en campo o carretera. El objetivo es el menor consumo de energía posible, lo que permite que las unidades portátiles se concentren en su propósito principal de alimentar la refrigeración.

Los datos del sensor solo se vuelven valiosos cuando se emplean para obtener información y predicciones prácticas. La experiencia nos ha enseñado a todos que las malas noticias deben transmitirse tres veces más rápido que las buenas para lograr una acción correctiva oportuna. Podemos hacer uso de ese principio mediante la aplicación del aprendizaje automático para predecir fallas antes de que ocurran, en lugar de hacerlo retrospectivamente.

La combinación de conectividad deficiente, costos y el hecho de que cada vacuna requiera su propio entorno/contexto desde la fabricación hasta el usuario final, hace que sea sensato integrar el componente de aprendizaje en el edge. El ML para IoT generalmente envía toda la información de los sensores a la nube. Luego, estos datos se utilizan para entrenar el modelo en el cloud. La mayoría de los usos básicamente se implementan para tomar decisiones en vivo. El modelo, sin embargo, se desarrolla de forma centralizada con información distribuida en varios dispositivos. Al incorporar el componente de aprendizaje en cada equipo, se logra que cada elemento sea empleado en función de sus datos únicos.

Este formato de aprendizaje automático es difícil y exige capacitarse teniendo en cuenta las condiciones ambientales de cada caja individual. La temperatura de un contenedor de vacuna podría cambiar más drásticamente en un desierto caluroso que en las llanuras heladas de una estepa. Por lo tanto, cada dispositivo entrena su propio modelo y, una vez que el grado de precisión es aceptable, lo ejecuta. Se trata de aprendizaje no supervisado. También se puede consolidar todo en lotes para extraer los puntos en común, y procesarlos en áreas donde la conectividad es buena y económica.

El aprendizaje automático (AA) integrado se habilita a través de una aplicación de software diseñada específicamente para estos sistemas y se ejecuta en dispositivos periféricos. Normalmente opera en una computadora embebida, que consume menos recursos que una implementación en la nube.

El aprendizaje automático (AA) integrado complementa el edge y el cloud computing. El aprendizaje automático realizado por una aplicación de software integrada está destinado a permitir el aprendizaje directamente en los dispositivos para formar datos más valiosos antes de compartirlos con el modelo de datos central.

El aprendizaje automático (AA) integrado aprovecha el aprendizaje incremental, a diferencia del que es por lotes, que se utiliza para la mayoría de los modelos tradicionales.

Algunos de los beneficios del AA incorporado son:

  • Cantidades reducidas de datos: producir información con mayor valor antes de ser enviada a la nube permite ahorrar costos potenciales en el ancho de banda
  • Tiempo de respuesta mejorado para aplicaciones sensibles a la latencia y necesidades cognitivas de ML
  • Operación autónoma y dependencia reducida de las conexiones de red / nube
  • Personalización del dispositivo o del perfil del usuario final, incluidos los parámetros ambientales locales

No es necesario que todos los sensores estén en los dispositivos. A través de una combinación de cámaras inteligentes y el análisis de las diversas transmisiones de video, se puede implementar aún más la visión por computadora y el aprendizaje profundo para los sitios, brindando la capacidad de monitorear las condiciones del inventario, así como a los empleados que acceden a ellos.

 

3. Seguridad de los trabajadores que operan con productos congelados criogénicamente

Deben considerarse los riesgos y las medidas de seguridad ante la manipulación de este tipo de insumos. Dado que la mayoría de las vacunas se están desarrollando con tecnología de ARNm, actualmente requieren almacenamiento y transporte a <-20 ° C (hasta -75 ° C). Es importante señalar que esto también será relevante para muchas otras vacunas por venir. Para garantizar y monitorear las condiciones del sitio y de los trabajadores, se deben cumplir las normas adecuadas para detectar la exposición del personal que trabaja con las vacunas.

Según NCNR, los tres principales peligros criogénicos son:

1. Quemadura por frío, que provoca congelación e hipotermia

Según este estudio sobre dispositivos portátiles para la evaluación continua del estrés por frío en el trabajo, la tolerancia a bajas temperaturas es muy subjetiva, lo mismo que el diseño de un sensor portátil personalizado utilizado en combinación con ML. Esto puede llevar mucho tiempo y resultar prohibitivo.

Un punto de partida más simple sería tener sensores de estado sólido, que se inserten rápidamente en dispositivos portátiles para obtener información sobre la temperatura de la piel. Ha habido algunos proyectos muy originales, que podrían implicar una producción más profesional de estas capacidades integradas en los kits de PPE. Si estas alertas, que serían agregadas a las señales audibles para el usuario, se transmiten a un servidor central, entonces se podrían efectuar los avisos de asistencia adecuados y el modelado predictivo.

Esto sería imperioso para detectar estas exposiciones y reaccionar anticipadamente para prevenir accidentes y lesiones.

2. Asfixia por ebullición y desplazamiento de oxígeno

El enfriamiento criogénico generalmente involucra el uso de líquidos superenfriados, como dióxido de carbono, helio y nitrógeno. Èstos, si se filtran accidentalmente, pasarán inmediatamente a sus formas gaseosas y desplazarán el oxígeno. Esto es especialmente peligroso en espacios reducidos como habitaciones cerradas, almacenes y cámaras frigoríficas. Los sensores de oxígeno existen desde la década de 1960, gracias a Robert Bosch Gmbh y al Dr. Günter Bauman.

Una combinación de sensores de habitación conectados a sistemas de monitoreo garantizará una alerta temprana adecuada de fugas de gas.

3. Explosión de contenedores sellados

La ebullición de líquidos criogénicos crea un riesgo mayor para los envases cerrados debido al fenómeno de expansión térmica. El uso de sensores conectados para medir no solo las temperaturas, sino también la presión sería fundamental para analizar y evitar que los contenedores exploten.

Estos son solo algunos puntos que muestran la utilidad de la TI para la distribución de vacunas y para ayudar a reducir costos y riesgos durante la gestión del plan este contexto pandémico. cómo incluso algunas de las técnicas más avanzadas, como la inteligencia artificial y el aprendizaje automático, pueden ayudar en la campaña para lograr la implementación de vacunas más eficiente posible.

Ashwin Krishnan
Ashwin Krishnan

Ashwin es director de consultoría en Orange Business Services, Suiza, donde se especializa en ayudar a las organizaciones a adoptar la transformación digital. Es un entusiasta de la tecnología, defensor de las soluciones de la nube, adoptante de IoT, estudiante de inteligencia artificial y, cuando tiene tiempo libre, disfruta de la música, el cricket y la gastronomía.