Mezcla API + excipiente con IA — la uniformidad de contenido se confirma en el blender, no en el laboratorio.
Una mezcla no uniforme se ve en el comprimido tres etapas después, cuando ya es lote — content uniformity fuera, retirada en marcha. iLEAN Edge ve el lecho completo en línea (visión / NIR), Connect captura los parámetros reales del blender y un agente cruza con la receta y la densidad del API de hoy. Si la mezcla no replica el patrón del lote bueno, el sistema retiene antes del descarga. La persona firma.
Una zona caliente del lecho no la ve la sonda. La ve el comprimido.
El muestreo estadístico de la mezcla API + excipiente funciona el 99% de las veces. Ese 1% restante es el que arruina la planificación entera — content uniformity fuera, lote rechazado en compresión, y si llega más lejos, retirada del mercado por API potente fuera de especificación.
El problema clásico es que la sonda mira en algunos puntos del lecho — no en todos. Si una zona caliente se forma justo donde no toca ninguna sonda (porque el API se aglomeró por estática, porque la densidad del lote nuevo cambió, porque la velocidad del blender estuvo 30 segundos más alta de lo habitual), la mezcla pasa el laboratorio. Y falla tres etapas después.
Los tres datos que harían falta cruzar para anticipar viven en tres islas:
- La receta del lote — proporciones nominales de API y excipientes, tiempo y velocidad del blender, instrucción de lubricación. En el MES o en una hoja maestra de fabricación.
- Lo que está pasando en el blender — velocidad real, tiempo real, carga real, posiblemente NIR en línea si lo tienes. En el SCADA del equipo, sin cruce con la receta.
- Cómo era la materia prima de hoy — densidad real del API del lote nuevo, humedad ambiental, fluidez del excipiente. En la ficha del proveedor, en un email, en la cabeza del responsable de almacén.
Tres islas, ninguna habla con las otras. La zona caliente vive en la junta entre las tres — y nadie estaba ahí escuchando a tiempo.
iLEAN no sustituye al muestreo — añade visión sobre todo el lecho.
El control de mezcla no es un problema de falta de protocolos. La planta moderna ya tiene SOPs, sondas, ensayos de uniformidad. El problema es que el muestreo es ciego entre puntos y nadie cruza el patrón del lecho con la receta y con la densidad real del API de hoy. iLEAN es la masilla que sella esa grieta.
Edge ve el lecho completo en línea. Connect captura los parámetros del blender y la ficha de la materia prima. El agente compara con el patrón del lote bueno y, si la mezcla no replica, retiene. La persona firma — nunca al revés.
Las tres piezas iLEAN aplicadas a la mezcla API + excipiente:
- Edge — terminal con visión por CNN sobre mirilla del blender (o sensor NIR en línea si el cliente ya tiene la instrumentación). Lee patrón de mezcla, presencia de aglomerados, segregación incipiente. Dispara la retención si el patrón no coincide con el del lote correcto. Funciona sin red.
- Connect — captura la receta del MES, los parámetros reales del SCADA del blender (velocidad, tiempo, carga), la ficha del lote de API del proveedor (densidad real, granulometría) y los emails que registran un cambio de proveedor. Todo en el segundo cero.
- Agente — cruza el patrón de mezcla con la receta, los CPPs y la materia prima. Si detecta que el patrón de hoy diverge del lote bueno (zona caliente que no aparecía antes, sobremezcla por velocidad excesiva), no escribe un email a las 22h: notifica al responsable de fabricación y propone detener o redistribuir antes de descargar a la siguiente etapa. La persona firma; la línea no se reanuda sola.
Mezcla con muestreo posterior vs. mezcla cruzada con iLEAN
| Aspecto | Muestreo + SCADA aislados | Con iLEAN Edge + Connect + Agente |
|---|---|---|
| Detección de zona caliente | Ciega entre puntos de muestreo | Edge ve el lecho completo en línea |
| Variación de densidad del API | Asumida desde la ficha técnica | Connect captura ficha real del lote |
| Sobremezcla / lubricación excesiva | Detectada al compactar (lote ya tarde) | Agente compara con curva del lote bueno |
| Segregación post-mezcla | Vista en uniformidad de comprimido | Edge la detecta en transporte/tolva |
| Expediente para inspección | Reconstruir desde 4 sistemas | Dossier por lote, automático, con imagen del lecho |
| Funcionamiento sin red | n/a | Edge sigue inspeccionando con la luz del cuadro |
Lo que ya vimos en planta — y lo que esperamos ver en mezcla de sólidos orales.
Caso real — pintura en polvo de automoción (jidoka en dos tiempos)
La mezcla API + excipiente comparte conceptualmente el problema de la pintura en polvo: un defecto de homogeneidad de un polvo que, si se detecta antes del horno (antes de compactar), es nada — y si se detecta después, es lote. En una línea de pintura en polvo de un proveedor de automoción instalamos iLEAN Edge con visión (CNN) que detecta el defecto antes del horno, cuando aún se puede recuperar pieza y pintura. Actuador a 45 ms. Connect leyó la dispensadora vieja cada 3 minutos. Un agente coordinó las órdenes de trabajo con el personal.
- Primer valor en 2 semanas: detección por encima del 90%.
- Línea piloto completa en 60 días: detección por encima del 98%.
- Expansión a las otras 4 líneas hecha por el propio cliente, con su gente formada, en 3 meses.
- Inversión real año 1 ≈ 29.800 €. Recurrente ≈ 9.700 €/año. Payback conservador ~3 meses; suelo absoluto por debajo del año.
Lectura de negocio: que el cliente despliegue las siguientes líneas sin nosotros demuestra que un buen piloto no crea dependencia y deja capacidad nueva en las personas. El éxito es que dejen de necesitarte.
Estimación para mezcla de sólidos orales — a validar con tus números
El siguiente bloque es una estimación a validar con los datos concretos de tu planta. Lo planteamos para que el comité tenga un orden de magnitud; lo refinamos en el diagnóstico.
- Planta de sólidos orales con 2-3 blenders (V-blender o bin blender), mix multi-SKU con APIs de distinta densidad, MES vertical conviviendo con notas de lote en papel.
- Piloto Edge sobre un blender (mirilla + integración con SCADA y MES). Primer valor esperable en pocas semanas: reducción de lotes rechazados por content uniformity ≥ 30%.
- Payback orientativo entre 4 y 9 meses, según coste medio de un lote rechazado por uniformidad y la frecuencia de incidentes.
- La palanca dura es un solo lote evitado: producto rescatado, etapa de compresión no comprometida, slot de envasado liberado. Un lote paga el piloto.
Y la duda razonable del responsable de garantía de calidad
«¿Y si la IA libera una mezcla mal y llega a compresión?» — la alucinación es un problema de la generación libre, no de las tareas ancladas. En tareas donde el modelo se limita a comparar el patrón de mezcla actual con el del lote bueno aprendido, los mejores modelos bajaron el error por debajo del 1,5% [1]. Y aun así, lo crítico no se decide solo: iLEAN retiene y la persona firma con su credencial GMP — los tres anillos de seguridad están ahí precisamente para esto. Y el estándar transversal de calidad industrial — del orden de las 25 PPM que se exige en automoción [2] — se consigue solo con captura completa de la realidad, no con muestreo posterior.
[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas. [2] Symestic — estándar de calidad en automoción del orden de 25 PPM, referencia transversal de calidad industrial.
Lo que se pregunta sobre IA en mezcla API + excipiente
¿Qué problemas típicos aparecen en la mezcla API + excipiente?
Los clásicos son falta de uniformidad de contenido (zonas calientes y frías de API en el lecho), segregación posterior (la mezcla está bien pero se desmezcla en el transporte al granulador o a la tolva), sobremezcla (lubricante demasiado tiempo con la mezcla, comprimibilidad arruinada), aglomeración por electricidad estática y cambios de comportamiento por variación de densidad del API entre lotes. Todos comparten lo mismo: nacen en minutos en el blender y solo se confirman cuando el laboratorio analiza las muestras de los puntos del lecho — tarde.
¿Por qué el muestreo estadístico no detecta las zonas calientes?
El muestreo por sonda es estadísticamente válido pero ciego entre puntos. Si el API se acumuló en una región del lecho que no toca ninguna sonda, la mezcla pasa el laboratorio y falla en compresión o en el ensayo de uniformidad del producto terminado. iLEAN no sustituye el muestreo: pone encima visión en línea (NIR o RGB entrenada) que ve el lecho completo y cruza el patrón con la curva real de tiempo, velocidad y carga del blender. Si el patrón de mezcla no coincide con el del lote bueno, el sistema retiene antes del descarga.
¿Cómo se valida una IA de uniformidad bajo ICH Q8 / Q9 / Q10 y QbD?
La IA opera dentro del espacio de diseño validado (design space ICH Q8). Su trabajo no es reemplazar al sistema de calidad: es vigilar los CPPs y los CQAs (Critical Quality Attributes) en tiempo real frente al modelo del lote bueno y proponer detener o continuar. Cada inferencia queda registrada con timestamp, versión de modelo y trazabilidad de la imagen. Los tres anillos de seguridad de iLEAN garantizan que la decisión crítica la firme la persona — el sistema propone, no ejecuta. Encaja con ICH Q10 (calidad farmacéutica) por diseño.
¿Puede iLEAN Edge mirar dentro del blender sin entrar en zona ATEX?
Sí. Edge se instala fuera del recinto ATEX, leyendo a través de mirilla blindada o ventana óptica, o se monta en versión certificada cuando el cliente lo requiere. La inferencia ocurre en el terminal local — no sale señal de vídeo de la sala. Funciona sin red: si la planta se queda sin WiFi, Edge sigue inspeccionando y reteniendo, porque en una sala GMP de mezcla lo crítico no puede depender de la conectividad.
¿Cuál es el ROI típico de aplicar IA al control de mezcla API?
Un piloto Edge + Agente sobre un blender, con integración al MES y a la receta del lote, suele plantearse en una inversión inicial moderada y una licencia anual razonable. El payback se mueve en un rango de varios meses, según el coste medio de un lote no uniforme rechazado por content uniformity y la frecuencia con la que aparece. La palanca dura: un solo lote salvado por trimestre paga el piloto. Pídenos el ROI con tus números — te lo pasamos en 48h.
Cuéntanos tu caso y te pasamos en 48h el ROI estimado de este proyecto de IA para tu sala de mezcla.
Trabajamos sobre los datos reales de tu planta, no sobre los nuestros. Diagnóstico sin compromiso.
Pedir ROI estimado en 48h Ver farmacéutico