MSD testuje AI w zarządzaniu odchyleniami produkcyjnymi

Zarządzanie odchyleniami w produkcji farmaceutycznej przypomina szukanie igły w stogu dokumentacji. Tysiące raportów. Niezliczone procedury. Góry analiz. I gdzieś tam – ukryta odpowiedź, dlaczego seria leku nie przeszła kontroli.

MSD postanowiło to zmienić. Sięgnęło po generatywną AI.

Problem jest realny i kosztowny. Każde odchylenie w procesie produkcyjnym wymaga szczegółowej analizy przyczyn źródłowych. Specjaliści ds. jakości muszą przeszukać dokumentację z podobnych przypadków, czasem sięgającą lat wstecz. Proces ten pochłania tygodnie pracy wykwalifikowanych zespołów. A czas w farmacji to nie tylko pieniądze – to opóźnione dostawy leków, które czekają na pacjentów.

Tradycyjne systemy zarządzania dokumentacją oferują wyszukiwanie słów kluczowych, ale nie rozumieją kontekstu. Nie potrafią połączyć faktów z różnych źródeł. Nie widzą wzorców, które dla doświadczonego specjalisty są oczywiste – ale tylko wtedy, gdy ma czas przejrzeć setki dokumentów.

Baza wiedzy, która nic nie zapomina

Firma testuje rozwiązanie oparte na usługach AWS — tworzy wielowymiarową bazę wiedzy z przeszłych zdarzeń produkcyjnych. To nie zwykłe archiwum. System rozumie kontekst, łączy kropki między pozornie odległymi przypadkami i podpowiada rozwiązania.

Technologia wykorzystuje modele językowe do przetwarzania dokumentacji w formie nieustrukturyzowanej – raportów napisanych ludzkim językiem, notatek z inspekcji, protokołów z badań. Przekształca je w uporządkowaną wiedzę, którą można przeszukiwać nie tylko po słowach, ale po znaczeniu i kontekście.

System buduje połączenia między przypadkami na podstawie podobieństw w objawach, przyczynach, zastosowanych rozwiązaniach. Rozpoznaje wzorce, które człowiek mógłby zauważyć dopiero po miesiącach analizy – jeśli w ogóle.

Ambitnie? Jasne. Ale w branży, gdzie każde odchylenie od standardu kosztuje miliony (i zdrowie pacjentów), nawet niewielka poprawa robi różnicę.

Jak to działa

technik produkcji zgłasza odchylenie. System błyskawicznie przeszukuje bazę podobnych przypadków z ostatnich lat, analizuje przyczyny, proponuje działania naprawcze. W minuty, nie tygodnie.

MSD wykorzystuje tu połączenie generatywnych modeli AI z zaawansowanymi bazami danych. Zespoły dostają konkretne wskazówki zamiast ton dokumentów do ręcznego przeglądania.

Proces wygląda następująco: po wprowadzeniu opisu problemu, AI analizuje go pod kątem semantycznym. Identyfikuje kluczowe elementy – typ odchylenia, etap produkcji, parametry procesu. Następnie przeszukuje historyczne dane, szukając przypadków o podobnym profilu. Nie chodzi tylko o identyczne sytuacje – system rozpoznaje analogie i transferuje wiedzę między różnymi kontekstami.

Wyniki prezentowane są w formie rankingu najbardziej prawdopodobnych przyczyn wraz z sugerowanymi działaniami korygującymi. Każda sugestia opatrzona jest odniesieniami do konkretnych przypadków z przeszłości, co pozwala specjalistom szybko zweryfikować zasadność rekomendacji.

Nie tylko szybciej — mądrzej

Najciekawsze nie jest tempo. To fakt, że system uczy się na każdym nowym przypadku.

Im więcej danych, tym lepsze sugestie. Samonapędzający się mechanizm doskonalenia procesów.

Każda rozwiązana sprawa wzbogaca bazę wiedzy. System obserwuje, które sugestie okazały się trafne, a które nie. Dostosowuje swoje algormy rankingowe. Z czasem staje się coraz bardziej precyzyjny w przewidywaniu, która ścieżka rozwiązania będzie najskuteczniejsza w danym kontekście.

Dodatkowa wartość pojawia się w wykrywaniu trendów. AI może zauważyć, że pewien typ odchyleń zaczyna występować częściej w konkretnej linii produkcyjnej. Albo że problemy nasilają się w określonych warunkach środowiskowych. To sygnały wczesnego ostrzegania, które pozwalają działać proaktywnie, zanim drobne nieprawidłowości przerodzą się w poważne incydenty.

To wciąż eksploracja, nie gotowy produkt. Ale kierunek jasny: mniej czasu na papierkową robotę, więcej na faktyczne rozwiązywanie problemów.

Co to znaczy dla branży

Jeśli test się powiedzie, zobaczymy falę podobnych wdrożeń. Nie tylko w farmacji — wszędzie tam, gdzie jakość produkcji jest krytyczna, a dokumentacja przytłaczająca.

Przemysł lotniczy, motoryzacyjny, spożywczy – wszystkie te sektory zmagają się z podobnymi wyzwaniami. regulacje wymagają skrupulatnej dokumentacji każdego odchylenia. Zespoły quality assurance toną w papierach. A presja na skrócenie czasu reakcji rośnie.

Rozwiązanie MSD może stać się blueprintem dla całej branży produkcyjnej wysokiej jakości. Nie chodzi o zastąpienie ludzi – chodzi o uwolnienie ich od mechanicznej pracy przeszukiwania archiwów. Żeby mogli skupić się na tym, w czym są najlepsi: analizie, podejmowaniu decyzji, doskonaleniu procesów.

A dla Ciebie? Pracujesz w compliance, quality assurance czy produkcji — warto obserwować. Bo za chwilę AI może przejąć te najbardziej żmudne części Twojej pracy.

I wcale nie musi to być zła wiadomość.

Pytanie brzmi: czy będziesz gotowy wykorzystać czas, który system Ci zwróci?

Źródła

• AWS Machine Learning Blog – MSD explores applying generative AI