Tecnología analítica de procesos en la industria 4.0
Revisión de aspectos de importación
Resumen
Resumen
Process Analytical Technology (PAT) es un sistema que surgió proactivamente por la “Food and Frug Administration” (FDA) hace algunas décadas para mejorar la forma tradicional de controlar los procesos analíticos en las industrias. Su directriz fue declarada un sistema para diseñar, analizar y controlar mediciones divergentes de “Critical Process Parameter” (CPP) y “Critical Quality Attributes” (CQA). Su enfoque se ha mejorado utilizando nuevas herramientas como "Quality by Design" (QbD) para establecer una comprensión profunda del proceso de fabricación. Debido a sus aplicaciones multidimensionales, uno de los análisis de procesos analíticos químicos que más se ha crecido en los últimos siglos son las técnicas de espectroscopia (infrarrojo cercano, biosensores, Raman, espectroscopia de fibra óptica) que se han desarrollado con sistemas online o offline utilizando técnicas para potenciar y mejorar la cuantificación industrial de herramientas de control como Cp (“Process Capacity”), CpK (“Process Capacity Index”). Esta combinación de PAT con QbD ha sido muy beneficiosa para impulsar a las industrias hacia una cuarta revolución industrial, donde las tecnologías físicas y digitales se entrelazan con sistemas informáticos como la nube y el Internet de las cosas industrial (IIoT). La adopción de este nuevo sistema en la industria en general ha hecho evolucionar la calidad de los productos ofrecidos, brindando mejor calidad, costo y satisfacción para el cliente final. Esta visión es posible a través del desarrollo de técnicas y software quimiométricos que tienen una mejor interpretación matemática de los datos y problemas químicos, correlacionando a través de la regresión lineal multivariada una mejor comprensión de los parámetros de fabricación. A diferencia de los métodos tradicionales existentes debido a su rapidez, además de ser considerada tecnología “verde” al medio ambiente y los seres humanos, la utilización de reactivos químicos no son necesarios para su análisis. En los tiempos actuales estás técnicas son muy usuales, pues proporcionan un enfoque más dinámico y continuo con datos viables, reproducibles y asertivo en cualquier etapa de la producción en la que se instale. Por lo tanto, esta es una revisión de aspectos importantes que se deben considerar y su conceptualización general, brindando una relación sobre cómo se integra la química analítica con las matemáticas, las tecnologías de la información y especialmente la manufactura.
Palabras clave: c; control de procesos; monitoreo en tiempo real, Tecnología de Infrarrojo Cercano, Quimiometría, FDA, Industria 4.0, Calidad por Diseño, Internet de las Cosas industriales, Sistemas Ciberfísicos y Sistemas de Localización en Tiempo Real.
Descargas
Citas
[2] FDA, 2005. Guidance Document Q8(R2) Pharmeceutical Development. Version 2009. https://www.fda.gov/regulatory-information/search-fda-guidance-documents/q8r2-pharmaceutical-development
[3] Fukuda, I. M., Pinto, C. F. F., Moreira, C. dos S., Saviano, A. M., & Lourenço, F. R. (2018). Design of Experiments (DoE) applied to Pharmaceutical and Analytical Quality by Design (QbD). Brazilian Journal of Pharmaceutical Sciences, 54(spe). https://doi:10.1590/s2175-97902018000001006
[4] Agalloco, J., DeSantis, P., Grilli, A., & Pavell, A. (Eds.). (2021). Handbook of Validation in Pharmaceutical Processes (4th ed.). CRC Press. https://doi.org/10.1201/9781003163138
[5] Bakeev, K. A. (Ed.). (2010). Process analytical technology: spectroscopic tools and implementation strategies for the chemical and pharmaceutical industries. John Wiley & Sons.
[6] Ge, Z. (2018). Process data analytics via probabilistic latent variable models: A tutorial review. Industrial & Engineering Chemistry Research, 57(38), 12646-12661.
[6] Norma es ISO 22301:2019 Security and resilience – business continuity management systems – requirements, ISO 2019.
[7] Cevikcan, Emre; Ustundag, Alp (2018). Industry 4.0: Managing The Digital Transformation (Springer (ed.); 2; 25-40. https://doi.org/10.1007/978-3-319-57870-5
[8] Vann, L., Layfield, JB, Sheppard, JD, 2017. A aplicação de espectroscopia de infravermelho próximo na fermentação de cerveja para monitoramento online de parâmetros críticos de processo e sua integração em uma nova estratégia de controle feedforward. J. Inst. Brew. 123, 347-360. https://doi.org/10.1002/jib.440.
[9] Moscetti, R., Raponi, F., Ferri, S., Colantoni, A., Monarca, D., Massantini, R., 2018. Monitoramento em tempo real de maçã orgânica (var. Gala) durante secagem com ar quente usando -na espectroscopia de infravermelhos. J. Eng. de Alimentos. 222, 139-150. https://doi.org/10.1016/j.jfoodeng. 2017.11.023
[10] Lu, Y., Li, X., Li, W., Shen, T., He, Z., Zhang, M., … Liu, F. (2021). Detection of chlorpyrifos and carbendazim residues in the cabbage using visible/near-infrared spectroscopy combined with chemometrics. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 257, https://119759.doi:10.1016/j.saa.2021.119759
[11] Miller, James; Miller, J. C. (2018). Statistics and Chemometrics for Analytical Chemistry (C. Books (ed.); 7th editio). Pearson.
[12] Forsberg, Jakob, Per M. Nielsen, Søren B. Engelsen, and Klavs M. Sørensen. 2021. "On-Line Real-Time Monitoring of a Rapid Enzymatic Oil Degumming Process: A Feasibility Study Using Free-Run Near-Infrared Spectroscopy" Foods 10, no. 10: 2368. https://doi.org/10.3390/foods10102368
[13] Pomerantsev, A. L., & Rodionova, O. Y. (2021). New trends in qualitative analysis: performance, optimization, and validation of multi-class and soft models. TrAC Trends in Analytical Chemistry, 143, 116372.
[14] Sørensen, K. M., Berg, F. V. D., & Engelsen, S. B. (2021). NIR Data Exploration and Regression by Chemometrics—A Primer. In Near-Infrared Spectroscopy (pp. 127-189). Springer, Singapore.
