En cualquier planta industrial, un sistema de visión artificial tiene que detectar lo que no debe pasar. En una planta farmacéutica tiene que hacer eso y, además, demostrarlo: dejar constancia de qué vio, cuándo, con qué criterio y bajo qué versión de software.
Esa diferencia lo cambia todo. La visión artificial en la industria farmacéutica no se juzga solo por su capacidad de detección, sino por su trazabilidad y por la posibilidad de reconstruir, meses después, por qué un envase concreto se rechazó o se dio por bueno.
Por eso un proyecto de inspección en entornos regulados se parece poco a uno convencional: cambian los criterios de aceptación, la documentación, la gestión de cambios y la forma de validar el sistema antes de ponerlo a producir.
Qué se inspecciona en una línea farmacéutica
Las aplicaciones habituales se reparten entre el producto y el envase. En el producto: presencia de partículas, color y aspecto de la solución, nivel de llenado, integridad del liofilizado y estado del cierre. En el envase: colocación del tapón y la cápsula, posición y legibilidad de la etiqueta, impresión del lote y la caducidad, y verificación del prospecto dentro del estuche.
A ellas se suma el control de códigos y la trazabilidad unitaria, que en farmacia no es una mejora opcional sino un requisito de distribución.
Inspección visual automática de inyectables
La inspección visual automática de partículas visibles en inyectables es el caso más exigente y también el más regulado. Las farmacopeas fijan las condiciones en las que debe realizarse: la USP <790>, armonizada con el capítulo 2.9.20 de la Farmacopea Europea, establece una iluminación de entre 2.000 y 3.750 lux, observación contra fondo blanco y negro y sin aumento.
El esquema habitual combina una inspección al 100 % de las unidades con un muestreo posterior por AQL conforme a la norma ISO 2859-1. Es decir, el sistema automático no sustituye al control estadístico: lo alimenta.
Para soluciones coloreadas, opalescentes o liofilizados, las propias farmacopeas admiten tiempos de observación más largos e intensidades de luz superiores, porque el límite no lo pone la cámara sino la física del producto.
Serialización y trazabilidad del envase
Desde el 9 de febrero de 2019, el Reglamento Delegado (UE) 2016/161 obliga a que los medicamentos sujetos a prescripción lleven dos elementos de seguridad: un identificador único, codificado en un Data Matrix bidimensional, y un dispositivo antimanipulación.
Para la línea, eso significa imprimir, leer y verificar un código distinto en cada envase, asociarlo al lote y al agregado correspondiente, y gestionar los rechazos sin romper la secuencia. La serialización de medicamentos apoyada en visión artificial interviene en la lectura y en la verificación de la calidad de impresión del código, que es donde se concentran la mayoría de las incidencias.
Validar el sistema antes de producir
En un proyecto industrial convencional, el sistema se da por bueno cuando funciona. En farmacia hay que demostrar que funciona de forma repetible y documentada: la validación del sistema de visión se articula en un proceso de cualificación por etapas y con conjuntos de muestras conocidas que incluyan tanto unidades correctas como defectos representativos.
Ese conjunto de muestras es la pieza más laboriosa del proyecto y la que más condiciona el resultado. Define qué se considera defecto, permite medir la capacidad real de detección y sirve de referencia cada vez que el sistema se modifica. Es también donde se concentran los errores de implantación más frecuentes.
Registros, audit trail y control de accesos
Un sistema de visión en entorno GMP forma parte de los sistemas informatizados de la planta, con las exigencias que eso conlleva: usuarios identificados, permisos por perfil, registro inalterable de cambios de parámetros y conservación de los resultados de inspección durante el periodo que marque el procedimiento.
Esto condiciona decisiones técnicas que en otro sector serían menores: dónde se guardan las imágenes, cuánto tiempo, con qué resolución, cómo se asocian al lote y quién puede modificar un umbral. Conviene resolverlo en la arquitectura del sistema y no al final del proyecto.
Gestión de cambios: no se toca un parámetro sin más
La diferencia más llamativa para quien viene de otros sectores es que ajustar el sistema no es inmediato. Cambiar un umbral, actualizar el software o reentrenar un modelo implica evaluar el impacto, documentarlo y, según el alcance, repetir parte de la cualificación.
Eso penaliza las soluciones que necesitan ajustes continuos y favorece las que son estables y explicables. Es un criterio que conviene tener presente al decidir entre un enfoque clásico y uno basado en deep learning: en un entorno regulado, poder justificar por qué el sistema ha rechazado una unidad vale tanto como acertar, y cómo se entrena y valida el modelo pasa a formar parte del expediente.
Visión artificial para entornos regulados en I-MAS
En I-MAS abordamos los proyectos de visión artificial integrando óptica, iluminación, sensores, software y comunicación con la línea, y adaptando la documentación y la validación a las exigencias de cada sector. En control de calidad farmacéutico eso significa trabajar desde el principio con criterios de aceptación acordados, muestras de referencia y registros preparados para auditoría.
Si en tu planta necesitas automatizar una inspección y demostrarla, cuéntanos tu proyecto y lo analizamos contigo.
