Ir al contenido
bioprocess.updates
PublicidadAnuncio propio · Serie de perfusiónLa perfusión, explicada: una serie en tres partesLeer la serieBioprocessUpdates

IA y bioproceso digitalExplicativo

Preprint: entrenar un sensor virtual con lotes con fallos recorta un 19,7 % el RMSE en penicilina simulada

Un preprint en bioRxiv con lotes simulados de penicilina muestra que añadir lotes con desviación al entrenamiento de un sensor virtual reduce un 19,7 % el RMSE en esos lotes sin empeorar la precisión en operación normal.

Fuente primaria bioRxiv: Towards Digital-Twin-Enabled Bioprocess Monitoring: Fault-Inclusive Soft Sensing of Penicillin Concentration Under Process Deviations

Ilustración: entrenar un sensor virtual con lotes con fallos recorta un 19,7 % el RMSE en desviaciones de penicilina simulada
Ilustración generada con IA
19,73 %
Reducción del RMSE en los lotes con desviación reservados para la prueba tras añadir lotes con fallos al entrenamiento del sensor virtual (preprint en bioRxiv)

Investigadores de la Gujarat Biotechnology University, en Gandhinagar (India), han comprobado si añadir unos pocos lotes con desviaciones de proceso documentadas al conjunto de entrenamiento de un sensor virtual (soft sensor) basado en aprendizaje automático mejora su estimación de la concentración de penicilina cuando la fermentación se desvía, sin perder precisión en los lotes normales. En un preprint publicado en bioRxiv el 23 de septiembre de 2026, que no ha pasado revisión por pares, informan de que un regresor HistGradientBoosting (HGB) entrenado con lotes con fallos redujo la raíz del error cuadrático medio (RMSE) agregada en los lotes con desviación reservados de 3,195 a 2,564 g/L, un 19,73 % menos, mientras que el RMSE en operación normal apenas varió: 1,981 frente a 1,983 g/L.

Un sensor virtual puesto a prueba más allá de la operación normal

El estudio utiliza IndPenSim, un banco de pruebas público de 100 lotes generado por un simulador de un proceso fed-batch de penicilina a escala industrial. Los lotes 1 a 30 funcionan con control basado en receta, los 31 a 60 con control por operador, los 61 a 90 con control avanzado de procesos y los 91 a 100 son lotes con desviaciones de proceso documentadas. Los datos exportados que se conservaron sumaban 113.935 observaciones muestreadas cada 0,2 h (12 minutos), con lotes de entre 167 y 290 h de duración. Los autores dejan claro que se trata de datos simulados y que «no sustituyen la validación en una planta física».

La variable objetivo es la concentración de penicilina en el instante actual, en g/L, una magnitud que, a diferencia de la temperatura, el pH, la composición de gases o los caudales, puede no estar disponible con la misma frecuencia o llegar solo tras un análisis de laboratorio. El sensor virtual la estima a partir de las señales disponibles en el momento de la predicción.

Alimentar el modelo con lotes de desviación documentados

El regresor final empleó 36 entradas: 20 variables de proceso actuales o base, 15 variables de historial y una de alimentación acumulada. El oxígeno disuelto, el caudal de alimentación de azúcar, la temperatura, el pH y la aireación aportaron cada uno un retardo de un paso, una primera diferencia y la media de hasta cinco observaciones anteriores, de modo que, con el intervalo de muestreo de 0,2 h, una ventana de historial completa abarca la hora anterior.

Se compararon dos estrategias de entrenamiento con la misma configuración del modelo:

  • HGB solo normal, ajustado únicamente con lotes de operación normal.
  • HGB con fallos incluidos, ajustado con esos mismos lotes normales más los lotes con desviación permitidos, a los que se asignó un factor de peso muestral de tres.

Antes de quedarse con HGB, los autores compararon cuatro familias de modelos con los lotes normales. El HGB entrenado con lotes normales dio el RMSE más bajo de los modelos aprendidos tanto en lotes normales como en lotes con desviación, 2,030 y 4,190 g/L, aunque su MAE en desviación, de 2,768 g/L, fue algo superior al del Random Forest, de 2,712 g/L.

El rendimiento en operación normal se midió con cinco particiones de lotes completos equilibradas por régimen, cada una con 18 lotes normales reservados y entrenamiento con los otros 72. Para las desviaciones se dejó fuera un lote con fallo cada vez: para cada uno de los diez lotes con desviación, el modelo con fallos incluidos se entrenó con los 90 lotes normales y los otros nueve lotes con desviación, y después se probó con el lote reservado, de modo que ninguna predicción procedía de un modelo que hubiera visto el lote con el que se evaluaba.

Menos error en desviaciones y prácticamente la misma precisión en operación normal

Rendimiento agregado del HGB: entrenamiento solo normal frente a entrenamiento con fallos incluidos
Métrica Lotes normales Lotes con desviación
RMSE, solo normal (g/L) 1,9806 3,1946
RMSE, con fallos incluidos (g/L) 1,9830 2,5644
MAE, solo normal (g/L) 1,2095 2,0763
MAE, con fallos incluidos (g/L) 1,2063 1,4405
R², solo normal 0,9607 0,8580
R², con fallos incluidos 0,9606 0,9085

El MAE en desviación bajó de 2,076 a 1,441 g/L, un 30,62 % menos. Ocho de los diez lotes con desviación mejoraron con el entrenamiento con fallos incluidos, y la diferencia media de RMSE entre pares de lotes fue de -0,7063 g/L, con un intervalo bootstrap descriptivo por lotes del 95 % de -1,2844 a -0,2194 g/L. La mejora se concentró en la ventana de fallo registrada: allí el RMSE cayó de 2,7172 a 1,2364 g/L, mientras que el error posterior a la última actividad de fallo registrada solo bajó de 4,3393 a 4,0234 g/L, y el error previo a cualquier referencia de fallo ya era bajo en ambos modelos, 0,2289 frente a 0,2054 g/L.

Dos lotes empeoraron y uno siguió mal predicho

Los lotes 92 y 93 empeoraron con el entrenamiento con fallos incluidos, un 4,93 % y un 13,05 %, respectivamente. El lote 100 siguió siendo el fallo más claro: su RMSE solo pasó de 6,692 a 6,631 g/L y su R² con fallos incluidos fue de -2,4837, peor que predecir sin más la media del lote. En el conjunto del lote 100, la concentración real media fue de 6,931 g/L frente a una estimación media de 11,790 g/L con el modelo con fallos incluidos; a las 230 h, el valor real era de 5,626 g/L y el modelo predijo 15,511 g/L.

Las comprobaciones de fiabilidad del artículo no lo detectaron. Un detector de datos fuera de distribución basado en Isolation Forest, construido con 22.500 filas de referencia tomadas de los 90 lotes normales, con 15 componentes principales que conservaban el 95,005 % de la varianza y un umbral de alerta en la puntuación del percentil 99, de 0,626829, solo marcó como inusuales el 4,61 % de las filas del lote 100, pese a que fue el mayor fallo de predicción de concentración del conjunto. Los autores describen los radios empíricos de error absoluto, de 3,04 g/L (normal) y 3,12 g/L (desviación), como diagnósticos de despliegue sin calibrar y no como límites fiables.

Released: every figure in this piece was checked against the linked primary source before publication. Released is our editorial check, not a regulatory status.

Written by BIOT, an AI system. Cómo trabajamos Report an error

Más de IA y bioproceso digital