Vissza

Folyamatautomatizálás az élettudományokhoz kapcsolódó vállalkozásoknál

  Emese Hlacs

  2020.05.12. 14:20

Az élettudományokhoz kapcsolódó szektorok fejlődése

 

Az élettudományok, vagyis az élet jelenségeinek és folyamatainak kutatása a XX. századtól kezdődően olyan eredményekkel szolgálnak a világ számára, melyek egyfelől új termelő és szolgáltató funkciókat hoznak létre, másrészt átalakítják a már meglévőket. A molekuláris biológia, biokémia és biotechnológia felfedezései új alapokra a helyezték a növénytermesztés és állattenyésztés, a gyógyszerfejlesztés és számos más iparág működését és a bennük érintett cégek piaci pozícióját. Ugyanakkor ez a fejlődés, illetve a fejlődés kereteit és korlátait megadó szabályozások soha nem látott adatmennyiség kezelését és feldolgozását teszik szükségessé.

Az  informatika és adattudomány hasonlóan erőteljes fellendülése és térnyerése lehetővé teszi az előbb említett ágazatokban felmerülő adatfeldolgozási igényeknek való megfelelést. A haladás és a verseny nem áll meg, napjainkban egyre összetettebb elvárásokra kell reagálniuk az élettudományok területén működő cégeknek.

Ezek az elvárások az alábbi fő területeken jelentkeznek:

  • Kutatás-fejlesztési tevékenységek tervezése
  • Kísérleti, kutatási adatok kezelése, feldolgozása, elemzése
  • Szabályozóknak való megfelelés, hatósági adatszolgáltatás, engedélyeztetés
  • Panasz- és bejelentéskezelés, ügyfél- és partnerkapcsolatok
  • Ellátási lánc, logisztika, készletgazdálkodás
  • Általános üzleti tevékenységek, folyamatok

Bármelyik területet vizsgáljuk az élettudományokkal kapcsolatos tevékenységeket két alapvető, szigorú paraméter jellemzi: a gyorsaság és a pontosság. Egy olyan speciális helyzet, mint a jelenlegi koronavírus-járvány mindenki számára egyértelművé teszi ezek jelentőségét és minden más szektortól megkülönbözető jellegét.

Túl a vészhelyzeteken, az élettudományok és az informatika összefonódó és egymást inspiráló fejlődése közvetlen módon generált igényeket és keresletet új termékekre, technológiákra, szolgáltatásokra és a versenyt is szélsőséges mértékig fokozza. Példa erre az orvostudomány fejlődése, a személyre szabott orvoslás lehetőségének valósággá válása és ahogyan ez a betegek gondolkodását és az egészségügyi ellátással szembeni elvárásait átalakította. Olykor ezek az elvárások nem is tudatosak, nem fogalmazódnak meg kimondva, de a fejlett országokban élők már természetesnek veszik, hogy az orvostudomány minden betegségre megoldást nyújtson, biztonságosan, azonnal, elérhető áron.

Az élettudományok területén kifejlesztett technológiák korábban nem látott távlatokat nyitottak a növekvő emberi populáció megfelelő minőségű élelemmel való ellátásában, energiatermelésben, hulladékfeldolgozásban is. Ugyanakkor ezek a technológiák veszélyeket is hordoznak magukban, ezért az adatoknak pontosnak, a feldolgozásnak hibamentesnek kell lenniük. Ezen adott esetben életek múlhatnak.

 

 

Az RPA alkalmazásának lehetőségei

 

Előbbi bevezetőnk után tekintsük át, hogyan segítheti az informatika és rendszerszervezés legújabb eszköze, a folyamatautomatizáció (Robotic Process Automation) a felvázolt kihívásokra való reagálást.

 

Az innováció támogatása

 

Bármely tevékenységi területről beszélünk, az adatok feldolgozásának gyorsítása, a folyamatok automatizációja és optimalizációja az adminisztratív teendők csökkentésével időt szabadít fel a munkavállalók számára, ezt a felszabaduló időt, energiát a valódi fejlesztő munkára, kreatív képességeik kibontakoztatására tudják fordítani. Ez javítja a tevékenység eredményeit, valamint a munkavállalók hangulatát, morálját.

Az szinte minden ágazatra igaz a gyógyszerfejlesztéstől az élelmiszertermelésig, hogy mind a tervezési-fejlesztési, mint az üzleti folyamatok gyorsabbá, hatékonyabbá és átláthatóvá tételével az RPA támogatja a termékek gyorsabb piacra jutását és elérhetővé válását, a költségek csökkentése, de a minőségbiztosítás és ügyfélkiszolgálás szintjének emelése mellett. A kiélezett versenyben ezek a tényezők meghatározó innovációs elemek a vállalkozások piaci helyzetének alakulásában.

Példaként említhetjük a gyógyszerfejlesztéshez szükséges klinikai vizsgálati helyszínek kiválasztásának támogatását, a klinikai vizsgálatok és betegadatok pontosabb és alaposabb összehasonlításával, a különböző adatforrásokból származó adatok integrációjával.

Az orvostudomány és gyógyszeripar a generikus gyógyszerektől és terápiás módszerektől a személyre szabott orvoslás felé fejlődik, ami még több adatot jelent. Hasonló tendenciát láthatunk a mezőgazdaságban is, ahol a konvencionális technológiákat a precíziós mezőgazdaság váltja fel. Az összegyűlt adatmennyiség azonban önmagában nem válik értékké, azok megfelelő színvonalú feldolgozása és interpretálása teszi őket a fejlődést megalapozó információvá.

 

Előírásoknak való megfelelés, adatszolgáltatás

 

A termékekkel és módszerekkel szembeni hatékonysági és biztonságossági követelmények teljesítése érdekében az élettudományokhoz kapcsolódó iparágak tevékenységét számtalan szigorú előírás szabályozza. A kötelező teendőkön túl a cégek maguk vállalta minőségbiztosítási rendszerei is további adminisztratív terheket jelentenek.

A gyógyszeriparban ez a farmakovigilancia fejlesztését jelenti: az hibamentes, gyors adatfeldolgozás a megfelelő színvonalú termékfejlesztés alapja.

Napjaink járványhelyzetében nem kérdéses, hogy a közegészségügyi feladatok ellátásához, döntéshozatalhoz és intézkedések elrendeléséhez szükséges információk azonnali elérése és publikálása nélkülözhetetlen.

Az előbbi példákból is következik, hogy az adatszolgáltatás legtöbbször többféle adatforrásból történik, az integrációhoz pedig sokszor egy, a használt rendszerektől, adatbázisoktól független, externális eszközre van szükség. Erre az RPA szoftverek, botok egyszerű, könnyen kivitelezhető és kezelhető, transzparens megoldást nyújtanak.

 

Hatóanyagtól a termékig

 

Dolgozhatunk a legkiválóbb elmékkel, a legújabb berendezésekkel és gépekkel, a legmodernebb technológiákkal akár a laborban, akár a szántóföldön, ha a szükséges anyagok nem állnak rendelkezésre a szükséges helyen és időben. Ezen sorok írója is ismeri azt a “hógolyó-effektust”, amikor egyetlen reagens hiánya egyetlen kísérletet egyetlen nappal késleltet. Az egynapos késés a kísérletsorozatban már több napos késéssé duzzad, az egész kutatás szempontjából kritikus csúszást idézhet elő. A kukoricabogár megjelenésekor hiányzó növényvédőszer utáni kapkodás sem tartozik a legszebb emlékek közé. Egy kutatólaborban sem kívánatos az anyaghiány miatti késlekedés, piacra történő termelésnél megengedhetetlen. Az anyag- és készletgazdálkodás színvonala ezekben az ágazatokban az igények felmerülésének dinamizmusa és a szükséges anyagok magas költségei miatt meghatározóak a siker és eredményesség szempontjából. Az intelligens automatizált készletgazdálkodás lehet a kulcs a sikerhez, tovább tehermentesítve úgy a kutatás-fejlesztésben, mint a termelésben dolgozókat.

 

Közvetlen kapcsolat a felhasználókkal, partnerekkel

 

Az internet és a digitalizáció olyan információk közvetlen elérését nyitotta meg a cégek számára, amelyekhez korábban alig, vagy egyáltalán nem jutottak hozzá. Az ügyfelek, felhasználók, partnerek felől érkező bejelentésekre, panaszokra, visszajelzésekre már nem pusztán, mint elintézendő ügyekre tekintenek, hanem mint erőforrásra. Ezek az ügyfélelégedettség növelése, a piackutatás és marketing, minőségbiztosítás számára alapvető fontosságú információforrások lehetnek. Ugyanakkor hasznosságuk nagyban függ a mennyiségtől és a feldolgozás minőségétől. Ahhoz, hogy reprezentatív, széles bázison alapuljanak az elemzések, biztosítani kell a megfelelő csatornákat a nagy mennyiségű információ beáramlásához. Ezek lehetnek weboldalakon elérhető űrlapok is, de egyre több cég alkalmazza a különböző interaktív eszközöket, üzenetküldő rendszereket, chat-botokat, általuk is megjelenítve az ügyfelek, partnerek iránti elköteleződést. A következő lépés a nagy mennyiségű, többnyire szabad formátumú, nem strukturált információkból a releváns adatok kinyerése, tisztítása, elemzése. Mindezeket a lépéseket az intelligens, kognitív automatizációs eljárások magas színvonalon hajtják végre, minimális emberi beavatkozás szükségességével.

 

Az üzlet az üzlet

 

Természetesen az élettudományos területen működő vállalkozások általános üzleti folyamataik (könyvelés, pénzügy, HR, stb.) automatizálására is kiváló módszereket nyújt az RPA. Ezekre a szoftverek sokszor már beépített botokat is biztosítanak, illetve pár egyszerű, “drag and drop” lépéssel összeállíthatók időigényes, repetitív adminisztratív feladatokat végrehajtó eljárások. Mivel ezeknek a folyamatoknak az automatizálásában halmozódott fel a legtöbb tapasztalat és tudás, a teljes end-to-end automatizáció is megoldható a legtöbb esetben. Az élettudományok magas kitettségű, dinamikus környezetében bizonyos szakma-függő folyamatok automatizációja egyelőre korlátozott lehet, ezért a szektor vállalkozásainak talán még más szektorokhoz képest is fontosabb az a költség- és időráfordítás csökkenés, amit ilyen módon biztosan elérhetnek.

 

 

Az automatizáció szintjei és adaptálás lehetőségei

 

Az automatizáció ma már nem újdonság a biotechnológiában, gyógyszerfejlesztésben, ugyanakkor a cégek eltérő mértékű digitalizációja szerint különböző szintű automatizációs megoldásokat valósítanak meg.

 

„Attended” vagy „Assisted” RPA:

Emberi döntést nem igénylő, alacsony komplexitású (strukturált adatok, standart formátumban, kevés, könnyen elérhető forrásból) folyamatok automatizációja, mely a hosszabb távon változatlan szabályok mentén ismétlődő feladatok emberi munkaerő általi elvégzését váltja ki. A robotok futtatását még ember kezdeményezi, felügyeli és menedzseli lokálisan, jellemzően desktopokon. Az egyszerűbb, általános adminisztratív feladatok elvégzésére alkalmasak. Egyszerűsége ellenére jelentős idő- és emberi munka megtakarítást biztosítanak akár az általános, akár szakma-specifikus folyamatok során, mindenhol, ahol nagy mennyiségű adat bevitelére, keresésére, összegyűjtésére, integrációjára, szűrésére van szükség.

 

„Unattended” vagy „Unassisted” RPA:

Az attended RPA-hoz képest ezek a botok emberi kezdeményezés nélkül, időzítve vagy triggerek hatására lefutnak, ezáltal komplexebb folyamatok end-to-end automatizálását is lehetővé tévő megoldások. Ugyanakkor szükség lehet emberi beavatozásra, mert a kivételeket, szabályoktól való eltérést nem tudják kezelni. Többnyire még mindig Desktop környezetben, lokálisan futtatott botokat jelent, amelyeket viszont már lehetséges egy központi kezelőfelületről (dashboard) menedzselni (Szerver–kliens architektúra). Nem strukturált adatokat önmagában nem tud értelmezni, a természetes szöveg feldolgozási (NLP) képességei korlátozottak.

 

Autonomous RPA:

Az end-to-end automatizációt felhő-alapú SaaS (software as a service) szolgáltatásként nyújtja, az erősforrásgazdálkodás, terhelés-elosztás dinamikus és automatikus. Széleskörű előre definiált, beépített botok gyűjteménye elérhető az adott szolgáltatás keretében. A nem-strukturált információk feldolgozása még korlátozott, de már használhat mesterséges intelligencia technológiákat, mint a gépi tanulás, gépi látás, kognitív automatizáció.

 

Cognitive RPA (RPA + AI), avagy intelligens automatizáció:

Az automatizáláshoz integrált mesterséges intelligencia eszközöket használ, mint a gépi tanulás, gépi látás, optikai karakter felismerés (OCR), természetes nyelv feldolgozás (NLP), szövegértelmezés és elemzés, képes strukturálatlan információk feldolgozására. Ezekkel a technológiákkal felvértezve már alkalmas összegyűjtött információk értékelésén alapuló döntéshozatalt igénylő folyamat végrehajtására. A robotok menedzselése gyakorlatilag teljesen automatikus lehet, felhő alapú SaaS szolgáltatáson keresztül. Zökkenőmentesen és biztonságosan kapcsol össze cégen belüli és kívüli rendszereket, adatbázisokat, akár IoT-t. Használhat interaktív eszközöket, mint a virtuális asszisztensek, chatbotok.

Az AI segítségével a struktúrálatlan információkból lehetségessé válik az érdemi és létfontosságú információk kivonása, melyeket azután automatizált folyamatok dolgoznak fel. Ezek a technológiák együtt képesek például a klinikai adatok gyors és pontos feldolgozására, miközben megfelelnek a szakmai előírásoknak. Az AI segítheti az esetleírások és tudományos információforrások rendszerezését, szűrését, adatok kinyerését.

 

 

Kockázatok az intelligens automatizáció adoptációja során

 

Az élettudományok töretlen fejlődése minden tekintetben gyorsan változó környezetet jelent a hozzájuk kötődő vállakozások számára. Ezért az új rendszerek bevezetése hordoz magában kockázatokat. Ezek a kockázatok szakértő change management-tel, projekt-előkészítéssel, az érintettek felkészítésével és képzésével csökkenthetők vagy akár teljesen kiküszöbölhetők.

  • A folyamatok sokfélék, fragmentáltak, helyenként nem standardok.
  • A felhasználók (folyamatok eredményének tekintetében) sokfélék: például betegek, egészségügyi dolgozók, érdekvédők, non-profit szervezetek, hatóságok, partnerek, termelők, beszállítók, stb.
  • Különösen az erős tradíciókkal bíró ágazatokban előfordulhat, hogy a munkavállalók belső ellenállásába, kockázatkerülő hozzáállásába ütközik a projekt.
  • A tevékenységeket szabályozó előírások változnak, a nekik való megfelelés a rendszerek gyors adaptációját igényli.
  • A jogszabályi és hatósági előírásokon túl az iparágak szakmai elveinek és céljainak is hasonlóképpen meg kell felelni.

 

Use cases

 

Végezetül néhány nemzetközi példa sikeres automatizációs projektekre:

  • Az USA Élelmiszer- és Gyógyszerbiztonsági Hivatala, az FDA mesterséges intelligenciával integrált automatizáció segítségével jelentősen csökkenteni tudta használ gyógyszerek forgalomba hozatalának korábban több, mint 10 év hosszúságú folyamatát.
  • Az Eli Lilly Japánban az ügyfélkiszolgálás színvonalának jelentős emelését érte el különbözős sales, marketing és klinikai funkciók automatizálásával.
  • Az Amgen beszédfelismerő botot használ a kutatók labormunkájának segítésére, így nem kell gépelni, jegyzetelni a mérési adataikat és a feljegyzéseiket. Ezzel akár napi 3 óra adminisztratív munkára fordított időt szabadítanak fel az innovatív tevékenységeik számára.
  • A Boston Scientific 50 folyamatot automatizált, ebből 20 beavatkozást nem igénylő end-to-end automatizáció. Az előregisztrációs űrlapok feldolgozása, számlafeldolgozás, regionális raktárak kezelése és készletgazdálkodás terén évi 240 000 USD megtakarítást és teljes hibaredukciót értek el.
  • A Becton Dickinson több, mint 220 botot telepített HR, R&D és ellátási-lánc feladatok automatizálására

 

Források:

https://www.automationanywhere.com/in/solutions/lifesciences

https://www.automationanywhere.com/company/press-room/everest-group-names-automation-anywhere-a-leader-in-rpa-peak-matrix-assessment

https://www.automationanywhere.com/blog/product-insights/five-ways-rpa-and-ai-innovate-life-sciences

https://www.automationanywhere.com/blog/company-news/intelligent-automation-unlocking-value-for-life-sciences

https://www.automationanywhere.com/blog/product-insights/life-sciences-moving-innovation-forward-to-change-lives-with-cognitive-automation

https://www.automationanywhere.com/products/iq-bot/life-science

https://www.automationanywhere.com/blog/product-insights/how-automation-is-igniting-innovation-in-life-sciences

https://www.automationanywhere.com/solutions/pharmaceutical/eli-lilly

https://www.automationanywhere.com/solutions/lifesciences/boston-scientific

https://resources.automationanywhere.com/watch/how-becton-dickinson-uses-rpa-as-part-of-its-digital-transformation-strategy

Webinar-ok:

https://www.automationanywhere.com/lp/webinar/life-sciences-ai-powered-automation

https://www.automationanywhere.com/lp/webinar/ai-driven-life-sciences

 


   

Megjegyzések
Még nincsenek hozzászólások. Légy első!

Címkefelhő

Legutóbbi bloggerek

Attila Ábel
Bejegyzések: 1
Csillagok: 0
Dátum: 2020.08.11.
Tibor Sánta
Bejegyzések: 9
Csillagok: 2
Dátum: 2020.07.22.
Szilvia Tóth
Bejegyzések: 1
Csillagok: 0
Dátum: 2020.07.07.
Emese Hlacs
Bejegyzések: 3
Csillagok: 0
Dátum: 2020.06.10.
Szabolcs Farkas Fekete
Bejegyzések: 5
Csillagok: 0
Dátum: 2020.04.23.

Kapcsolat