Proyecto Hospitales 4.0

Hospitales 4.0

Machine Learning para una gestión más efectiva

El principal objetivo del proyecto es la optimización de la disponibilidad de recursos y del mantenimiento de estos dentro del entorno hospitalario, garantizando con ello la disponibilidad de los equipos médicos cuando son necesarios y pudiendo anticipar la escasez de estos o los posibles problemas con tiempo suficiente para poder buscar soluciones.

Bajo este, se realizará un piloto sobre una instalación real de un hospital en el cual se valide la concordancia y funcionalidad de diversas tecnologías habilitadoras dentro de la Industria 4.0, entre ellas simulación de sistemas, gemelos digitales, el Machine Learning, la inteligencia artificial, el Internet de las cosas (IoT) y la interconexión de sistemas.

De dicha instalación, se realizará un “gemelo digital” que represente con exactitud su actuación en un escenario simulado, con el fin de prepararse ante posibles situaciones reales y pudiendo anticiparse así a actuaciones futuras mediante la recopilación de datos de utilización y desgaste de los sistemas.

Con este proyecto se pretende:

– Reducir los costes mejorando la eficiencia del uso de equipos del hospital. Gracias al mantenimiento predictivo podremos anticipar imprevistos y, con ello, gastos indeseados. También seremos capaces de buscar el rendimiento óptimo de los mismos.

– Mejorar las operaciones. La anticipación de los posibles errores facilitará el diseño y gestión del calendario de mantenimientos preventivos, minimizando los retrasos en las operaciones periódicas ocasionados por las incidencias que requieren solución urgente.

– Mejora de la sostenibilidad y medio ambiente: Gracias a la mejora del consumo energético de los sistemas implicados en la operativa del hospital, se estará contribuyendo consecuentemente a la mejora del medio ambiente y la sostenibilidad.

– Mitigar los riesgos. Permite ejecutar simulaciones que ayudarán a determinar y optimizar la operación de la instalación y su uso, así como determinar si el mantenimiento preventivo establecido es el correcto.

– Comprender las interacciones del sistema. Los gemelos digitales de diferentes sistemas se pueden combinar para prever cómo se relacionan entre sí. Esta función es muy útil en el caso de productos y servicios que proceden de diferentes proveedores.

– Afinar la predicción. El modelo de machine Learning recopila todos los datos necesarios para crear algoritmos predictivos. Estos sistemas de inteligencia artificial permiten prevenir fallos y mejorar el funcionamiento de los sistemas.

– Mejorar la capacidad de atención al paciente. La incorporación de algoritmos de machine learning a la gestión de mantenimiento permitirá disponer de un mecanismo de predicción de fallos, posibilitando la programación de acciones adicionales para evitar la indisponibilidad de los equipos. A su vez, el incremento de la disponibilidad de los equipos médicos permitirá mejorar la capacidad y calidad de atención al paciente.

– Predecir las necesidades de personal y recursos adicionales: Mediante el Simulador de operación de la instalación, se podrá predecir y determinar el número de personal requerido ante diversas situaciones, también si habrá equipos suficientes, e incluso anticiparse a la falta de ciertos medicamentos.