La industria farmacéutica enfrenta desafíos económicos significativos debido a medidas destinadas a contener los costos de atención médica y a la evolución de las regulaciones sanitarias. En este contexto, los laboratorios farmacéuticos buscan extender la vida útil de sus maquinarias, en particular los secadores de lecho fluidizado, que desempeñan un papel crucial en el proceso de producción de medicamentos. Los secadores de lecho fluidizado más antiguos, que carecen de sensores avanzados para la optimización de la temperatura en tiempo real, dependen de enfoques deterministas de tiempo fijo controlados por operarios. Para abordar estas limitaciones, se presenta un enfoque innovador que tiene en cuenta el Análisis de Datos de Exploración (EDA, por sus siglas en inglés) y un modelo de aprendizaje automático Catboost. Esta investigación tiene como objetivo analizar y mejorar un proceso de producción de medicamentos a gran escala, mostrando cómo los algoritmos de inteligencia artificial pueden revolucionar la industria manufacturera. El modelo Catboost reduce de manera efectiva el tiempo de la fase de precalentamiento, lo que resulta en ahorros significativos de energía. Al monitorear continuamente parámetros críticos, se logra un cambio de paradigma respecto a los modelos convencionales de tiempo fijo. Se ha demostrado que el modelo es capaz de predecir en promedio una reducción del 50,45% en la duración del proceso de precalentamiento y hasta un 59,68% en algunos casos. Asimismo, el consumo de energía del secador de lecho fluidizado para el proceso de precalentamiento podría reducirse en promedio un 50,48% y hasta un 59,76%, lo que resultaría en un ahorro promedio de alrededor de 3.120 kWh de consumo de energía por año.