REFERENZCASE

K.I.-basierte Qualitätskontrolle
in der Pharmaindustrie

Von der Stichprobe zur ganzheitlichen K.I.-basierten Qualitätssicherung

Um den Aufwand der visuellen Fehlererkennung in der produktiven Pharmaindustrie zu vereinfachen und Fehlerraten zu reduzieren hat elunic mit AI.SEE™ ein kameragestützes System zur Verfügung gestellt, das mit Hilfe von Deep Learning Algorithmen Fehler in Tabletten- und Blisterprodukten findet und damit die Prüfung der produzierten Ware automatisiert. Mit AI.SEE™ wird die Qualitätsprüfung in der Industrie mithilfe von KI auf ein neues Level gehoben.

Hintergrund

Bei der Herstellung und Verpackung von Arzneimitteln sind Produkt- und Blisterinspektion besonders wichtig und werden daher mit einer sehr hohen Priorität behandelt, um systembedingte Nachteile wie zum Beispiel verzögerte Arzneimittelbereitstellung und Blisterverunreinigungen zu verhindern. Pharmazeutische Fehlererkennungssysteme müssen darüber hinaus die spezifischen Anforderungen der Produzenten erfüllen und mit pharmazeutischen Qualitätsmaßstäben vereinbar sein.

Ziele

Automatisierte Qualitätsprüfung und softwaregestütze Nachvollziehbarkeit der Produktionsqualität.
Logische Klassifizierung von Fehlern.
Ablösung von stichprobenartiger Qualitätssicherung durch vollumfängliche Qualitätssicherung.

Lösung

Konzeption, Aufbau und Implementierung produktions- und Audit Trail-konformer Hardware und Software.
Gewährleistung von Fehlererkennungen unter pharma-spezifischen Produktionsbedingungen (bspw. erschwerte Aufnahmebedingungen durch Tablettenstaub).
Automatische Seriennummererkennung (OCR) zum Datenaustausch mit ERP und MES.
Erkennung von kleinsten Form- und Farbabweichungen durch eine automatische Bildauswertung mit neuester Deep Learning Technologie.

Ablauf

Vor-Ort Begehung zur Aufnahme und Bewertung der Rahmenparameter in der Produktion.

Skizzierung möglicher Setups zur Vorselektion der Hardwarekomponenten inklusive Grobkostenbewertung.

Finale Modellierung und Realisierung von Kamera, Beleuchtung und Halterung.

Einsatz von AI.SEE™ für einen web-basierten PoC zur Erkennung von unvollständigen Formen auf Tabletten und Erweiterung zur Erkennung von 23 Fehlerklassen auf 4 Produkttypen.

Anbindung an Kameras und Integration in den Produktionsprozess mittels optimierter Deep-Learning-Hardware AI.SEE™ Edge und den Einsatz von Hochleistungs-TPU’s.

Automatisches Retraining von AI.SEE™ im Produktionsprozess auf Basis von neuen Bilddaten zur kontinuierlichen Verbesserung der Erkennungsrate.

Jetzt mit wenigen Fragen herausfinden, ob auch Ihr Problem durch AI.SEE™ lösbar ist.

Durch künstliche Intelligenz ermöglicht AI.SEE™ Produzenten eine zerstörungsfreie, zuverlässige und automatisierte Inspektion Ihrer Produkte.

Dank Deep-Learning-Algorithmen können bei dauerhaft zuverlässiger Qualität auch kleinste Fehler auf heterogenen oder spiegelnden Oberflächen gefunden werden, die von menschlichen Inspektoren häufig übersehen werden, und leistungsstarke Erkenntnisse geliefert werden, die zur Steigerung der Qualität und der betrieblichen Effizienz beitragen.