Kontrola wizualna w produkcji farmaceutycznej
Uczenie głębokie: ograniczenie liczby błędnych wyrzutów na nowych i zmodernizowanych liniach produkcyjnych

Artykuł gościnny autorstwa Christian Haenlein, kierownik ds. produktów w firmie Körber Pharma | Tłumaczenie wykonane przez sztuczną inteligencję 7 min Czas czytania

Sztuczna inteligencja przekształca automatyczną kontrolę wizualną (AVI) ze sztywnego systemu opartego na logice w system zdolny do uczenia się. Dzięki rozwiązaniom modernizacyjnym można również zmodernizować istniejące instalacje w celu zwiększenia wydajności wykrywania.

Modele sztucznej inteligencji, wyszkolone pod kątem konkretnych produktów, uzupełniają klasyczną kontrolę opartą na historycznych danych obrazowych i precyzyjnym oznaczaniu.(Zdjęcie: Körber)
Modele sztucznej inteligencji, wyszkolone pod kątem konkretnych produktów, uzupełniają klasyczną kontrolę opartą na historycznych danych obrazowych i precyzyjnym oznaczaniu.
(Zdjęcie: Körber)

Wysoka częstotliwość cykli, wahania w procesie produkcyjnym oraz rygorystyczne wymagania GxP stanowią duże wyzwanie dla kontroli wizualnej w produkcji farmaceutycznej. Deep Learning rozszerza możliwości klasycznego przetwarzania obrazu i ogranicza liczbę błędnych klasyfikacji. Również istniejące linie produkcyjne można zmodernizować przy niewielkim nakładzie pracy. Jedynym warunkiem jest zastosowanie znormalizowanej, podlegającej walidacji procedury – od gromadzenia danych, przez szkolenie modelu, aż po monitorowanie w trakcie produkcji.