Mobile-Menu

Visuelle Inspektion in der Pharmaproduktion Deep Learning: Fehlauswürfe in neuen und Retrofit-Linien reduzieren

Ein Gastbeitrag von Christian Haenlein, Product Manager bei Körber Pharma 5 min Lesedauer

Anbieter zum Thema

Körber Pharma GmbH
Meister Strömungstechnik GmbH
Glatt Ingenieurtechnik GmbH
EDL Anlagenbau Gesellschaft mbH

Künstliche Intelligenz transformiert die automatische visuelle Inspektion (AVI) von einer starren Logik hin zu einem lernfähigen System. Durch Retrofit-Ansätze lassen sich auch Bestandsanlagen aufrüsten, um die Detektionsleistung zu steigern.

Produktspezifisch trainierte KI-Modelle ergänzen die klassische Inspektion auf Basis historischer Bilddaten und präzisem Labeling.(Bild: Körber)
Produktspezifisch trainierte KI-Modelle ergänzen die klassische Inspektion auf Basis historischer Bilddaten und präzisem Labeling.
(Bild: Körber)

Hohe Taktzahlen, Schwankungen im Produktionsprozess und strenge GxP-Anforderungen stellen die visuelle Inspektion in der Pharmaproduktion vor große Herausforderungen. Deep Learning erweitert die Möglichkeiten der klassischen Bildverarbeitung und reduziert Fehlklassifikationen. Auch bestehende Linien können mit wenig Aufwand nachgerüstet werden. Voraussetzung ist lediglich eine standardisierte, validierbare Vorgehensweise – von der Datenerhebung über das Modelltraining bis hin zum produktionsbegleitenden Monitoring.

Die Grenzen klassischer Bildverarbeitung

Schwellenwert-basierte Algorithmen sind in der pharmazeutischen Inspektion etabliert und liefern bei klar definierten Prüfmerkmalen zuverlässige Ergebnisse. Sie erfordern jedoch viel Expertise, um eine zuverlässige Defekterkennung bei gleichzeitig niedriger Fehlauswurfrate (False-Eject-Rate) zu erzielen.

Weiterführende Inhalte