KI-basierte Machine Vision automatisiert Qualitätsprüfung in der Pharmabranche
Medizinbedarf & Pharmazie | HALCON | Blob-Analyse | Deep Learning | MatchingDas Pharmaunternehmen Aspen optimiert die Inspektion abgefüllter Ampullen mithilfe der industriellen Bildverarbeitungssoftware MVTec HALCON und den Beratungs- und Serviceleistungen von MVTec. Dank Deep Learning erreicht das Unternehmen höchste Präzision und Effizienz in der pharmazeutischen Qualitätssicherung.
Wie lässt sich die Qualitätssicherung in der Pharmaindustrie zuverlässig automatisieren?
In der Gesundheits- und Pharmabranche ist eine präzise Qualitätssicherung essenziell, um höchste Produktstandards zu gewährleisten. Das Pharmaunternehmen Aspen suchte daher nach einer Möglichkeit, die manuelle Sichtprüfung seiner medizinischen Ampullen zu automatisieren. Bisher prüften Mitarbeitende jede Ampulle einzeln auf Fremdkörper – ein mühsamer, kostenintensiver und fehleranfälliger Prozess.
„Unser Ziel war es, die Inspektion der Ampullen auf mögliche Fremdpartikel zu automatisieren. Die Qualitätssicherung von pharmazeutischen Produkten ist von extrem hoher Bedeutung. Daher war es notwendig, dass die neue Lösung mindestens die Erkennungsraten des vorherigen Prozesses erreicht oder sogar übertrifft.“, erläutert Mickael Denis, Manager Operationnel Vision Industrielle. Aspen erkannte das Potential von Machine Vision. Und mit dem Einsatz von KI-basierten Deep-Learning-Technologien konnten die geforderten Erkennungsraten erreicht werden.
Am Standort Notre-Dame-de-Bondeville werden die Ampullen im BFS-Verfahren (Blow, Fill, Seal) unter Reinraumbedingungen hergestellt. Obwohl dieser Prozess besonders hygienisch ist, sollten Fremdpartikel noch sicherer erkannt werden. Um dieses Ziel zu erreichen und die hohen regulatorischen Anforderungen der Pharmabranche zu erfüllen, entschied sich Aspen für eine Lösung auf Basis von MVTec HALCON – begleitet durch das erfahrene Support-Team von MVTec.
Welche Herausforderungen löst MVTec HALCON bei der automatisierten Inspektion?
In der neuen Produktionslinie übernehmen zwölf Industriekameras auf Basis des GigE-Vision-Standards die Bildaufnahme. Jede Ampulle wird bis zu 14-mal aus unterschiedlichen Perspektiven aufgenommen. Das ist notwendig, da Fremdpartikel oft kaum sichtbar sind, sich am Rand oder Boden ablagern und leicht mit Schatten, Blasen oder Flüssigkeitsreflexen verwechselt werden. Die Vielzahl der Bilder verbessert hier entscheidend die Robustheit.
Die industrielle Bildverarbeitung erfolgt auf einem Industrie-PC mit der Standardsoftware MVTec HALCON, die über 2.100 Operatoren für alle gängigen Bildverarbeitungsaufgaben beinhaltet. Für die Detektion nutzt Aspen die in HALCON integrierte Deep-Learning-basierte Semantische Segmentierung, die zuverlässig zwischen harmlosen Blasen und Fremdkörpern unterscheidet.
Neben der Partikelprüfung identifiziert das System kosmetische Defekte, prüft Füllstände, Farbabweichungen und Verschlussqualität. Hier kommen ergänzend regelbasierte Bildverarbeitungstechnologien wie Matching und Blob-Analyse zum Einsatz. Die Kombination aus Deep Learning und regelbasierten Methoden bietet Robustheit auch bei schwer erkennbaren Partikeln und gleichzeitig die Geschwindigkeit für Routineprüfungen – ein klarer Fortschritt für die pharmazeutische Automatisierung.
Warum war MVTec-Software und technische Unterstützung entscheidend für den Projekterfolg?
Die erfolgreiche Umsetzung dieser herausfordernden Applikation wäre ohne die technische und konzeptionelle Unterstützung durch MVTecs Customer-Services-Team nicht möglich gewesen. Aufgrund der hohen Komplexität arbeitete Aspen eng mit den Expertinnen und Experten von MVTec zusammen.
„Die Aufgabenstellung war sicher eine der anspruchsvollsten Aufgaben, mit denen wir bislang konfrontiert waren. Das galt insbesondere bei der Vorbereitung der Bilder für das Training. Wir bei MVTec wurden herangezogen, um bei der konzeptionellen Vorbereitung, der Verfahrensimplementierung und Dokumentation zu unterstützen“, bemerkt Patrick Ratzinger, Project Manager bei MVTec.
Sein Experten-Team übernahm die Analyse, Nachbearbeitung und Zusammenstellung der gelabelten Bilder, um ein leistungsfähiges neuronales Netz speziell für Aspen zu entwickeln. Dafür wurden mit dem MVTec Deep Learning Tool Trainingsdatensätze anhand von Bildern von fehlerfreien und manipulierten Testampullen erstellt. Mehrere Trainingsdurchläufe ermöglichten den Vergleich verschiedener Modelle, um die Robustheit weiter zu erhöhen.
Vincent Trombetta, Automatic Visual Inspection Expert bei Aspen, meint dazu: „Es war klar, dass eine solche Aufgabe nur mit Deep-Learning-Technologien automatisiert werden kann. Für die Umsetzung, die viel Know-how erforderte, haben wir auf die Beratungsleistung von MVTec zurückgegriffen.“
Die enge Zusammenarbeit brachte Aspen nicht nur eine leistungsstarke Machine-Vision-Anwendung, sondern auch wertvolles Know-how zur Datenaufbereitung, zum Labeling und zur Interpretation der Ergebnisse. Die Kombination aus MVTec HALCON und der technischen Beratung durch MVTec steht hier beispielhaft für eine effiziente Verbindung aus Softwarekompetenz und praxisnaher Projektbetreuung.
Welchen Mehrwert erzielt Aspen durch automatisierte Machine-Vision-Inspektion?
Seit der Einführung der neuen Anlage profitiert Aspen von einer automatisierten Qualitätssicherung, die Geschwindigkeit und Präzision vereint. Die Erkennungsrate von Fehlern wurde signifikant erhöht, während falsch-negative Ergebnisse deutlich reduziert werden konnten. Dadurch steigt nicht nur die Produktqualität, sondern auch die Effizienz der gesamten Produktion.
Das Projekt zeigt eindrucksvoll, wie Deep Learning in der industriellen Bildverarbeitung die pharmazeutische Automatisierung auf ein neues Niveau hebt. Mit MVTec HALCON und der technischen Unterstützung durch MVTecs Customer-Services-Team kann Aspen seine Inspektionsprozesse langfristig skalieren, validieren und weiter optimieren – ein Beispiel für erfolgreiche digitale Transformation in der Gesundheits- und Pharmabranche.