newly produced white pills on a blue surface

SolVisionFallstudie

Tablet-Inspektion mit KI

Kunde

Der Kunde ist ein bedeutendes multinationales Pharmaunternehmen.

Fall

Qualitätsinspektion von Tabletten

Nach der Produktion unterliegen Tabletten einer gründlichen Qualitätsinspektion, um die Einhaltung der Spezifikationen für Größe, Textur, Form, Farbe und Genauigkeit der Etikettierung zu überprüfen. Dieser sorgfältige Prozess umfasst eine strenge Überprüfung auf Verunreinigungen oder Fremdkörper, die die Integrität der Tabletten beeinträchtigen könnten. Eine schnelle Identifizierung und Entfernung beschädigter Tabletten oder Unregelmäßigkeiten ist entscheidend, um mögliche Rückrufe zu verhindern und den Ruf des Unternehmens zu wahren.

newly produced white pills on a blue surface

Herausforderung

Einschränkungen traditioneller Inspektionsmethoden

Pillen und Tabletten können Mängel aufweisen, wie inkonsistente Form und Größe, Farbverblassung und äußere Fehler, die erheblich variieren können. Automatisierte optische Inspektionsmaschinen (AOI) haben oft Schwierigkeiten, diese Mängel zuverlässig zu erkennen, was häufige manuelle Inspektionen erforderlich macht. Prolongierte manuelle Inspektionen können jedoch zu Ermüdung und höheren Fehlerraten führen, was Herausforderungen für effektive Qualitätskontrollprozesse darstellt.

Lösung

Verbesserte Inspektion mit SolVision

Die visuellen Fehlererkennungstools von SolVision AI ermöglichen es Herstellern, bildbasierte Lernmethoden zur Identifizierung verschiedener Fehler, die spezifisch für die Produktion von Pharma-Tabletten sind, zu nutzen. Diese innovative Technologie ermöglicht die Echtzeit-Fehlererkennung und kontinuierliches Lernen, sodass SolVision seine Fähigkeiten anpassen und verbessern kann, indem neu identifizierte Fehler einbezogen werden. Diese Fähigkeit verbessert erheblich die Produktionseffizienz und die Ausbeute auf der Tablettenproduktionslinie.

Fehlererkennung bei Pillen

Defective pills
Defective pills
Defective pills

Ergebnis

Steigerung der Produktionseffizienz und der Ausbeute
Sicherstellung einer höheren Inspektionsgenauigkeit
Fähigkeit zur Erkennung neuer Fehler durch Deep Learning