Smarte Features

Bild: Matrix Vision GmbH

In der Pharmaindustrie sind die Kombinationsmöglichkeiten von Gebinden, deren Materialien und deren Inhalte vielfältig. Die Inhalte oder Stoffe können pulverartig, flüssig oder schockgefrostet sein und kommen abgefüllt in Ampullen, Karpulen, Phiolen oder Ophtiolen zum Endverbraucher. Doch bevor diese Gebinde beim Endverbraucher landen, müssen diese auf Mängel geprüft werden. Diese können Fremdpartikel, kosmetische Defekte (Kratzer, Verformungen, etc.), falsche Füllstände oder Farben sein. Meistens sind die Gebinde aus Glas, doch die Branche setzt zunehmend auf Kunststoff. Aus Sicht des Inspektionssystems ergeben sich daraus gleich mehrere Herausforderungen: Im Vergleich zu Glas haben Gebinde aus Kunststoff eine größere Wechselhaftigkeit hinsichtlich der licht-optischen Eigenschaften und durch die geringere Durchsichtigkeit wird die Analyse der Inhalte erschwert. Zweitens sind diese weniger durchsichtig, was eine Analyse der Inhalte erschwert. Die von Kunststoffen hervorgerufene Variabilität führt zudem dazu, dass eine Blob-Analyse nicht praktikabel ist. Aus diesem Grund werden Tools benötigt, die lernen können, nicht nur Abweichungen zu erkennen, sondern auch zu entscheiden, ob diese noch im Rahmen sind oder nicht.

Bonfiglioli Engineering setzt daher für Inspektionen generell und im Besonderen für Gebinde aus Kunststoff auf Deep Learning mit neuronalen Netzen. Damit die KI funktioniert, werden allerdings große Datenmengen benötigt. Defekte an den Gebinden werden durch 360°-Aufnahmesequenzen mit unterschiedlichen Lichtbedingungen ermittelt. Um beispielsweise Fremdpartikel in einer Flüssigkeit feststellen zu können, wird das Gebinde in Bewegung gesetzt, abrupt gestoppt und die Folge daraus mit einer Bildersequenz dokumentiert. Bei Pulver oder schockgefrorenen Inhalten werden die Gebinde zur Rotation gebracht und Bilder zu unterschiedlichen Zeitpunkten während der Rotation aufgenommen. Ergo mangelt es nicht an Bildmaterial; die Herausforderung besteht eher darin, eine Kamera zu finden, welche die erforderliche Anzahl von hochauflösenden Bildern aufnehmen kann und diese – im Idealfall aufbereitet – an das Host-System liefert.

Multi-AOI und Burst Mode

Auf der Suche nach der passenden Kamera wurde Bonfiglioli Engineering bei Matrix Vision fündig. Die Dual-Gigabit Ethernet Serie mvBlueCougar-XD verfügt nicht nur über eine große Auswahl an hochauflösenden Sensoren, sondern auch über ein FPGA sowie 256MB Bildspeicher. Beides Voraussetzung für einer Reihe von Smart Features, welche sich für die Inspektionen am Ende als unabdingbar erwiesen, um die Anforderungen von 400cpm (Counts per Minute) und eine einfache Integration zu erfüllen. Besonders entscheidend waren hierfür zwei Smart Features: Zum einen Multi-AOI, welches die Aufnahme von unterschiedlichen Bereichen des Gebindes mit unterschiedlichen Belichtungszeiten unterstützt und zu einem Bild zusammensetzt. Zum anderen der Burst Mode, welcher es ermöglicht, Bilder mit der maximalen Rate des Sensors aufzunehmen und durch Puffern verlustfrei zu übertragen. Dadurch war es Bonfiglioli Engineering möglich, eine präzise, High-Speed-Inspektionslösung zu entwickeln. Darüber hinaus konnte pro Kamera ein Ethernet-Kabel eingespart werden, was die Verkabelung und Integration vereinfachte.

Insgesamt zwölf Kameras sind Teil des Automatic Visual Inspection (AVI) System von Bonfiglioli Engineering. Während zehn Kameras prüfen, ob Mängel wie Quetschungen, Schönheitsfehler, Farbveränderungen, Partikel oder am Füllstand innerhalb des Gebindes auftreten, prüfen zwei Kameras, ob es Mängel außen am Gebinde, vor allem auch am Verschluss gibt. Die Zuverlässigkeit des Systems wurde bei der ersten Kunden-Installation durch einen Knapp-Test bei der Abnahme des Produkts (Factory Acceptance Test – FAT) bestätigt. Der Knapp-Test ist ein international vorgegebenes Verfahren zur Beurteilung der Effektivität von visuellen Inspektionen. Hierbei wird die Leistungsfähigkeit der Maschine mit der von mehreren qualifizierten Fachkräften anhand eines Mustersatzes verglichen. Die Fachkräfte selbst sind durch einen Knapp-Test für spezifische Produkte qualifiziert und müssen diese Qualifikation jährlich erneuern. Die Ergebnisse des Tests werden dann verglichen, um festzustellen, ob die Maschine gleich oder besser als die Fachkräfte war. Erst dann ist die Maschine verifiziert.

www.matrix-vision.com

www.bonfiglioliengineering.com

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert