人工智能驅(qū)動的藥品燈檢技術(shù)

制藥行業(yè)在制造和生產(chǎn)過程中面臨著特有的挑戰(zhàn)，特別是在如今數(shù)字技術(shù)快速轉(zhuǎn)型的時代——注射類藥物生產(chǎn)中的一個關(guān)鍵過程是對初級包裝（如注射器、西林瓶或安瓿瓶）進行視覺檢測。在這個過程中，必須針對每個單獨的產(chǎn)品潛在的產(chǎn)品缺陷、雜質(zhì)或污染物進行檢測，也就是“全檢”。通過在燈檢中應(yīng)用人工智能技術(shù)，將有望提高檢測的質(zhì)量并降低成本。

在注射劑生產(chǎn)過程中，常見的檢測方法包括人工燈檢、半自動檢測和全自動檢測。與人工和半自動檢測相比，生產(chǎn)較為昂貴的藥物時，全自動視覺檢測（Automatic visual inspection,簡稱“AVI”）是行業(yè)中常見的做法。然而，這種燈檢方法也會帶來一定的誤剔率（False reject rates,簡稱“FRR”），可能會導致昂貴的復檢。

使用傳統(tǒng)視覺工具確?？煽康臋z測結(jié)果，每個缺陷至少需要采集5～15 個產(chǎn)品樣本，每臺機器需配置18 個攝像頭。這一過程昂貴、耗時且容易出錯，每年給制藥行業(yè)造成的損失高達7.4 億美元[1](約折合人民幣 53 億元)，根據(jù)產(chǎn)品的復雜程度，誤剔率可能在1%～45%之間。除了與復檢相關(guān)的成本之外，高誤剔率還會導致產(chǎn)品上市時間延遲和錯失市場機會。

對圖像數(shù)據(jù)進行分類以訓練算法

人工智能支持燈檢提升質(zhì)量

為了解決這個問題，大幅降低成本，并在長期內(nèi)實現(xiàn)質(zhì)量提升，可以前瞻性地考慮運用人工智能（Artificial Intelligence，簡稱“AI”）支持燈檢流程，并將其作為公司數(shù)據(jù)和人工智能戰(zhàn)略的一部分。

人工智能正越來越多地應(yīng)用于各種制造領(lǐng)域。在重復性場景中學習模式和規(guī)定行動的能力對于大小企業(yè)來說都是一種寶貴的工具。在工業(yè)領(lǐng)域，許多業(yè)務(wù)問題尤其適合基于人工智能的解決方案。當傳統(tǒng)的視覺檢測和自動化系統(tǒng)與人工智能相輔相成時，利益相關(guān)者就能大幅提高生產(chǎn)率并降低運營成本[2]。

人工智能模型不是去測量物理值，而是掃描產(chǎn)品中的合格和缺陷模式，這大大提高了檢出率（Detection rate,簡稱“DR”)，同時更大限度地降低了誤剔率。這種方法能夠通過檢測非常小的偏差或缺陷來實現(xiàn)更準確和有效的燈檢流程，而這些偏差或缺陷可能是通過傳統(tǒng)的物理手段無法發(fā)現(xiàn)的。

搭載AI 驅(qū)動技術(shù)的燈檢機更加高效

為此，人工智能模型使用大型數(shù)據(jù)集進行訓練，數(shù)據(jù)質(zhì)量和相關(guān)性對于最終模型的準確性和有效性來說至關(guān)重要。為了確保高質(zhì)量的培訓數(shù)據(jù)，對藥品和生產(chǎn)過程有深入了解的專家一同參與了創(chuàng)建工作。他們識別出需要檢出的相關(guān)缺陷和雜質(zhì)，制定數(shù)據(jù)標記的標準，并始終考慮到單條生產(chǎn)線的需求。

通過高級算法的訓練，人工智能模型會變得能夠識別模式，并根據(jù)輸入數(shù)據(jù)做出準確的預(yù)測。在這之后，將訓練好的模型集成到AVI 系統(tǒng)中，通過保持相同的檢測速度，便可以比傳統(tǒng)方法更好地檢測缺陷和污染物。

加快上市時間并降低成本

在公司生產(chǎn)運營中實施人工智能驅(qū)動的檢測解決方案的效果顯著，可將誤剔率降低至90%以上[1]。通過在生產(chǎn)流程的早期識別缺陷和偏差，這種方案不僅可以在一個批次中產(chǎn)生更多的合格品，而且還可以提高檢測效率、減少工作流程的耗時，以此達成藥品更短的上市時間。

但這并不是唯一的好處。在當今數(shù)據(jù)驅(qū)動的合規(guī)環(huán)境中，人工智能技術(shù)可以通過自主對合規(guī)相關(guān)活動進行分類，并對重要的更新、事件和活動發(fā)出警報，從而提高合規(guī)操作的效率，降低成本。在制藥行業(yè)的視覺檢測中，合理使用人工智能還可以節(jié)省大量成本。例如，某制藥公司憑借僅5%的誤剔率（其年產(chǎn)量為1000 萬個容器，每個容器的生產(chǎn)成本為1.50 美元），每年可節(jié)省高達75 萬美元（約折合人民幣537 萬元）。此外，假設(shè)以前使用兩臺燈檢機，企業(yè)則可以通過減少半自動燈檢的復檢過程，實現(xiàn)節(jié)省高達94 萬美元（約折合人民幣672 萬元）。通過這些成本節(jié)約，人工智能燈檢解決方案可以在短短一年內(nèi)實現(xiàn)投資回報。

如何在制藥行業(yè)順利實施？

在新建或改造全自動生產(chǎn)包裝線時，可考慮在燈檢機上加裝人工智能驅(qū)動的深度學習（Deep learning）系統(tǒng)，以進一步提升檢出率，實現(xiàn)大幅提高生產(chǎn)效率并加快產(chǎn)品上市時間的目的。

憑借源自1895 年的專業(yè)經(jīng)驗和技術(shù)，柯爾柏了解視覺檢測的重要性以及制藥行業(yè)特有的需求和限制，提供模塊化和可擴展的方案，將人工智能解決方案集成到現(xiàn)有的視覺系統(tǒng)中，而無需調(diào)整機器布局?？聽柊氐娜斯ぶ悄苣Ｐ筒粌H能實現(xiàn)準確高效的視覺檢測，更能為企業(yè)減少因誤剔帶來的昂貴費用。使用諸如柯爾柏的EJECT-X 深度學習解決方案，制藥企業(yè)便可憑借其可靠性、可信性，以及項目執(zhí)行過程中的合規(guī)性，確保在符合GxP 法規(guī)的情況下獲得更高的數(shù)據(jù)安全性。