A mesterséges intelligencia (AI) és a gépi látástechnológia integrációja az üreges kapszulagyártó berendezések intelligens korszerűsítésének alapvető hajtóereje lett. A hagyományos kézi ellenőrzés és a passzív karbantartás korlátait áttörve ez az integráció megvalósította az ugrást az „utólagos-ellenőrzéstől az „előzetes figyelmeztetésig” és a „tapasztalattal-vezérelt” az „adatvezérelt” felé a gyártási folyamatban, jelentősen javítva a gyártósor stabilitását, hatékonyságát és termékminőségét. A konkrét alkalmazás és a műszaki előnyök a következők:
1. IoT-modulokkal integrált gépi látásellenőrző rendszer
Az üreges kapszulák gyártásához használt intelligens látásellenőrző rendszer nagy{0}}felbontású ipari kamerákból, lézerérzékelőkből és IoT kommunikációs modulokból áll. Több kamerát telepítenek a kulcsfontosságú csomópontokba, mint például a kapszulaformázás, a formázás és a késztermék-kimenet, hogy valós időben rögzítsék a kapszulák megjelenését, méretét és színét, akár 200 képkocka/másodperc sebességgel. Az összegyűjtött képadatokat az IoT-modulon keresztül továbbítják a szélső számítástechnikai egységhez valós-idejű elemzés céljából, megvalósítva a zökkenőmentes kapcsolatot a vizuális ellenőrzés és a teljes gyártási folyamat adatlánca között.
A rendszer 99,99%-os felismerési rátával rendelkezik a gyakori kapszulahibákra vonatkozóan, beleértve a deformációt (például homorú-domború, vetemedés), a színeltérést (helyi elszíneződés, egyenetlen szín) és a méretbeli eltérést (külső átmérő, falvastagság, a szabványt meghaladó hosszúság). A hibás termék azonosítása után a rendszer 10 ms-on belül jelet küld az automatikus elutasító mechanizmusnak, amely nagy-precíziós szervovezérlést használ a hibás kapszula pontos eltávolítására anélkül, hogy ez befolyásolná a gyártósor normál működését. A hagyományos kézi ellenőrzéshez képest ez nemcsak teljesen elkerüli az emberi tényezők, például a fáradtság és a szubjektív ítélőképesség zavarását, hanem több mint ötszörösére javítja az ellenőrzés hatékonyságát.
Ezenkívül az ellenőrzési adatok (beleértve a hiba típusát, mennyiségét, előfordulási idejét és helyét) az IoT-modulon keresztül szinkronizálva vannak a felső számítógép-felügyeleti rendszerrel, teljes minőségi nyomonkövetési fájlt alkotva. Az adatok több mint 1 évig tárolhatók, ami megfelel a gyógyszeripar GMP (Good Manufacturing Practices) követelményeinek, és megbízható adattámogatást nyújt a későbbi gyártási folyamatok optimalizálásához.
2. Intelligens algoritmus a prediktív karbantartáshoz és a hatékonyság javításához
Az IoT-modul által gyűjtött nagy mennyiségű működési adat (például a berendezés rezgési frekvenciája, a motor hőmérséklete, a szervorendszer működési paraméterei és a termelési terhelés) alapján az AI intelligens algoritmus digitális modellt készít a berendezés működési állapotáról. A berendezés meghibásodásának és karbantartásának történeti adatainak megismerésével az algoritmus azonosítani tudja a lehetséges hibák korai figyelmeztető jelzéseit (például a rögzítőmechanizmus rendellenes kopása, a hőmérséklet-szabályozó rendszer eltérése és a motor teljesítményének romlása), és 24-48 órával korábban karbantartási emlékeztetőket ad ki.
Ez a prediktív karbantartási mód alapjaiban változtatta meg a hagyományos "leállási karbantartás" és "megelőző karbantartás" módszereket. Hatékonyan elkerülheti a hirtelen berendezések leállását, 40%-kal csökkentheti a gyártósorok meghibásodásának arányát, és nagymértékben javítja a termelés stabilitását. Ugyanakkor az intelligens algoritmus valós időben optimalizálja a gyártás ütemezését és a berendezések működési paramétereit a gyártási feladatnak és a berendezés állapotának megfelelően, így a kapszula gyártósor teljes berendezés-hatékonysága (OEE) több mint 85%-ra nőtt. Például egy nagy-kapszulagyártó bázisban ennek a technológiának az alkalmazása után a berendezés meghibásodása miatti éves állásidő 600 órával csökken, és az éves termelés több mint 10%-kal nő ugyanazon gyártási idő alatt.
3. Kapszulaanyag szimulációs rendszer mesterséges intelligencián és atomerőmikroszkópián
A változatos kapszulaanyagok (például növényi-alapú HPMC, keményítő, hínárkivonat) iránti növekvő kereslet következtében az új kapszulaanyagok kutatása és fejlesztése, valamint a meglévő formulák optimalizálása fontos feladattá vált az iparágban. Az AI technológiával és az atomerő-mikroszkóppal (AFM) integrált kapszulaanyag-szimulációs rendszer nagymértékben lerövidítette az új anyagok kutatási és fejlesztési ciklusát.
A rendszer működési elve a következő: először is, az atomerőmikroszkópot a kapszula anyagának mikrokozmikus szerkezetének (például a molekulák elrendezésének, a pórusméretnek és a felületi érdességnek) letapogatására és a nagy-precíziós mikrokozmikus adatok megszerzésére használják; ezután az AI optimalizálási algoritmust használjuk az anyag mikrokozmikus szerkezete és teljesítménye (például viszkozitás, alakíthatóság és oldódási sebesség) közötti korrelációs modell felállítására; végül az algoritmus szimulálja a különböző anyagképletek alakító hatását a kapszulagép gyártási körülményei között, és gyorsan kiszűri az optimális formulát.
Ez a technológia elkerüli a hagyományos fárasztó próba{0}}és-hiba kísérleti folyamatot, 40%-kal csökkenti az új kapszulaanyagok kutatási és fejlesztési költségeit, és 50%-kal lerövidíti a kutatási és fejlesztési ciklust. Erős technikai támogatást nyújt speciális funkcionális kapszulák (például bélben oldódó-bevonatú kapszulák, nyújtott-leadású kapszulák) fejlesztéséhez és a növényi-kapszulák népszerűsítéséhez.
