Jak w 3 miesiące ograniczono przestoje i zwiększono efektywność bez ingerencji w linię produkcyjną

Międzynarodowa firma farmaceutyczna, działająca w ponad 100 krajach, specjalizująca się w produkcji leków w opakowaniach jednostkowych. Zakład objęty projektem znajduje się w Europie i podlega surowym regulacjom branży farmaceutycznej.

Zakład produkcyjny zmagał się z częstymi przestojami na linii pakującej, wywoływanymi przez przewracające się fiolki na taśmie transportowej. Problem dotyczył aż 7 różnych typów fiolek – zarówno szklanych, jak i plastikowych, o pojemności od 7 do 100 ml. Różnorodność produktów wykluczała zastosowanie tradycyjnych czujników fizycznych, które wymagałyby czasochłonnej kalibracji i były podatne na błędy.

Dodatkowym wyzwaniem były ograniczenia regulacyjne – każda zmiana w konstrukcji maszyny lub oprogramowaniu PLC wymagałaby ponownej walidacji całej linii, co w środowisku farmaceutycznym oznacza wielotygodniowe opóźnienia i wysokie koszty.

Celem było wdrożenie rozwiązania, które:

• Wykryje przewrócone fiolki w czasie rzeczywistym
• Nie będzie ingerować w konstrukcję maszyn
• Będzie odporne na zmienne warunki środowiskowe
• Umożliwi szybkie wdrożenie i łatwe skalowanie

Postawiono na koncepcję kamery jako sensora – nieinwazyjne monitorowanie produkcji przy użyciu jednej kamery i zaawansowanego oprogramowania opartego na AI i uczeniu maszynowym. Proces wdrożenia przebiegał w kilku etapach:

1. Dobór komponentów – dobrano odpowiednią kamerę, obiektyw, jednostkę obliczeniową, urządzenie sygnalizacyjne oraz obudowę, z uwzględnieniem warunków środowiskowych panujących na linii.
2. Instalacja sprzętu – kamera została zamontowana w sposób nieingerujący w konstrukcję linii ani jej elementy sterujące.
3. Zbieranie danych treningowych – przez określony czas system rejestrował dane wizualne z procesu produkcyjnego, tworząc bazę do trenowania modelu AI.
4. Trenowanie sieci neuronowej – dane zostały oczyszczone i przygotowane, po czym wykorzystane do stworzenia modelu wykrywającego przewrócone fiolki i zliczającego prawidłowo przetworzone jednostki.
5. Testy i kalibracja – system był testowany na zbiorze walidacyjnym oraz w trakcie rzeczywistej produkcji, weryfikując skuteczność w warunkach operacyjnych.
6. Obsługa przypadków brzegowych – system został wzbogacony o dodatkowe algorytmy radzące sobie z trudnymi warunkami (np. odbicia światła, nietypowe ułożenie opakowań).
7. Uruchomienie produkcyjne – rozwiązanie zostało w pełni wdrożone, z możliwością zdalnego monitorowania i aktualizacji.

Wszystkie dane z systemu trafiały na dedykowane dashboardy, umożliwiając menedżerom bieżącą kontrolę wydajności i szybkie reagowanie na potencjalne problemy.

• Redukcja przestojów – operatorzy otrzymują sygnał natychmiast po wykryciu problemu
• Szybka implementacja – cały proces od instalacji do uruchomienia zajął zaledwie 3 miesiące
• 99,89% skuteczności detekcji przewróconych fiolek
• Brak konieczności rewalidacji linii – rozwiązanie w pełni nieinwazyjne, zgodne z regulacjami branżowymi
• Skalowalność – możliwe wdrożenie na innych liniach i produktach bez zmiany sprzętu
• Niskie koszty utrzymania – brak potrzeby kalibracji, odporność na zmienne warunki
• Zdalne aktualizacje i monitoring – rozwój systemu bez przerywania produkcji