Pharma 4.0: angetrieben durch KI

Die Vision-Technologie von Cognex wird in der gesamten Pharmaindustrie häufig zur Pillensortierung eingesetzt (Bild: Cognex)

Benjamin Skuseentdeckt, wie modernste Bildverarbeitungslösungen die Pharmaproduktion der Zukunft effizienter, genauer und konform mit den neuesten Vorschriften machen könnten

Da die Pharmaindustrie lebensrettende Medikamente in großen Mengen herstellt, verlangt sie seit langem Sicherheits- und Schutzstandards, die über die vieler anderer Branchen hinausgehen. Kurz gesagt, die Sicherheit der Kunden steht an erster Stelle – im schlimmsten Fall kann die Einhaltung dieser Standards über Leben und Tod entscheiden.

Aus diesem Grund gehörten Pharmaunternehmen zu den ersten Anwendern von Bildverarbeitungslösungen, obwohl die ersten Bildverarbeitungssysteme, die in den 1980er Jahren auf den Markt kamen, verständlicherweise primitiv waren. Beispielsweise gründeten der Dozent Robert Shillman und die beiden Doktoranden Marilyn Matz und Bill Silver 1981 am Massachusetts Institute of Technology ein Unternehmen namens Cognex. Das erste Produkt des Unternehmens war DataMan, das damals weltweit einzige industrielle optische Zeichenerkennungssystem (OCR), das erstmals zur Überprüfung von Schreibmaschinentasten eingesetzt wurde, um sicherzustellen, dass sie sich in der richtigen Position befanden.

„Sie können sich vorstellen, dass die ersten Bildverarbeitungscomputer Racks waren, die einen halben Raum einnahmen, und die Bildverarbeitungssysteme kosteten früher 50.000 bis 60.000 US-Dollar, also inflationsbereinigt super, super teuer“, sagt Joshua Deats, Cognex Global Packaging Manager. „Aber wenn es darum geht, bei allen großen Pharmamarken Fuß zu fassen, waren wir einer der ersten, die wirklich Pionierarbeit bei OCR und Barcode-Lesen geleistet haben.“

Die Kameras von Cognex werden auch in der Pharmaindustrie zur Inspektion von Flaschen und Spritzenverschlüssen eingesetzt(Bild: Cognex, klicken Sie hier für eine größere Ansicht)

Heute ist OCR – das in Verpackungsbetrieben eingesetzt wird, um beispielsweise die Richtigkeit und Lesbarkeit wichtiger Informationen auf Etiketten von Tablettenfläschchen zu lesen und zu überprüfen – nur die Spitze des Eisbergs dessen, was Bildverarbeitungssysteme leisten können und Unternehmen nicht nur dabei helfen, diese einzuhalten strenge Standards, sondern auch erhebliche Produktivitätssteigerungen.

Zu den mittlerweile alltäglich gewordenen Anwendungen gehört alles von der Inspektion der PSA-Qualitätskontrolle über die Inspektion von Fläschchen- und Flaschenverpackungen bis hin zur Identifizierung von Fälschungen. Steve Zhu, Vertriebsleiter für Asien bei Teledyne Dalsa – einem führenden kanadischen Innovator für Bildverarbeitung und Bildgebungstechnologie – liefert eine weitere häufige Anwendung. „Als ich vor fast 20 Jahren in das Unternehmen eintrat, war die erste Inspektionsanwendung in der Pharmaindustrie die Inspektion von Blisterverpackungen für einen der größten Pharmahersteller in Asien“, erinnert er sich. „Im Wesentlichen mussten wir fehlende Kapseln in der Blisterplatte erkennen, ob eine leere Kapsel vorhanden war, ob sich ein Fleck auf der Oberfläche der Blisterplatte befand oder ob sich außen oder innen Haare oder andere Fremdkörper befanden.“

Die iNspect-Software von Teledyne Dalsa wird verwendet, um in Blisterpackungen nach leeren Kapseln und ausgelaufenem Pulver zu suchen (Bild: Teledyne Dalsa, klicken Sie hier für eine größere Ansicht)

Damals erforderte dies eine analoge Kamera gekoppelt mit einer Infrarot-Hintergrundbeleuchtung, um einen Blick ins Innere der Blisterverpackung zu ermöglichen. Heutzutage erfolgt der Blick in Blisterverpackungen mithilfe einer der Röntgenkameras von Teledyne Dalsa und der Sherlock-Vision-Software.

Angesichts des starken Wettbewerbs in diesem Bereich müssen Anbieter von Bildverarbeitungslösungen über ein Alleinstellungsmerkmal verfügen. Cognex bietet ein beliebtes Hochleistungsproduktportfolio an, das sich ideal für die meisten Anwendungen eignet und das Unternehmen zu einem der weltweit führenden Anbieter von Bildverarbeitungssystemen, Software, Sensoren und industriellen Barcode-Lesegeräten gemacht hat. Für Teledyne Dalsa bietet das Unternehmen Produkte an, mit denen Kunden feine Details vergrößern können. Und für den deutschen Spezialisten für Kameratechnologie und Bilderfassungslösungen Allied Vision bietet das Unternehmen genau die Lösung, die den Bedürfnissen der Kunden entspricht, entweder über die umfangreiche Produktpalette von Allied Vision oder über eine maßgeschneiderte Lösung.

Thanh Luu, Junior Business Development Manager bei Allied Vision, führt aus: „Wir sind derzeit viel unterwegs für Anwendungen wie die Inspektion von Fläschchen/Ampullen“, erklärt Luu. „Während die Fläschchen rotieren, prüfen bis zu 20 Kameras (je nach Maschine) diese auf Risse und Kratzer.“ Luu sagt, dass für Anwendungen wie diese sowie für die Etiketteninspektion und das Lesen von Codes die Ethernet-basierten Produkte des Unternehmens wie die 1GigE- und 5GigE-Alvium-Kameras beliebt sind. Diese Kameras bieten standardisierte Schnittstellen, sind benutzerfreundlich und einfach zu installieren und zeichnen sich durch hohe Bildraten aus, was eine schnelle Inspektion mit hohem Durchsatz bedeutet. Allied Vision bietet außerdem nützliche Firmware-Funktionen wie benutzerdefinierte Faltungsfilter oder eine Farbtransformationsmatrix. „Diese ermöglichen einen hohen Bildkontrast für die Kantenerkennung, was wiederum für die zuverlässige Inspektion von Pharmaprodukten von entscheidender Bedeutung ist“, fügt Luu hinzu.

Mit diesen und vielen weiteren Bildverarbeitungssystemen, die in pharmazeutischen Betrieben auf der ganzen Welt integriert sind, bieten sie nun automatisierte, zuverlässige und objektive Mittel zur Inspektion und Analyse einer breiten Palette pharmazeutischer Produkte und bieten gleichzeitig Datenanalysefunktionen, um die Arzneimittelentwicklung zu beschleunigen kostengünstige und weniger fehleranfällige Möglichkeit zur Optimierung von Herstellungsprozessen, durchgängiger Transparenz in der gesamten Lieferkette und schneller Überprüfung der Arzneimittelauthentizität.

Dies hat dazu geführt, dass Aufgaben, die traditionell nur Menschen übertragen werden, zunehmend von Bildverarbeitungssystemen übernommen werden. Ein gutes Beispiel stammt aus Zhu: Bei der Inspektion von Kontaktlinsen wird sichergestellt, dass sich auf der Kontaktlinse keine eingebetteten Partikel, Einschlüsse oder Verunreinigungen befinden, die eine Gefahr für den Träger darstellen könnten. „Früher nutzten sie nur eine menschliche Inspektion, sodass die Konsistenz mit Sicherheit beeinträchtigt wurde und es zu einigen menschlichen Fehlern kam“, verrät er. Bis vor Kurzem war die Implementierung der maschinellen Bilderkennung aufgrund der Transparenz von Kontaktlinsen eine Herausforderung hinsichtlich Genauigkeit und Konsistenz. „Die Bildverarbeitungslösungen von Teledyne Dalsa für diesen Zweck basieren jedoch auf der benutzerfreundlichen, kostengünstigen eingebetteten Bildverarbeitungssoftware iNspect und hochauflösenden Genie Nano-Kameras.“ Diese schnellen, rauscharmen Global-Shutter-CMOS-Kameras eignen sich ideal für schnelle und detaillierte Inspektionsaufgaben, selbst bei transparenten Objekten wie Kontaktlinsen.

Maschinelles Sehen kann auch verwendet werden, um eingebettete Partikel, Einschlüsse oder Verunreinigungen auf Kontaktlinsen zu erkennen, die eine Gefahr für den Träger darstellen könnten (Bild: Teledyne Dalsa)

Ein weiteres Beispiel ist die Pilleninspektion. Unmittelbar nach der Herstellung werden die Pillen einem Förderband zugeführt, das die Tabletten beim Vorbeilaufen sanft dreht, um sicherzustellen, dass ihre Eigenschaften in Bezug auf Abmessungen, Oberflächenbeschaffenheit, Form, Farbe und Etikettierung korrekt sind und um sicherzustellen, dass keine Oberflächenfehler vorliegen. Bis vor Kurzem war dies dem Menschen überlassen, da maschinelle Bildverarbeitungslösungen der visuellen Komplexität der Szene nicht gewachsen waren und häufig Fehlalarme meldeten und beschädigte Pillen fehlten.

Doch mittlerweile übernehmen KI-gestützte Systeme diese mühsame und langwierige Arbeit. Das Vision-System In-Sight D900 von Cognex ist eine CMOS-Kamera mit integrierter vollständiger Suite von Deep-Learning-Tools, die sich ideal für diese Anwendung eignet. Basierend auf Bildern von fehlerfreien Tabletten, die aus verschiedenen Blickwinkeln aufgenommen wurden, erkennt es alle Pillen mit Anomalien und überlässt diese dem Produktionsprozess.

In-Sight D900 ist Teil eines wachsenden Trends zu anspruchsvollen KI-Lösungen. „Menschenähnliches KI-Urteil wird zum Modus Operandi“, fasst Deats zusammen. „Traditionelle menschliche Urteile wie ‚Ist es eine Blase oder ist es eine Blase, die es zu einem nicht konformen Produkt macht?‘“ oder „Ist es ein Kratzer oder tatsächlich ein Loch in der Verpackung, das den Inhalt beeinträchtigt?“ sind für herkömmliche Bildverarbeitungssysteme und sogar Menschen sehr schwierig, nicht jedoch für maschinelle Bildverarbeitungssysteme mit künstlicher Intelligenz.“

Zhu stimmt zu und bietet sein eigenes Beispiel. „Merkmalsanalysetechniken können verwendet werden, um die Konzentration einer Farbe für einen pharmazeutischen Inhaltsstoff oder die Textur zu qualifizieren – zum Beispiel, ob die Oberfläche glatter oder rauer ist“, erklärt er. „Früher hatten herkömmliche Bildverarbeitungsalgorithmen Schwierigkeiten, etwas mit komplizierten Texturen zu bewältigen, aber mit KI-Technologie und Deep Learning, an denen wir in letzter Zeit gearbeitet haben, wird dies sehr gut möglich.“

Trotz dieser Vorteile verlief die Akzeptanz fortschrittlicher KI-Bildverarbeitungssysteme in der Pharmaindustrie bisher schleppend. Ein Grund dafür ist, dass gerade die Standards, die die maschinelle Bildverarbeitung so gut für die Pharmaindustrie geeignet machen, auch die Test- und Verifizierungsprozesse für neue Produkte in die Länge ziehen. Auch die Validierung von Automatisierungsprodukten ist aufgrund der umfangreichen Dokumentation und der Einbindung verschiedener Stakeholder besonders aufwändig und teuer. Wenn es einem Pharmaunternehmen schließlich gelingt, ein automatisiertes Bildverarbeitungssystem zu installieren, das funktioniert, bleibt das Unternehmen tendenziell dabei.

Die Inspektion von Spritzendichtungen ist eine weitere moderne pharmazeutische Anwendung der Kameras von Cognex (Bild: Cognex)

Ein weiterer Grund ist der Aufwand, die Investition und das Know-how, die erforderlich sind, um Bilder zu kennzeichnen, das KI-System darauf zu trainieren, passable oder fehlerhafte Produkte zu erkennen, und es an die Bedürfnisse eines bestimmten Unternehmens anzupassen. Aus diesem Grund ist Deats vom neuesten Produkt von Cognex, In-Sight 3800, begeistert. „In-Sight 3800 verfügt über eine neue Funktion namens Edge Learning, die im Grunde eine Teilmenge von Deep Learning ist, aber wirklich einfach einzurichten ist und das auch wirklich.“ mächtig“, erklärt er. „Wenn Sie also bei Dingen, deren Programmierung mit herkömmlicher Bildverarbeitung früher Tage oder Wochen dauerte, Pass- und Fail-Ergebnisse erzielen, können Sie jetzt mit fünf oder sechs Bildern arbeiten. Und Sie können in der Produktionsumgebung im Handumdrehen 300 verschiedene Fehlermodi kategorisieren, ohne dass eine komplizierte Lizenz erforderlich ist, da alles direkt auf der Kamera erledigt wird.“

Tiefer in die Produktion

Angesichts der erwarteten erheblichen Verbesserungen durch KI, Deep Learning sowie fortschrittlichere 2D- und 3D-Bildgebungstechnologien stellt sich die Frage, wo sonst die maschinelle Bildverarbeitung in die Pharmaindustrie vordringen wird?

„Wenn Sie eine große Produktionslinie haben, gehen jedes Mal, wenn Sie Produkte wechseln, fünf oder sechs Personen mit einem Notizblock umher und müssen jeden einzelnen Quetschpunkt [Stellen an einer Produktionslinie, die eine potenzielle Gefahr für Menschen darstellen] physisch überprüfen und abzeichnen dem Herstellungsprozessstandard entsprechen“, sagt Deats. „Das kostet einige Unternehmen mehr als eine Milliarde Pfund pro Jahr.“ Die Lösung von Cognex, die gemeinsam mit Partnern entwickelt wird, besteht darin, 60 bis 70 kleine Kameras entlang der Fertigungslinie im Hinblick auf erwartete Quetschstellen zu positionieren. Diese Kameras erzeugen eine Reihe von Bildern, anhand derer eine Deep-Learning-Bibliothek Auffälligkeiten erkennt. „Damit kann eine Person tatsächlich auf einem iPad überprüfen, ob es normal ist oder nicht, es digital abmelden und es ohne menschliches Eingreifen an die Cloud senden.“

Zhu hat auch konkrete Anwendungen im Sinn. „Kristallisation ist eine Art Reinigungsprozess bei der Arzneimittelherstellung“, erläutert er. „Früher musste man bei der Offline-Analyse alles unter die Lupe nehmen, da es mit der konventionellen Bildverarbeitungstechnologie sehr schwierig ist, überlappende Kristalle zu trennen, aber mit KI wird dies machbar.“

Alle drei sind sich einig, dass KI-gestütztes maschinelles Sehen in Verbindung mit dem Internet der Dinge (IoT) und Robotik eine Schlüsseltechnologie sein wird, um die nächste technologische Revolution in der Pharmaherstellung, Pharma 4.0, voranzutreiben. „Leistungsstarke Bildverarbeitungssysteme werden es Kunden ermöglichen, eine intelligente Produktion zu liefern, bei der sie noch effizienter und präziser werden und die vorgegebenen Vorschriften und Anforderungen besser einhalten“, sagt Luu. Aber es wird nicht über Nacht passieren. „Die Entwicklung solcher Systeme ist kostenintensiv, aber auch die Integration in die bestehende Infrastruktur der Kunden ist kostenintensiv“, schließt Luu. „Es wird einige Zeit dauern, bis diese Systeme in einer pharmazeutischen Produktionsumgebung zuverlässig und qualifiziert sind.“

Erfahren Sie, wie die 120i-Objektive von Edmund Optics die Qualitätskontrolle in der Pharmaindustrie verbessern