对于医疗器械和药品制造商来说,保持产品质量标准至关重要;有缺陷或受污染的产品可能会给患者带来重大风险,并给制造商带来严重的责任问题。行业法规要求将制造信息打印在外部包装或设备本身上,以确保整个供应链的可追溯性。这有助于制造商更有效地管理召回、解决假冒问题并为医疗紧急情况做好准备。
Ward Automation 总部位于爱尔兰斯莱戈,是一家为医疗器械和制药行业提供世界级定制自动化解决方案的领先制造商。其创新的制造解决方案,例如自动化预灌封注射器制造过程和验证标签批次数据,依靠机器视觉技术帮助客户提高高质量产品的吞吐量,减少产品缺陷或代价高昂的产品召回,并实现整个供应链的可追溯性。其所有流程和程序均遵循良好自动化制造规范 (GAMP5) 指南。“质量源于设计”是每个团队成员在制造过程的每个阶段都遵守的基本内部原则。
作为制药和医疗器械行业机器设备的领先供应商,Ward Automation 对客户的制造挑战有着深刻的理解:
提高新产品的产量通常伴随着生产率低、设置缓慢、产品缺陷和质量问题
保持高产品质量,同时应对不断增长的需求和产量要求
让员工进行人工质量检查会导致质量不一致
持续的劳动力短缺造成了两难境地,是立即投资自动化还是推迟全面生产,直到雇用到足够的操作员
应对这些挑战是制造商的首要任务,而生产流程自动化是该战略的关键组成部分。
Ward Automation 通过使用高质量组件(包括机器视觉系统)构建创新机器来应对客户的这些挑战,以确保其设计经久耐用且易于维护。一些自动化应用示例包括:
In-Sight 2D 视觉系统指导机器人装配作并测量组件(如注射针)以验证制造规格的多组件装配机
使用 VisionPro 深度学习软件检查西林瓶、瓶子、注射器或卡式瓶是否存在缺陷、划痕和碎屑的灌装应用
使用In-Sight 二维视觉系统验证 UDI 文本和条形码以及正确标签的医疗器械包装系统
Ward Automation 业务开发经理 Kenny Ward 表示:“我们的客户需要高质量的自动化解决方案,他们不愿意在质量方面冒险。在检测过程中不留任何空白至关重要,而这正是技术的亮点。
例如,一家领先的医用导管制造商需要提高吞吐量以满足客户需求。手动组装和包装导管非常耗时,而且与操作员一起扩大生产规模对于质量和效率来说是不可行的。该制造商需要一种既能满足其吞吐量要求又能下线交付完美产品的解决方案。Ward Automation 设计了一种自动化装配过程的方法,包括装配、卷取和包装。嵌入式视觉系统检查标签质量并读取 UDI 代码以实现可追溯性。该解决方案满足了客户提高吞吐量、高质量产品和可追溯性合规性的目标。
“向我们的客户表明,他们正在与一家与他们自己一样高度重视产品质量检测的公司合作,”Ward 补充道。
Ward Automation 是系统集成商 (CSI),15 年来一直将其机器视觉技术融入其解决方案中。
该公司最初选择机器视觉解决方案是因为它认为是视觉工程师熟悉的顶级机器视觉公司。它还可以轻松地就更复杂的视觉要求咨询技术专家。当被问及他的看法时,Ward 回答说:“协作、专家、前沿和前瞻性思维。
最初,当技术不太先进时,产品用于基本测量检查(例如验证注射器针头的长度)和确认零件组装正确(玻璃瓶上的盖子)。现在,检测要求变得更加复杂,例如识别尺寸、色调和位置不同的缺陷,这是传统视觉工具难以解决的。为了解决这些挑战,Ward Automation 使用基于 AI 的技术来快速准确地执行高级检测。
随着时间的推移,随着机器视觉技术的发展和应用要求变得更加复杂,Ward Automation 开始使用产品,使用基于规则和基于 AI 的工具执行更精确的检测,例如检查高反射铝箔包装上的密封或检测注射器盒上高度可变的裂纹。
Ward 解释了其机器更喜欢视觉系统的一个关键原因,“我们通常为客户制造的装配和灌装机预计将使用超过 20 年,我们很欣赏视觉系统非常可靠和持久,这意味着我们的客户可以减少升级和停机时间。
Ward Automation 以提供具有最先进组件的创新自动化解决方案而自豪,嵌入式视觉应用(例如质量检测或 UDI 代码验证)也不例外。随着制药公司和医疗器械公司的产品变得越来越复杂,包装变得更加环保,检测缺陷变得更具挑战性;Ward Automation 已开始测试基于 AI 的技术,例如 In-Sight ViDi 深度学习工具,用于概念验证应用,例如检查铝箔包装上的密封以及玻璃瓶上的裂纹和缺陷检测。“我们将为机器视觉技术的领导者,并期待与他们合作,随着时间的推移,他们为市场带来更多创新,”Ward 说。
|
上一条:KWD 使用 3D 视觉加速了其焊接流程
下一条:3D-A5000案例分享 – 鸡肉切割引导 |
返回列表 |