製薬業界の自動化と製造において、注射用バイアルの完全性を維持することは、患者の安全性と規制への準拠にとって不可欠です。標準的な検査方法は手作業で行われ、技術者は各バイアルのシールを個別に物理的に検査する必要がありました。このプロセスは非常に厳しく、拡張性、精度、一貫性に大きな制限をもたらしていました。ある製薬製造システムインテグレーターは、自動外観検査（AVI）システムでこの大きなボトルネックを解消しようとしました。このケーススタディでは、Premioのエッジコンピューティングハードウェアソリューションが、AIを活用した欠陥検出により、粉末充填された注射用バイアルのAVI機械をどのように実現しているかをご紹介します。
課題：
システムインテグレーターは、製薬業界の自動化における欠陥検出にエッジAIを実装することが複雑な課題であることを認識していました。彼らは産業用コンピューターが必要であると認識し、満たすべき重要な導入要件のセットを提示しました。
- ビジョンAIと教師なし機械学習により異常検出を可能にする
- 複数の高解像度ビジョンカメラを接続する
- 詳細な分析のために高精度な欠陥データを集約して保存する
- 工場環境での長時間稼働に耐える耐久性と信頼性
ソリューション：
Premioは、システムインテグレーターの要件を満たすように調整された、高性能の産業用AIエッジ推論コンピューターであるRCO-6000-CML-4NSを推奨しました。
- 第10世代Intel Core TEプロセッサによるリアルタイム性能
- モジュラー型EDGEBoost I/O、4つのRJ45 LANポートによりIoTカメラを統合
- EDGEBoost Nodeは、高速データ集約のために4つのNVMe U.2 SSDをサポート
- 過酷な工場展開環境での超堅牢な耐久性
利点：
- 150,000平方フィートの製造スケーラビリティ
- 積極的なエンジニアリングと販売サポート
課題
従来のバイアルシーリング検査方法は、技術者が各バイアルの欠陥を目視で確認することに依存していました。このアプローチは時間のかかるものであっただけでなく、人間の疲労や一貫性のなさによりばらつきが生じていました。メーカーは、AIと機械学習を備えた自動外観検査（AVI）機を駆動するための産業用コンピューターを必要としていました。
エッジでのビジョンAI展開の複雑さ
システムインテグレーターの注射用バイアルAVIプラットフォームは、集中的な教師なし機械学習と複数の高解像度画像ストリームを同時に処理するために、かなりの計算能力を必要としました。欠陥が検査後数秒以内にラインから排出される必要があったため、リアルタイム性能が不可欠でした。クラウドコンピューティングは、遅延と動作するための一貫したワイヤレス接続の問題があるため、選択肢ではありませんでした。このスループット要件は、エッジコンピューティングソリューションが、複数のカメラフィードを処理しながら、サブ秒の遅延で複雑な欠陥検出アルゴリズムを実行する必要があることを意味しました。
ビジョンカメラ用のIIoT接続が必要
注射バイアルAVIシステムは、複数のビジョンカメラを活用し、各バイアルシールの異なる角度から画像をキャプチャして、包括的な検査カバレッジを提供しました。各カメラには、高帯域幅のデータ伝送のための専用接続が必要です。これは、エッジコンピューティングソリューションが、ビジョンカメラやその他のIoTデバイスをサポートするために、互換性のある必要な接続量を提供する必要があることを意味しました。
大容量データストレージの必要性
バイアル欠陥検出システムの重要な要件は、品質保証、規制遵守、およびAIモデルトレーニング目的で大量の欠陥バイアル画像を保存できることでした。この需要を満たすことができるサーバーラック構成は多数ありますが、製造環境では、AVIのそれぞれのスペースに後付けできる、空間効率の良いフォームファクターが求められました。さらに、ストレージソリューションには、データ帯域幅の潜在的なボトルネックを防ぐために、データをリアルタイムで集約および保存するための高速機能が必要でした。生成された欠陥データの機密性を考慮すると、ミッションクリティカルなデータを保護し、システム全体の整合性を確保するために、ある種の冗長性が必要です。
工業用グレードの信頼性が求められる
製薬製造環境での運用は、コンピューティング機器にとって独自の課題を提示します。このソリューションは、24時間365日の運用能力を持ち、粉塵、振動、温度変動、電力の不整合に対する耐性など、厳格な産業環境に耐えながら一貫した性能を維持することが期待されています。
ソリューション
システムインテグレーターのAVIソリューション要件を理解した後、プレミオはRCO-6000-CML-4NSを推奨しました。その革新的な機能と産業用グレードの設計により、AI駆動の欠陥検出アプリケーションに理想的なプラットフォームとなっています。
