在製藥自動化和製造中，保持腸外小瓶的完整性對於患者安全和法規遵循至關重要。標準檢測方法是手動的，需要技術人員逐一實體檢查每個小瓶密封。這個過程非常費力，並且在可擴展性、準確性和一致性方面存在重大限制。一家製藥製造系統整合商試圖透過其自動視覺檢測（AVI）系統來緩解這個主要瓶頸。在本案例研究中，我們將探討 Premio 的邊緣運算硬體解決方案如何為其 AVI 機械提供 AI 驅動的缺陷檢測，以用於填充粉末的腸外小瓶。
挑戰：
系統整合商認識到，在製藥自動化中實施邊緣 AI 進行缺陷檢測是一個複雜的挑戰。他們認識到需要一台工業電腦，並概述了一系列需要滿足的關鍵部署先決條件。
- 實現視覺 AI 和用於異常檢測的無監督機器學習
- 連接多個高清視覺攝影機
- 聚合儲存高保真缺陷資料以進行深入分析
- 工廠環境中長時間運行的耐用性和可靠性
解決方案：
Premio 推薦了 RCO-6000-CML-4NS，這是一款高性能工業級 AI 邊緣推論電腦，專為滿足系統整合商的需求而設計。
- 搭載第十代 Intel Core TE 處理器的實時效能
- 具有四個 RJ45 LAN 埠的模組化 EDGEBoost I/O，用於整合物聯網攝影機
- EDGEBoost Node 支援 4 個 NVMe U.2 SSD，實現快速資料聚合
- 在惡劣工廠部署環境中具有超強耐用性
效益：
- 150,000 平方英尺的製造可擴展性
- 積極的工程和銷售支援
挑戰
傳統的小瓶密封檢測方法依賴技術人員目視檢查每個小瓶的缺陷。這種方法不僅耗時，而且由於人為疲勞和不一致性而引入了變異性。製造商需要一台工業電腦來為其自動視覺檢測（AVI）機器提供 AI 和機器學習的支援。
在邊緣部署視覺 AI 的複雜性
系統整合商的腸外小瓶 AVI 平台需要強大的運算能力，以同時處理密集的無監督機器學習和多個高解析度影像流。即時效能是必要的，因為缺陷需要在檢測後的幾秒內從生產線中剔除。雲端運算不是一個選項，因為它會引入延遲和需要持續的無線連接才能運行。這種吞吐量要求意味著邊緣運算解決方案需要處理多個攝影機饋送，同時以亞秒級的延遲執行複雜的缺陷檢測演算法。
需要用於視覺攝影機的 IIoT 連接
注射劑瓶自動視覺檢測（AVI）系統利用多個視覺攝影機來捕捉每個小瓶密封件的不同角度，以進行全面的檢查覆蓋。每個攝影機都需要專用的連接功能，以實現高頻寬資料傳輸。這意味著邊緣運算解決方案需要提供相容且必要的連接數量，以支援視覺攝影機和其他物聯網設備。
高容量資料儲存的需求
小瓶缺陷檢測系統的一個關鍵要求是能夠儲存大量有缺陷的小瓶影像，以用於品質保證、法規遵循和人工智慧模型訓練。雖然有許多伺服器機架配置可以滿足這一需求，但製造環境需要一種空間效率高的外形尺寸，能夠改裝到自動視覺檢測（AVI）中的相應空間。此外，儲存解決方案需要具備高速功能，以即時彙總和儲存資料；防止潛在的資料頻寬瓶頸。由於生成的缺陷資料的敏感性，需要一種冗餘形式來保護關鍵任務資料並確保整個系統的完整性。
需要工業級可靠性
在製藥製造環境中運作，對電腦設備來說是一個獨特的挑戰。解決方案預計能夠全天候（24/7）運作，並承受嚴苛的工業環境，同時保持一致的性能。關鍵的環境考量包括抗塵、抗震、耐溫差和抗電源不穩定性。
解決方案
在了解系統整合商的自動視覺檢測（AVI）解決方案需求後，Premio 推薦 RCO-6000-CML-4NS，因其創新的功能和工業級設計使其成為人工智慧驅動的缺陷檢測應用的理想平台。
