注射器は、医療現場において薬剤の投与や検査のための体液採取に欠かせないツールです。このアプリケーションでは、針、ハブ、バレル、プランジャーを組み立てた後の最終的な注射器に焦点を当てています。
どのような製造上の欠陥が発生しますか?
シリンジの組み立て工程では、材料の品質、材料の取り扱い、装置の性能、環境条件、人為的ミスなど、さまざまな要因により欠陥が発生する可能性があります。一般的な欠陥には以下のようなものがあります。
- 針の不適切な取り付け– 針が注射器にしっかりと固定されておらず、外れてしまう
- 汚染- 注射器の汚染により、患者に重大な感染リスクが生じる
- ひび割れとストレスマーク– 組み立て中に発生した可能性のある注射器の物理的損傷の追加チェック
- 曲がった針– 針が曲がって注射器が安全に使用できなくなる
- 不適切な密封– シリンジ部品間の密閉が不十分で漏れが発生し、シリンジの滅菌性だけでなく、正確な投与に不可欠な圧力維持能力にも影響を及ぼします。
これらの欠陥は、注射器の機能と有効性を損なう可能性があり、最終的には患者の安全を危険にさらす可能性があります。品質の逸脱は、高額なリコール、法的問題、そして医療従事者や患者からの評判の低下につながる可能性があります。製造業者は、注射器が安全で有効であり、すぐに使用できる状態であることを保証するために、厳格な検査を実施することが不可欠です。
しかし、注射器の検出は難しい場合があります。注射器の部品は通常透明なプラスチックで作られているため、十分なコントラストが得られず、予期せぬ光の反射や屈折が生じ、ぎらつきや歪みが生じる可能性があるため、検査が困難になることがあります。さらに、注射器の部品、特に針は小さいため、人間の目では欠陥を視認することが難しく、高度な光学システムが必要になります。
注射器はサイズや種類が多様で、それぞれ異なる検査基準が必要です。従来のマシンビジョンでは、何百もの手作業によるルールをプログラミングする必要があり、プログラムされたパラメータと一致しない新しい部品や変動部品、あるいは欠陥を検出できないという問題がありました。
大量生産環境では、生産速度を維持するために注射器を迅速に検査する必要があります。従来のマシンビジョン製品では、要求されるサイクルタイムに対応できない場合があります。
ソリューション
UnitXさん AI-powered 検査では、他のソリューションでは検出できないシリンジアセンブリの欠陥を効果的に検出します。
まず、 OptiX 撮像システムが組み立てられた注射器を照らし、撮影します。そして CorteX Central AIプラットフォームは注射器の欠陥について学習します。最後に、これらのAIモデルは CorteX Edge インラインで欠陥を検出し分類する推論システム。
なぜ 注射器の最終検査にUnitX？
OptiX 反射率を最小限に抑えながら欠陥の視認性を最大限に高める優れた画像を提供します。 32個の独立制御可能な照明光源を備え、ソフトウェアを介して透明注射器の様々なプラスチック表面や欠陥に合わせて最適化できます。また、照明ドーム設計により、非常に鋭角な入射角で光を照射できるため、非常に小さな欠陥にも影を落とし、視認性を高めます。
CorteX はランダムで複雑な欠陥を正確に検出します。 位置と向きのばらつきを自動的に正規化し、ピクセルレベルまで欠陥を認識します。これにより、不良品や廃棄につながる誤検知を削減します。
CorteXは、AIモデルの高速開発、展開、反復をサポートします。CorteX AI モデルはサンプル効率が高く、新しい欠陥の種類をトレーニングするのに数枚の画像のみが必要です。
UnitX 収量を最適化します。 CorteXでは、品質基準を調整し、変更を生産段階に導入する前に歩留まりへの影響を視覚化できます。すべての検査データは単一の中央プラットフォームで参照できるため、製造業者はプロセス改善の余地を分析し、特定することができます。
UnitX 迅速な100%インライン検査を提供します。 OptiX 明るいLEDと1m/秒の高速飛行撮影速度を備え、高速撮影が可能です。そして CorteX Edge 高速推論速度 (最大 100 MP) をサポートし、OK/NG の決定を迅速に出力し、その決定をすべての主要な PLC、MES、FTP システムに統合してシームレスに伝達します。
使用するメーカー UnitX 針検査を自動化することで、次のことが可能になります。
- 患者の安全を危険にさらす品質漏れを防ぐ
- 従来のマシンビジョンでよくある誤検出率を最小限に抑えることで、スクラップを削減します。
- 生産および品質データを分析してプロセス改善の機会を見つけ、歩留まりを向上します。
- 生産速度に合わせて検査を自動化し、製造スループットを向上
UnitX 検査例の詳細
この例では、最終的に組み立てられた注射器に破損した部品や欠落した部品がないか検査しました。
イメージング
まず、使った OptiX 組み立てられた注射器の画像を撮影し、不良品と正常品の両方を確実に捉えました。注射器を4つの異なる側面から撮影しました。
AI学習
次に、 CorteX Central モデルを学習させるため、4つの欠陥（傷、ひび割れ、針の曲がり、針の欠損）を検出しました。バレルとプランジング成形後の傷やひび割れの欠陥については既に確認済みですが、組み立て工程でさらなる損傷が発生していないか確認するため、最終的に組み立てられた注射器も検査したいと考えています。また、針の曲がりの欠陥についても既に確認済みですが、組み立て中に針が曲がっていないことを確認したいと考えています。最後に、針の欠損の欠陥（組み立て中に針がハブに取り付けられなかったことを示す）のラベルを追加しました。
次に、撮影した画像にそれらの欠陥をラベル付けしました。 OptiXNG部分の画像9枚とOK部分の画像4枚のみを使用しました。
CorteX のユーザーフレンドリーなインターフェースと、AI モデルのトレーニングに必要な画像数が少ないため、画像内の欠陥にラベルを付けるにはわずか数分しかかかりませんでした。
検出
その後、これらのAIモデルを CorteX Edge 新しく組み立てられた注射器の欠陥を検出し、4 つの欠陥を正確に検出して分類できるようになりました。
