주사기는 의료 분야에서 약물 투여 및 검사를 위한 체액 채취에 필수적인 도구입니다. 본 응용 분야는 바늘, 허브, 배럴, 플런저 조립 후 최종 주사기에 중점을 둡니다.
어떤 제조상의 결함이 발생합니까?
주사기 조립 과정에서 재료 품질, 재료 취급, 장비 성능, 환경 조건, 인적 오류 등 다양한 요인으로 인해 결함이 발생할 수 있습니다. 일반적인 결함은 다음과 같습니다.
- 잘못된 바늘 부착 – 주사기에 바늘이 제대로 부착되지 않아 분리됨
- 오염- 주사기 오염으로 인해 환자에게 심각한 감염 위험이 발생합니다.
- 균열 및 응력 표시 - 조립 과정의 일부로 발생할 수 있는 주사기의 물리적 손상에 대한 추가 검사
- 구부러진 바늘– 구부러진 바늘로 인해 주사기를 사용하는 것이 안전하지 않음
- 부적절한 밀봉– 주사기 구성 요소 사이의 밀봉이 부족하여 누출이 발생하여 주사기의 무균성뿐만 아니라 정확한 투여에 중요한 압력 유지 능력에도 영향을 미칩니다.
이러한 결함은 주사기의 기능과 효과를 저해하고 궁극적으로 환자 안전을 위협할 수 있습니다. 품질 불량은 막대한 리콜, 법적 문제, 그리고 의료 서비스 제공자와 환자의 평판 손상으로 이어질 수 있습니다. 제조업체는 주사기의 안전성, 효과, 그리고 사용 준비 여부를 보장하기 위해 엄격한 검사를 실시하는 것이 매우 중요합니다.
하지만 주사기는 감지하기 어려울 수 있습니다. 주사기 구성 요소는 일반적으로 투명한 플라스틱으로 만들어져 있어, 투명한 부품이 충분한 대비를 제공하지 못하고 예측할 수 없는 방식으로 빛을 반사 및 굴절시켜 눈부심이나 왜곡을 유발할 수 있어 검사가 어려울 수 있습니다. 또한, 주사기 구성 요소, 특히 바늘은 크기가 작아 육안으로는 결함을 확인하기 어렵고, 고급 광학 시스템이 필요합니다.
주사기는 크기와 종류가 다양하며, 각각 다른 검사 기준이 필요합니다. 기존의 머신 비전 시스템은 수백 개의 수작업 규칙을 프로그래밍해야 하므로, 프로그래밍된 매개변수와 일치하지 않는 새 부품이나 가변 부품, 또는 결함을 감지하지 못합니다.
대량 생산 환경에서는 생산 속도를 따라잡기 위해 주사기를 신속하게 검사해야 합니다. 기존의 머신 비전 제품은 필요한 사이클 시간을 따라가지 못할 수 있습니다.
솔루션
UnitX의 AI-powered 검사를 통해 다른 솔루션이 실패하는 곳에서도 주사기 조립 결함을 효과적으로 감지할 수 있습니다.
첫째, OptiX 이미징 시스템은 조립된 주사기를 조명하고 이미징합니다. 그런 다음, CorteX Central AI 플랫폼은 주사기 결함에 대해 학습됩니다. 마지막으로, 이러한 AI 모델은 CorteX Edge 결함을 인라인으로 감지하고 분류하는 추론 시스템입니다.
UnitX 주사기의 최종 검사를 위해서?
OptiX 반사율은 최소화하고 결함 가시성은 극대화하여 뛰어난 이미지를 제공합니다. 32개의 독립적으로 제어 가능한 조명 광원을 갖추고 있으며, 소프트웨어를 통해 다양한 투명 주사기 플라스틱 표면과 결함에 맞게 최적화할 수 있습니다. 또한, 조명 돔 디자인은 매우 날카로운 입사각의 투사광을 지원하여 아주 작은 결함에도 그림자를 드리워 가시성을 높여줍니다.
CorteX는 무작위적이고 복잡한 결함을 정확하게 감지합니다. 위치 및 방향의 변동성을 자동으로 정규화하고 픽셀 수준까지 결함을 인식합니다. 불량품 및 제품 낭비로 이어지는 오탐(false positive)을 줄여줍니다.
CorteX는 빠른 AI 모델 개발, 배포 및 반복을 지원합니다.CorteX AI 모델은 샘플 효율성이 뛰어납니다. 즉, 새로운 결함 유형에 대해 학습하는 데 몇 개의 이미지만 필요합니다.
UnitX 수율을 최적화합니다. CorteX에서는 품질 기준을 조정하고 변경 사항을 생산에 적용하기 전에 수율에 미치는 영향을 시각화할 수 있습니다. 모든 검사 데이터는 제조업체가 분석하고 공정 개선 영역을 파악할 수 있는 단일 중앙 플랫폼에서 참조할 수 있습니다.
UnitX 100% 인라인 검사를 신속하게 제공합니다. OptiX 밝은 LED와 1m/s의 빠른 파리 포획 속도를 갖춰 고속 이미징이 가능합니다. CorteX Edge 최대 100MP의 높은 추론 속도를 지원하여 OK/NG 결정을 빠르게 출력하고, 모든 주요 PLC, MES, FTP 시스템과 통합하여 해당 결정을 원활하게 전달합니다.
사용하는 제조업체 UnitX 바늘 검사를 자동화하려면 다음이 필요합니다.
- 환자 안전을 위협하는 고품질 유출을 방지하세요
- 기존 머신 비전에서 흔히 발생하는 잘못된 거부율을 최소화하여 폐기물을 줄입니다.
- 생산 및 품질 데이터를 분석하여 프로세스 개선 기회를 찾아 수율을 향상시킵니다.
- 생산 속도에 맞춰 검사를 자동화하여 제조 처리량을 늘립니다.
UnitX 검사 예시 심층 분석
이 예에서 우리는 최종 조립된 주사기를 검사하여 손상되거나 누락된 구성 요소가 있는지 확인했습니다.
영상
첫째, 우리는 OptiX 조립된 주사기의 이미지를 촬영하기 위해, 결함이 있는 부품과 정상 부품을 모두 촬영했습니다. 주사기를 네 방향에서 촬영했습니다.
트레이닝
다음으로 우리는 다음을 사용했습니다. CorteX Central 모델을 훈련하기 위해 네 가지 결함, 즉 긁힘, 균열, 바늘 휘어짐, 바늘 누락을 확인했습니다. 사출 성형 후 배럴과 플런징 부위의 긁힘 및 균열 결함을 이미 확인했지만, 조립 과정에서 추가 손상이 발생할 가능성을 고려하여 최종 조립된 주사기도 검사하고자 합니다. 바늘 휘어짐 결함도 이미 확인했지만, 조립 과정에서 바늘이 휘어지지 않았는지 확인하고자 합니다. 마지막으로, 조립 중 바늘이 허브에 제대로 부착되지 않았음을 나타내는 바늘 누락 결함 라벨을 추가했습니다.
그런 다음 우리는 캡처한 이미지에서 해당 결함에 레이블을 지정했습니다. OptiXNG 부분의 이미지 9장과 OK 부분의 이미지 4장만 사용했습니다.
CorteX의 사용자 친화적인 인터페이스와 AI 모델을 훈련하는 데 필요한 이미지 수가 적어서 이미지의 결함에 레이블을 지정하는 데 몇 분밖에 걸리지 않았습니다.
Detection System
그런 다음 우리는 해당 AI 모델을 배포했습니다. CorteX Edge 새로 조립된 주사기의 결함을 감지하여 4가지 결함을 정확하게 감지하고 분류했습니다.
