Анализ данных для выявления отклонений AI быстро анализирует данные с датчиков, выявляя любые отклонения в реальном времени и предотвращая проблемы до их возникновения. Пример: В компании HAL Allergy Group AI помогает контролировать ключевые параметры жидких вакцин, такие как прозрачность, однородность суспензии и наличие микрочастиц. Используется автоматический вращатель флаконов (AVR), который создаёт движение жидкости для более точного выявления аномалий. Данные видеоанализируются с помощью 3D-ConvNets, что позволяет AI выявлять любые отклонения в движении частиц. Для создания базы данных специалисты HAL Allergy Group использовали 160 флаконов, разделённых на три категории: без дефектов, с лёгкими и сложными дефектами. Вручную размеченные 14 000 обучающих и 6 000 тестовых образцов стали основой для обучения AI. Дополнительно технология Frame-Completion GANs позволила автоматизировать разметку ещё 217 000 образцов, что увеличило точность системы до 96%. 📖 Подробнее: arXiv

Мы стараемся находить для вас наиболее точные и актуальные ссылки на источники.

Поделитесь этим постом со знакомыми сотрудниками производства и отделов качества!

Следующий пост будет посвящён оптимизации параметров производственных процессов.🚀

Наш ТГ-канал https://t.me/pharma4p0