Las jeringas son herramientas esenciales en el ámbito sanitario para la administración de medicamentos y la recolección de fluidos corporales para análisis. Esta aplicación se centra en la jeringa final tras el ensamblaje de la aguja, el conector, el cuerpo y el émbolo.
¿Qué defectos de fabricación ocurren?
Pueden ocurrir defectos durante el ensamblaje de la jeringa debido a diversos factores, como la calidad y la manipulación del material, el rendimiento del equipo, las condiciones ambientales y errores humanos. Entre los defectos más comunes se incluyen:
- Colocación incorrecta de la aguja Las agujas no están bien sujetas a la jeringa, lo que provoca desprendimiento
- Contaminación- Contaminación de la jeringa, lo que supone un riesgo de infección significativo para los pacientes.
- Grietas y marcas de tensión Una verificación adicional para detectar daños físicos en la jeringa que puedan haberse producido como parte del montaje.
- Agujas dobladas– Aguja doblada que hace que la jeringa no sea segura para su uso
- Sellado inadecuado Sellado inadecuado entre los componentes de la jeringa, lo que produce fugas que no solo afectan la esterilidad de la jeringa sino también su capacidad para mantener la presión, lo cual es crucial para una dosificación precisa.
Estos defectos pueden comprometer la funcionalidad y la eficacia de las jeringas y, en última instancia, poner en riesgo la seguridad del paciente. Las fallas en la calidad pueden provocar retiradas costosas de productos, problemas legales y dañar la reputación de los profesionales sanitarios y los pacientes. Es fundamental que los fabricantes realicen inspecciones rigurosas para garantizar que las jeringas sean seguras, eficaces y estén listas para usar.
Sin embargo, las jeringas pueden ser difíciles de detectar. Sus componentes suelen estar hechos de plástico transparente, lo que dificulta su inspección, ya que las piezas transparentes podrían no generar suficiente contraste y reflejar y refractar la luz de forma impredecible, creando deslumbramiento o distorsión. Además, los componentes de las jeringas, especialmente las agujas, son pequeños; sus defectos pueden ser difíciles de detectar a simple vista y requieren sistemas ópticos avanzados.
Las jeringas pueden variar en tamaño y tipo, y cada una requiere criterios de inspección diferentes. La visión artificial tradicional requiere la programación de cientos de reglas personalizadas, lo que impide la detección de piezas nuevas o variables, o defectos que no se ajustan a los parámetros programados.
En entornos de fabricación de alto volumen, las jeringas deben inspeccionarse rápidamente para mantener el ritmo de producción. Los productos de visión artificial tradicionales pueden no cumplir con los tiempos de ciclo requeridos.
La Solución
UnitX, AI-powered La inspección detecta eficazmente defectos en el conjunto de jeringas donde otras soluciones fallan.
En primer lugar, la OptiX El sistema de imágenes ilumina y captura imágenes de las jeringas ensambladas. Luego, el CorteX Central La plataforma de IA se entrena con los defectos de las jeringas. Finalmente, esos modelos de IA se implementan en... CorteX Edge Sistema de inferencia para detectar y clasificar defectos en línea.
Por Qué UnitX ¿Para la inspección final de la jeringa?
OptiX Proporciona imágenes superiores que minimizan la reflectividad y maximizan la visibilidad de los defectos. Cuenta con 32 fuentes de iluminación controlables de forma independiente, optimizadas mediante software para diversas superficies de plástico transparente de jeringas y defectos. Su diseño de domo de iluminación permite un ángulo de incidencia muy agudo de la luz proyectada, lo que permite que incluso los defectos más diminutos proyecten sombras que aumentan su visibilidad.
CorteX detecta con precisión defectos aleatorios y complejos. Normaliza automáticamente la variabilidad en posiciones y orientaciones y reconoce defectos a nivel de píxel. Reduce los falsos positivos que generan desperdicio y desperdicio de producto.
CorteX admite el desarrollo, la implementación y la iteración rápidos de modelos de IALos modelos de IA de CorteX son eficientes en el uso de muestras: solo requieren unas pocas imágenes para entrenarse en nuevos tipos de defectos.
UnitX optimiza el rendimiento. En CorteX, es posible ajustar los criterios de calidad y visualizar el impacto en el rendimiento antes de implementar dichos cambios en la producción. Todos los datos de inspección se pueden consultar en una plataforma central para que los fabricantes los analicen e identifiquen áreas de mejora en sus procesos.
UnitX Proporciona una inspección rápida, 100% en línea. OptiX Tiene LED brillantes y velocidades de captura de moscas de 1 m/s para imágenes de alta velocidad. Y CorteX Edge Admite altas velocidades de inferencia (hasta 100 MP) para emitir rápidamente una decisión OK/NG y comunicar sin problemas dicha decisión mediante la integración con todos los principales sistemas PLC, MES y FTP.
Fabricantes que utilizan UnitX Para automatizar la inspección de agujas se puede:
- Prevenir fugas de calidad que pongan en riesgo la seguridad del paciente
- Reducir los desechos al minimizar las tasas de rechazo falso comunes en la visión artificial tradicional
- Mejore el rendimiento analizando los datos de producción y calidad para encontrar oportunidades de mejora de procesos.
- Automatizar la inspección a la velocidad de su producción para aumentar el rendimiento de fabricación.
UnitX Ejemplo de inspección en profundidad
En este ejemplo, inspeccionamos la jeringa ensamblada final para detectar componentes dañados o faltantes.
Proyección de imagen
Primero usamos OptiX Para capturar imágenes de la jeringa ensamblada, asegurándonos de capturar tanto las piezas defectuosas como las correctas. Tomamos imágenes de la jeringa desde cuatro lados diferentes.
Capacitación
A continuación, utilizamos CorteX Central Para entrenar nuestros modelos, detectamos cuatro defectos: rayaduras, grietas, aguja doblada y aguja faltante. Ya revisamos el cuerpo y el émbolo tras el moldeo por inyección para detectar rayaduras y grietas, pero también queremos inspeccionar la jeringa ensamblada por si sufrió daños adicionales durante el ensamblaje. También revisamos si las agujas estaban dobladas, pero queremos confirmar que no se doblaron durante el ensamblaje. Finalmente, agregamos una etiqueta para el defecto de aguja faltante, lo que indica que la aguja no se acopló al conector durante el ensamblaje.
Luego etiquetamos esos defectos en las imágenes que capturamos. OptiX, utilizando solo 9 imágenes de piezas NG y 4 imágenes de piezas OK.
Gracias a la interfaz fácil de usar de CorteX y a la baja cantidad de imágenes que requiere para entrenar sus modelos de IA, solo nos tomó unos minutos etiquetar los defectos en las imágenes.
Detección
Luego implementamos esos modelos de IA en CorteX Edge para detectar defectos en jeringas nuevas ensambladas, lo que da como resultado la detección y clasificación precisa de nuestros cuatro defectos.
