Vision Inspection AI kiểm tra viên thuốc: Tăng độ nhất quán trong kiểm tra ngoại quan

Vision Inspection AI kiểm tra viên thuốc là giải pháp dùng camera công nghiệp, ánh sáng kiểm soát và mô hình AI để tự động quan sát bề mặt viên nén hoặc viên nang. Hệ thống giúp phát hiện các bất thường có thể nhìn thấy, như viên vỡ, mẻ cạnh, khác màu, bám bẩn, sai hình dạng hoặc lỗi ký tự dập trên bề mặt.

Trong sản xuất dược phẩm, kiểm tra ngoại quan là một phần của chiến lược kiểm soát chất lượng. AI không tự quyết định chất lượng hay thay thế các thử nghiệm hóa lý, nhưng có thể cung cấp dữ liệu hình ảnh nhất quán để hỗ trợ vận hành, điều tra sai lệch và xử lý sản phẩm không đạt.

FDA nêu rõ kiểm soát trong quá trình sản xuất phải nhằm bảo đảm tính đồng đều của lô và tính toàn vẹn của thuốc; với viên nén, các chỉ tiêu như khối lượng, độ rã và độ hòa tan vẫn thuộc phạm vi kiểm soát cần thiết. Hướng dẫn FDA về 21 CFR 211.110

Vision Inspection AI kiểm tra những gì trên viên thuốc?

Tùy đặc tính sản phẩm và tiêu chí đã được phê duyệt, hệ thống có thể kiểm tra:

• Viên bị nứt, vỡ, sứt cạnh hoặc bong lớp bao phim.
• Biến dạng hình học, sai kích thước hoặc sai hướng.
• Đốm màu, vết bẩn, bề mặt không đồng đều.
• Lỗi dập chữ, logo, rãnh bẻ hoặc ký hiệu nhận diện.
• Viên có màu, hình dáng hay lớp bao khác với mẫu đã chấp nhận.
• Sự hiện diện của vật thể lạ trong vùng quan sát, khi điều kiện quang học cho phép.

Đây là các lỗi ngoại quan. Các chỉ tiêu như hàm lượng hoạt chất, độ hòa tan, độ rã hay độ đồng đều hàm lượng cần phương pháp kiểm soát riêng theo hồ sơ sản phẩm và quy trình chất lượng.

Vision Inspection AI hoạt động như thế nào?

Một trạm kiểm tra viên thuốc thường gồm camera, ống kính, nguồn sáng, cơ cấu đưa viên và máy tính công nghiệp hoặc bộ điều khiển edge AI.

Quy trình cơ bản gồm:

1. Tách và định hướng viên thuốc: Viên đi qua băng tải, đĩa quay hoặc máng cấp liệu để camera quan sát được các bề mặt cần thiết.
2. Chụp ảnh trong điều kiện ổn định: Hệ thống đồng bộ thời điểm chụp, tốc độ chuyển động và cường độ ánh sáng.
3. Xác định vùng kiểm tra: Phần mềm tách viên thuốc khỏi nền, căn chỉnh vị trí và loại bỏ các ảnh không hợp lệ.
4. Phân tích hình ảnh: Mô hình AI hoặc thuật toán thị giác kiểm tra đặc điểm bề mặt, hình dáng, màu sắc và ký hiệu.
5. Đánh giá đạt hoặc không đạt: Kết quả được so sánh với tiêu chí đã xác lập. Viên bị nghi ngờ có thể bị loại tự động hoặc chuyển sang bước đánh giá theo quy trình.
6. Lưu dữ liệu: Ảnh, kết quả và thông tin lô có thể được lưu để phục vụ truy xuất, đánh giá xu hướng và điều tra sai lệch.

Các nhà cung cấp machine vision hiện có giải pháp riêng cho kiểm tra viên nén và viên nang bằng thị giác máy và AI. Cognex Pharmaceutical and Medical

Vì sao AI hữu ích hơn kiểm tra bằng quy tắc cố định?

Kiểm tra thị giác truyền thống thường dựa vào ngưỡng màu, độ tương phản, kích thước hoặc hình dạng cố định. Cách này phù hợp khi sản phẩm ổn định và lỗi có đặc điểm rõ ràng.

Tuy nhiên, viên thuốc thực tế có thể thay đổi nhẹ do bột nguyên liệu, lớp bao, ánh sáng phản xạ, vị trí nằm hoặc tốc độ dây chuyền. Lỗi cũng không phải lúc nào có hình dạng xác định trước.

Vision Inspection AI có thể học từ bộ ảnh đã được phân loại, nhờ đó nhận diện các mẫu bất thường khó mô tả bằng quy tắc đơn lẻ. Ví dụ, hệ thống có thể phân biệt bề mặt bao phim bình thường với vùng bong, vết xước hoặc dấu hiệu ép viên không đồng nhất nếu dữ liệu huấn luyện và tiêu chí đánh giá phù hợp.

Dù vậy, AI không phải “hộp đen” có thể triển khai ngay. Mỗi mô hình phải được đánh giá trên ảnh của chính sản phẩm, dưới điều kiện vận hành thực tế và trong phạm vi sử dụng đã xác định.

So sánh kiểm tra truyền thống và Vision Inspection AI

Trong nhiều dự án, phương án hiệu quả là kết hợp hai cách: dùng quy tắc cố định cho các thông số rõ ràng như kích thước và dùng AI cho lỗi ngoại quan có biến thiên cao.

Ứng dụng trên dây chuyền sản xuất viên thuốc

Kiểm tra sau công đoạn dập viên

Sau khi dập, hệ thống có thể quan sát hình dạng, cạnh viên, độ đầy rãnh hoặc dấu hiệu nứt vỡ. Dữ liệu từ công đoạn này giúp đội vận hành nhận biết sớm xu hướng lỗi trước khi số lượng sản phẩm không đạt tăng lên.

Kiểm tra viên bao phim hoặc bao đường

Lớp bao có thể phát sinh chênh màu, đốm, bong, nứt hoặc bề mặt không đồng đều. Vision Inspection AI hỗ trợ phân loại ảnh theo đặc điểm bề mặt, với điều kiện ánh sáng và mẫu huấn luyện phản ánh đúng các biến thiên hợp lệ của sản phẩm.

Kiểm tra ký hiệu dập nổi và dập chìm

Với viên có logo, chữ hoặc rãnh bẻ, camera có thể kiểm tra sự hiện diện, vị trí và mức độ rõ của ký hiệu. Đây là ứng dụng cần thiết kế ánh sáng cẩn thận vì ký tự dập không phải lúc nào cũng có độ tương phản cao.

Hỗ trợ điều tra sai lệch

Nếu một lỗi tăng bất thường, kho ảnh theo thời gian có thể hỗ trợ phân tích: lỗi xuất hiện ở thời điểm nào, trên máy nào, ca sản xuất nào hoặc sau thay đổi nào. Giá trị lớn của hệ thống không chỉ nằm ở tín hiệu loại viên, mà còn ở dữ liệu có thể truy xuất.

Vision Inspection AI có thay thế QA hoặc thử nghiệm phòng thí nghiệm không?

Không. Vision Inspection AI là công cụ kiểm tra ngoại quan và hỗ trợ kiểm soát quá trình. Hệ thống không tự thay thế quyết định của bộ phận chất lượng, thử nghiệm hóa lý, xem xét hồ sơ lô hay yêu cầu giải phóng sản phẩm.

FDA yêu cầu nhà sản xuất thiết lập thủ tục kiểm soát, giám sát đầu ra và xác nhận các quá trình có thể tạo ra biến thiên trong nguyên liệu hoặc thuốc đang sản xuất. FDA Q&A về kiểm soát sản xuất và quá trình

Vì vậy, dự án AI cần được xem là một phần của hệ thống chất lượng, với vai trò, giới hạn và cách xử lý kết quả được quy định rõ.

Những điểm cần chuẩn bị trước khi triển khai

Xác định chính xác lỗi cần phát hiện

Không nên bắt đầu bằng mục tiêu chung là “phát hiện mọi lỗi”. Hãy xác định rõ từng lỗi, mức độ nghiêm trọng, ngưỡng chấp nhận, cách xử lý và bộ phận chịu trách nhiệm phê duyệt.

Ví dụ:

• Vết sứt cạnh kích thước nào cần loại?
• Chênh lệch màu nào vẫn được chấp nhận?
• Lỗi logo dập chìm có cần kiểm tra toàn bộ hay chỉ theo lấy mẫu?
• Viên bị hệ thống đánh giá không chắc chắn sẽ được xử lý ra sao?

Thu thập dữ liệu đại diện

Bộ ảnh cần bao gồm viên đạt, các mức biến thiên hợp lệ và lỗi thực tế. Nếu chỉ dùng ảnh được chụp trong điều kiện lý tưởng, mô hình có thể hoạt động tốt khi chạy thử nhưng mất ổn định trên dây chuyền.

Dữ liệu cũng cần đại diện cho các thay đổi có thể xảy ra trong thực tế: khác lô nguyên liệu, khác ca sản xuất, thay đổi thiết bị, tốc độ máy và điều kiện chiếu sáng.

Xác nhận hiệu năng theo rủi ro

Mức độ tài liệu, thử nghiệm và giám sát phải tương xứng với rủi ro sản phẩm. ICH Q9(R1) mô tả quản trị rủi ro chất lượng là quá trình có hệ thống để đánh giá, kiểm soát, truyền thông và rà soát rủi ro trong toàn bộ vòng đời sản phẩm. ICH Q9(R1) Quality Risk Management

Kế hoạch đánh giá nên bao gồm:

• Mục đích sử dụng và phạm vi kiểm tra.
• Danh sách loại lỗi, mức độ nghiêm trọng và tiêu chí chấp nhận.
• Mẫu thử đại diện cho điều kiện sản xuất.
• Tỷ lệ phát hiện lỗi và tỷ lệ báo sai.
• Quy trình xử lý ảnh không chắc chắn.
• Quy tắc thay đổi camera, ánh sáng, thuật toán hoặc mô hình AI.
• Cách lưu trữ, truy xuất và bảo vệ dữ liệu.

Thiết kế ánh sáng trước khi tối ưu AI

Nhiều lỗi thị giác bắt nguồn từ ảnh chưa tốt, không phải từ thuật toán. Trước khi thay đổi mô hình AI, cần kiểm tra độ đồng đều ánh sáng, phản xạ của lớp bao, độ nét, độ rung và sự ổn định của cơ cấu đưa viên.

Một hệ thống ánh sáng phù hợp thường giúp giảm biến thiên ảnh, từ đó giảm số lượng trường hợp cần AI phân loại.

Lợi ích thực tế cho nhà máy dược

Khi được triển khai và duy trì đúng cách, Vision Inspection AI có thể giúp:

• Tăng tính nhất quán của việc kiểm tra ngoại quan.
• Cung cấp ảnh và kết quả phục vụ truy xuất lô.
• Hỗ trợ phát hiện xu hướng lỗi sớm hơn.
• Giảm phụ thuộc vào đánh giá thị giác lặp lại ở tốc độ cao.
• Chuẩn hóa tiêu chí kiểm tra giữa các ca vận hành.
• Cung cấp dữ liệu cho hoạt động cải tiến quá trình.

Giá trị của hệ thống cần được đánh giá bằng các chỉ số vận hành và chất lượng đã phê duyệt, chẳng hạn tỷ lệ lỗi phát hiện, tỷ lệ báo sai, số lần can thiệp thủ công và thời gian điều tra sai lệch.

Câu hỏi thường gặp

Vision Inspection AI phát hiện được mọi lỗi trên viên thuốc không?

Không. Khả năng phát hiện phụ thuộc vào loại lỗi, chất lượng ảnh, cách viên được định hướng, ánh sáng, dữ liệu huấn luyện và tiêu chí chấp nhận. Một lỗi không nhìn thấy được bằng camera cần phương pháp kiểm tra khác.

Có cần AI nếu hệ thống camera thông thường đã hoạt động?

Không phải lúc nào cũng cần. Nếu lỗi có đặc điểm ổn định và mô tả được bằng quy tắc rõ ràng, hệ thống thị giác truyền thống có thể đủ. AI phù hợp hơn khi lỗi bề mặt có nhiều biến thể hoặc khó xây dựng bằng ngưỡng cố định.

Khi thay đổi công thức hoặc màu viên có cần đánh giá lại không?

Có. Mọi thay đổi có thể ảnh hưởng đến ảnh, tiêu chí quyết định hoặc hiệu năng mô hình cần được đánh giá theo quy trình kiểm soát thay đổi của nhà máy.

Kết luận

Vision Inspection AI kiểm tra viên thuốc giúp nhà máy tăng tính nhất quán trong phát hiện lỗi ngoại quan và xây dựng dữ liệu hình ảnh có thể truy xuất. Để giải pháp tạo ra giá trị thực, dự án cần bắt đầu từ đánh giá rủi ro, tiêu chí lỗi rõ ràng, dữ liệu đại diện, thiết kế quang học phù hợp và quy trình xác nhận có sự tham gia của sản xuất, kỹ thuật, QA và thẩm định.