智能生产 建立在机器视觉上的智能工厂

在制药业中，生产持续增长，自动化程度不断提高，周期也越来越长--在这种情况下，机器视觉，即计算机 "看 "的能力，是一个关键的推动因素，帮助制造商降低成本，提高质量，简化流程。与此平行，机器视觉技术发展迅速：它承担了非常复杂的检测任务，也收集了大量的数据。特别是在药品生产中，必须满足严格的法规和更高的安全要求，同时在检测过程中实现尽可能高的产量。这需要一个极其强大和智能的视觉系统，其硬件和软件组件要精确地适应各自的检测要求。

在自动检测过程中获得的数据提供了巨大的潜力。未来的主要挑战之一将是更加智能地使用它。当数据可以在智能算法的基础上用于自动化和过程控制时，我们总是说到智能数据。VITRONIC在产品研发中特别关注这一点。例如，我们正在研究将深度学习方法用于个别检测应用，以进一步改善错误检测的过程和结果。另一个具体的应用领域是以热图和趋势分析的形式将收集到的检测数据进行过程可视化。这些可以以各种方式使用，例如，优化工艺参数或确定关键备件的转换时间。

通用语言

标准化的接口是交换这些信息的重要基础。为确保各系统在未来能用一种语言进行交流，VITRONIC积极支持OPC UA机器视觉倡议。其目的是简化自动化层面的数据交换和联网，从而使视觉系统的使用更加灵活。因此，基于 "OPC UA机器视觉 "配套标准的M2M接口将在我们的基本软件框架的下一个版本（2020年第二季度）中推出，作为所有VITRONIC自动化解决方案的标准模块。

机器视觉成为机器学习

一个有前途的发展课题是所谓的 "闭环"，即在一个封闭系统中进行自动趋势分析。在这里，在自动化应用中，来自检测的信息被评估，直接反馈到机器控制系统中，它可以自动纠正机器参数。换句话说。机器自动适应。在 "快速反馈回路 "中，较小的子过程被分解成合理的子单元，以便尽早确定必要的调整，并自动作出反应。

预测性维护

最后但同样重要的是，我们仍然看到预测性维护领域的巨大潜力。这种方法是基于分析数据和工艺参数，以预测生产线上工艺内的某个部件何时需要维护或更换。

这些措施使制造商能够显著提高产出数量，同时减少停机时间。

医药包装行业越来越多地加工小批量产品。这就要求有更灵活的生产线，可以在短时间内转换。因此，检测系统也需要更多的灵活性。一方面，它们必须可以扩展到不同的产品变体，另一方面，它们必须允许最简单的转换，这也可以由用户来完成。在软件的支持下，尽可能对大量的产品变体进行自动化教学的智能算法肯定会在这方面有所帮助。