A inteligência artificial (IA) trouxe muitos avanços em diferentes campos, como reconhecimento de fala, compreensão de imagens, robótica e veículos autônomos, solucionando problemas em que a crença geral era que somente a inteligência humana poderia resolver. O computador que joga xadrez apelidado de Deep Blue, o computador que responde a perguntas apelidado de Watson e, recentemente, os carros autônomos, são exemplos bem conhecidos de diferentes máquinas com IA executando tarefas humanas. A capacidade de “entender” o que está ao seu redor através de câmeras digitais ou, em outras palavras, compreender imagens, é um dos principais requisitos para carros autônomos. Neste artigo mostramos como esse aspecto aparentemente mágico da IA pode ser usado na tecnologia de inspeção farmacêutica para garantia de qualidade.
GARANTIA DE QUALIDADE
O principal objetivo da tecnologia de inspeção farmacêutica é a garantia da qualidade do produto final, alcançada através da inspeção meticulosa de cada produto. Hoje em dia, uma variedade de diferentes tipos de produtos farmacêuticos estão disponíveis, variando de diferentes tamanhos, formas e cores a diferentes opacidades, conforme ilustrado na Figura 1. A inspeção visual desses produtos é uma tarefa importante e regulamentada, sendo que o processo de inspeção visa evitar produtos farmacêuticos defeituosos ou de baixa qualidade, detectando diversos defeitos que surgem durante o processo de produção. Os defeitos ocorridos variam desde críticos, que afetam o aspecto funcional do produto, como rachaduras, amassados, arranhões e partículas estranhas, até defeitos que afetam apenas a aparência visual do produto, como impurezas e manchas. A inspeção visual automatizada atende aos requisitos de inspeção de grandes quantidades e da crescente variedade de produtos farmacêuticos, por meio de máquinas especializadas e soluções projetadas para detecção de defeitos. Para alguns problemas de inspeção visual, entretanto, soluções complexas de engenharia podem, às vezes, ser uma tarefa muito difícil ou totalmente impossível. A inspeção visual de objetos translúcidos, como cápsulas transparentes e cápsulas gelatinosas, enquadra-se nessa categoria. Devido às suas propriedades óticas inerentes, que afetam a complexidade visual geral, elas são inspecionadas principalmente manualmente por um operador humano.
Figura 1: Tipos de produtos farmacêuticos de diferentes tamanhos, formas, cores e diferentes opacidades.
COMPREENSÃO DE IMAGENS
O avanço tecnológico, ou seja, o desenvolvimento de novas soluções ou o aprimoramento de soluções existentes, é alcançado por meio do processo de análise crítica de tecnologias emergentes. A cartola mágica da IA contém muitos truques diferentes, o truque mais mágico de todos permite que uma máquina com IA aprenda a entender imagens e é chamado de aprendizado profundo (Deep Learning – DL). Aplicado no contexto certo, o aprendizado profundo provou ter um desempenho melhor do que as abordagens existentes na resolução de problemas muito complexos. Vamos revelar um pouco da mágica por trás desse truque aparentemente misterioso da IA e dar uma olhada em como uma solução baseada em aprendizado profundo no domínio da inspeção farmacêutica pode ser obtida em três etapas essenciais, ou seja, especificar o problema de inspeção com amostras físicas de produtos; aprender como separar essas amostras; e integrar a solução obtida em uma máquina de inspeção.
1 ESPECIFICAÇÃO DO PROBLEMA – ENTRA LIXO, SAI LIXO
Existe um ditado bem conhecido na área científica de aprendizado de máquina que diz “entra lixo, sai lixo”, e refere-se ao fato de que se um problema for mal especificado, a solução resultante do problema será de baixa qualidade. O truque de mágica da IA não funciona sozinho: nada realmente funciona sozinho.
Para obter soluções razoáveis para problemas de inspeção e controle de qualidade, o primeiro passo essencial é envolver o fabricante do produto farmacêutico e responder à pergunta “o que é bom e o que é ruim?”. A resposta é obtida examinando manualmente e separando fisicamente as amostras de um lote de produto, composto por amostras sem defeitos (boas) e defeituosas (ruins). Durante esse processo, os especialistas em domínio de inspeção, em cooperação com o fabricante do produto farmacêutico, visam determinar defeitos que normalmente ocorrem durante o processo de produção ou em uma determinada fase do processo de produção. A especificação adequada dos desvios aceitáveis e não aceitáveis do produto final esperado representa a base a partir da qual é desenvolvida uma solução capaz de atender aos requisitos de inspeção e controle de qualidade.
2 APRENDENDO COMO SEPARAR – O BOM DO RUIM
A pergunta “o que é bom e o que é ruim?” é respondida por humanos usando os olhos, conhecimento e experiência, e as mãos para separar fisicamente as amostras do produto. Como pode agora esse conhecimento de “como separar” ser explicado a uma máquina? É aqui que o truque mágico de aprendizado da IA entra em ação.
Depois que o problema é especificado e o lote de amostra do produto é dividido em amostras boas (sem defeitos ou aceitáveis) e ruins (defeituosas ou inaceitáveis), os especialistas do domínio de inspeção capturam imagens de amostras de produtos por meio de câmeras digitais usando uma máquina de inspeção de última geração. Além disso, as imagens de amostra coletadas são inspecionadas e todos os defeitos visíveis são marcados. Nesse ponto, é utilizada uma abordagem baseada em aprendizado profundo, que analisa cada imagem capturada e “aprende” sobre a separação de amostras boas e ruins. A própria fase de aprendizado envolve repetidas operações matemáticas e estatísticas para a construção gradual de um hiperespaço complexo, através do qual a separação da amostra é alcançada. A Figura 2 ilustra as semelhanças e diferenças entre uma abordagem humana e uma abordagem baseada em aprendizado profundo em uma tarefa de separação. No entanto, uma vez que essa abordagem por si só nem sempre apresenta o desempenho necessário, é realizada mais engenharia e otimização da solução, quando as amostras mais problemáticas e os casos de falha em potencial são analisados mais detalhadamente. Juntas, essas etapas garantem o desenvolvimento de uma solução capaz de resolver o problema de inspeção especificado.
Figura 2: Semelhanças e diferenças entre uma abordagem humana e uma abordagem baseada em aprendizado profundo em uma tarefa de separação.
3 INTEGRAÇÃO DA SOLUÇÃO – A MÁQUINA COM IA
Neste ponto, o conhecimento específico de “como separar” foi aprendido a partir das amostras físicas divididas, utilizando uma abordagem de IA para obter uma solução para um problema de separação. O etapa seguinte é fundir esse conhecimento com uma máquina de inspeção, gerando a máquina com IA.
A solução desenvolvida passa por testes rigorosos e somente após validação bem-sucedida ela é integrada em uma máquina de inspeção de produtos farmacêuticos de última geração. Essas máquinas incorporam manipulação mecânica rápida, iluminação controlada, rápida aquisição e análise de imagens e mecanismos confiáveis de detecção e classificação de defeitos. Com soluções especializadas de detecção de defeitos, esses sistemas de inspeção altamente eficientes auxiliam o processo de produção, realizando um controle de qualidade incansável em cada produto, separando produtos abaixo do padrão e garantindo um grau confiável de qualidade para o produto final.
HUMANO VS. MÁQUINA COM IA
Uma máquina com IA de última geração imita um ser humano, substituindo os olhos por câmeras digitais, as mãos por manipuladores mecânicos e o conhecimento específico por IA. Além de um desempenho mais rápido, essas soluções totalmente automatizadas proporcionam um maior grau de confiabilidade e objetividade em comparação com a inspeção manual, propensa a erros humanos, que se torna cada vez mais aparente em execuções operacionais mais longas. Quão preciso e imparcial um sistema de visão de máquina pode ser quando comparado a um humano no controle de qualidade visual é bem explicado e testado no seguinte artigo
A inspeção visual automatizada atende aos requisitos de inspeção de grandes quantidades, enquanto a IA oferece a capacidade de resolver problemas desafiadores de inspeção da variedade cada vez maior de produtos farmacêuticos, alguns dos quais eram resolvidos anteriormente apenas por meio de inspeção manual. Na Sensum, desenvolvemos e fabricamos máquinas automatizadas de última geração para inspeção visual, processo que foi identificado como um dos mais trabalhosos na produção farmacêutica de cápsulas gelatinosas e formas farmacêuticas sólidas. As máquinas da Sensum ajudam as empresas farmacêuticas a alcançar autonomia operacional e permitem que os operadores concentrem-se em tarefas de maior valor agregado. Além disso, devido à sua inerente não invasividade, ajudam a reduzir a interação humana desnecessária, o que pode resultar em benefícios significativos para a saúde, conforme explicado no seguinte artigo.
Em última análise, esses sistemas e soluções são concebidos para apoiar os fabricantes farmacêuticos na garantia da qualidade do produto final, conseguida através da inspeção meticulosa de cada produto. E mesmo que alguns dos truques para resolver problemas de difícil inspeção possam parecer mágicos à primeira vista, não esqueçamos que a cartola mágica da IA, que contém os truques de mágica, foi criada por um humano.
Este artigo foi publicado originalmente por Domen Rački, em um de seus artigos no LinkedIn:
https://www.linkedin.com/pulse/artificial-intelligence-pharmaceutical-inspection-technology
Postagens semelhantes
