Unsupervised anomaly detection

Inleiding

De inspectie van medische containers, zoals spuiten, ampullen en flacons, moet volgens internationale normen 100% visueel worden geïnspecteerd om de veiligheid van de patiënt te garanderen.

Probleemstelling

Het proces om grote batches te inspecteren is al geautomatiseerd, maar dit geldt nog niet voor het inspecteren van kleine batches. Deze inspectie wordt nu nog handmatig uitgevoerd. Dit proces neemt veel kostbare tijd in beslag. Daarnaast introduceert deze methode menselijke fouten en vormt het een bottleneck in het productieproces. Wanneer defecten niet gezien worden, levert dit enorme risico’s op voor patiënten.

Oplossing

Om deze problemen op te lossen, is Luo voornemens de eerste compacte, volautomatische visuele inspectiemachine ter wereld te ontwikkelen, die het mogelijk maakt zeer diverse batches automatisch te inspecteren. Door de grote verscheidenheid aan containers die door de machine geïnspecteerd kunnen worden, is het van belang dat de softwarematige detectie van defecten op een eenvoudige manier aangepast kan worden per defect of per medicijn.

Flexibiliteit en Technologie

Om deze flexibiliteit te garanderen, is de ontwikkeling van zogenaamde ‘unsupervised’ detectie-algoritmes noodzakelijk. Omdat in deze toepassing dit soort modellen nog niet gebruikt worden, heeft Luo besloten om in eerste instantie te onderzoeken of de beoogde ontwikkeling technisch en economisch haalbaar is.

Impact en Economisch Potentieel

Wanneer Luo in staat is de modellen te ontwikkelen, draagt dit bij aan de Kennis en Innovatieagenda (KIA) Gezondheid en zorg. Binnen de zorg zorgt het voor een reductie in de kosten, waarbij de kostbare tijd van het personeel voor andere taken ingezet kan worden. Daarnaast levert het een bijdrage aan de KIA Sleuteltechnologieën. Tevens zorgt het voor Luo voor een interessant verdienmodel. Zij zullen met de beoogde ontwikkeling de eerste op de markt zijn, waardoor de ontwikkeling enorme economische potentie heeft.