[@portabletext/react] Unknown block type "span", specify a component for it in the `components.types` prop
의약품 포장용 AI 결함 검사는 카메라와 AI 모델을 사용해 블리스터 머신, 카토너, 일련번호 부여 스테이션을 떠나는 모든 팩을 관찰하고, 카톤 대기열에 도달하기 전에 비적합 단위를 표시합니다. 검사 스테이션의 라인 운영자나 경직된 룰 기반 비전에 의존하는 대신, AI는 자기 SKU 포트폴리오의 특정 블리스터 형식, 정제 형상, 카톤 아트워크, 일련번호 부여 레이아웃을 학습하고, 교대, 라인 속도, SKU 변경에 걸쳐 일관된 시각적 체크포인트를 적용합니다.
의약품 포장은 모든 배치가 EU GMP 부속서 1, EU FMD, DSCSA, 배치 기록용 ICH 가이드라인을 준수해야 하므로 라인 속도에서 검사하기가 특히 어렵습니다. 팩 자체가 가변적입니다. 정제 블리스터는 바이알 팩과 다른 각도로 자리하고, 인쇄된 라미네이트는 카토너 플라스틱과 비교해 컨베이어에 다르게 보이며, 카톤의 DataMatrix 코드는 1밀리미터 이동해도 검증기는 통과하지만 약국 스캐너에서는 실패할 수 있습니다. 단일 SKU를 중심으로 구축된 룰 기반 비전은 다른 블리스터 형식이나 다른 정제 형상으로 바꾸는 순간 무너집니다. 모델이 고정된 임계값이 아닌 실제 생산 프레임에서 학습하기 때문에 AI 주도 검사는 그러한 변동을 처리합니다.
결과는 기존 GMP 검사 스테이션과 일련번호 부여 리더를 보완하는 자동 시각 체크포인트이며, 배치 기록과 연결되는 팩별 이미지 기록을 제공합니다. 6개월 후 규제 기관 질의가 돌아오면, 배치의 정확한 생산 창에서 프레임을 꺼내 결함을 확인하거나 증거로 반박할 수 있습니다.
누락 정제는 리딩 스테이션에 빈 채로 도착하는 블리스터 캐비티이며, 피더 보울 정렬 불량, 캐비티 클리어런스 잼, 또는 업스트림 정제 프레스 편차로 인해 발생합니다. 깨진 정제는 부분 충전 버전으로, 깨지거나, 갈라지거나, 분리된 정제가 캐비티에 자리합니다. GMP 검사 카메라는 큰 편차를 잡아내지만 조각이 캐비티별 카운트 센서를 통과할 만큼 캐비티를 적절히 채우는 경우는 놓칩니다. AI 모델은 각 SKU의 적합 정제 형상과 색을 학습하고, 리딩 출구에서 누락 정제와 깨진 정제를 모두 표시하며, 프레임은 배치 기록에서 사용 가능합니다.
호일 핀홀은 리딩 알루미늄의 미세 구멍이며, 알루미늄 재고 핀홀 이월, 실링 조 잔해, 또는 열 실링 온도 드리프트로 인해 발생합니다. 실링 결함은 보완적 실패입니다. 주름지거나 약해진 실링이 보관 수명 동안 캐비티에 습기가 들어가게 합니다. 둘 다 라인에서는 거의 보이지 않으며 몇 주 후 제품을 망칩니다. AI 모델은 각 블리스터 형식의 적합 호일 텍스처와 실링 패턴을 학습하고, 로컬 패턴이 기준에서 벗어나는 즉시 핀홀과 실링 이상을 표시합니다.
캐비티 충전 오류에는 잘못된 정제가 있는 캐비티 (제품 변경 시 혼입), 잘못된 방향으로 자리한 정제 (분할 정제 가시 대 스코어 면), 또는 인접 캐비티에 눌린 정제가 포함됩니다. 방향 오류는 캐비티별 카운트 센서에서 올바르게 보이지만 약국에서 조제 시 실패합니다. AI 모델은 각 SKU의 적합 정제 외관과 방향을 유지하고, 팩이 카토너로 계속되기 전에 리딩 출구에서 혼입과 방향 오류를 모두 표시합니다.
카톤 결함에는 인쇄 번짐, 누락 색상, 중심을 벗어난 아트워크, 누락 점자 엠보싱, 카토너에 로드된 잘못된 SKU 아트워크가 포함됩니다. 약국은 점자 누락으로 카톤을 거부하며, 규제 기관은 모든 배치에서 인쇄 충실도를 감사합니다. 수동 운영자는 최악의 경우는 잡지만 경계선 배치와 카토너 잉크 롤 변경 후의 점진적 인쇄 품질 드리프트는 놓칩니다. AI 모델은 각 SKU의 적합 카톤 아트워크를 유지하고, 로컬 패턴이 벗어나는 즉시 아트워크 결함을 표시합니다.
일련번호 부여 결함에는 마모된 잉크젯 헤드의 흐려진 DataMatrix 코드, 텍스처 카톤 재고의 저대비 인쇄, 사양 영역 밖으로 이동한 코드, 누락 변조 방지 기능이 포함됩니다. EU FMD와 DSCSA 모두 모든 공급망 단계에서 가독 가능한 스캔 가능 코드를 요구합니다. 라인의 검증 스캐너는 일부 결함을 잡지만 라인을 통과하고 도매상에서 실패하는 경계선 케이스는 놓칩니다. AI 모델은 검사 스테이션에서 모든 코드를 OCR 점검하고, 팩이 집계 터널에 들어가기 전에 가독성과 대비 문제를 모두 표시합니다.
첨부 문서 결함에는 누락 첨부 문서, 다중 시장 운영의 잘못된 언어 첨부 문서, 카토너 삽입에 실패하는 잘못 접힌 첨부 문서, 인쇄 결함이 있는 첨부 문서가 포함됩니다. 약국은 잘못된 언어 첨부 문서가 있는 카톤을 거부하며, 규제 기관은 모든 배치에서 첨부 문서 충실도를 감사합니다. 수동 운영자는 누락 첨부 문서는 잡지만 경계선 언어 오류와 카토너에서 살아남는 잘못 접힌 동봉물은 놓칩니다. AI 모델은 각 SKU와 시장 조합의 적합 첨부 문서 외관을 학습하고, 카토너 인피드에서 첨부 문서 결함을 표시합니다.
의약품 포장 라인에서 이를 작동하게 하는 조명 설정은 정제, 호일, 실링을 읽기 위한 블리스터 출구 위 디퓨즈 오버헤드 라이트, 아트워크와 점자를 읽기 위한 카토너의 저각 링 라이트, 코드 가독성을 위한 일련번호 부여 스테이션의 사이드 마운트 카메라입니다. 매크로 및 광각 렌즈가 있는 iPhone Pro는 중요 관리 지점당 단일 검사 스테이션에서 7개 결함 패밀리를 처리합니다. 표시된 팩이 집계 터널 전에 다운스트림 분기 결정을 유도하도록 컨베이어 인코더와 장비를 동기화합니다. 온보딩 중에 광학을 함께 사양화하고, 기존 규제 검사 시스템을 대체하지 않고 옆에 자리하도록 장비를 설계합니다.

전체 하드웨어 장비는 1,000유로 미만이며, 리퍼비시 iPhone Pro, 호일과 아트워크 검사용 옵션 저각 링 라이트가 있는 디퓨즈 오버헤드 라이트, USB-C 케이블, 블리스터 출구, 카토너 출피드, 또는 일련번호 부여 스테이션 위에 클램프하는 마운트로 구성됩니다. 첫 배포에 PLC 통합은 필요하지 않으며, 장비는 비행 케이스에 들어가고, 설정하는 동안 라인이 계속 가동됩니다. 장비는 기존 GMP 검사 스테이션과 일련번호 부여 리더를 대체하지 않고 옆에 자리합니다.
온보딩은 셀프서브입니다. 라인 팀이 장비를 마운트하고, Enao 앱을 열고, 다음 변경에서 기준 프레임 수집을 시작합니다. 첫날은 사전 라벨링 없이 80% 정확도를 반환하고, 14일째에는 모델이 본 결함 패밀리에서 수동 검사원보다 위에서 작동하며, 라인이 확인하거나 거부하는 모든 표시된 팩과 함께 개선됩니다. 모든 표시된 프레임은 추적성을 위해 배치 기록에 공급됩니다.
각 라인은 자기 블리스터 형식, 정제 형상, 카톤 아트워크가 어떻게 보이는지 자기 모델에 가르칩니다. 같은 머신에서 새 SKU로 바꾸면, 모델은 한 교대 만에 적응합니다. 비슷한 제품 패밀리로 자매 라인을 가동하면, 두 번째 모델은 첫 모델의 경험에서 시작하고 한계 노력은 급격히 떨어집니다.
사양을 벗어난 팩은 집계 터널에 도달하지 못하고, 편차는 QA 사무실이 아닌 검사 지점에서 이미지 증거와 함께 기록되며, 운영자는 라인 셋업, GMP 변경 검증, 규제 기관 감사 등 여전히 사람이 필요한 작업에 필요한 주의 시간을 되찾습니다.
의약품 포장사의 경우 비교는 다섯 차원에서 명확해지며, AI 검사가 규제된 GMP 시스템을 대체하지 않고 보완한다는 명시적 단서가 있습니다.
의약품 포장 라인 셋업 시간 — 카토너의 수동 점검은 미세한 블리스터와 첨부 문서 결함을 놓칩니다. 기존 머신 비전 (Cognex, Overview.ai, Globalvision, packaging-gateway) 은 3~9개월 통합과 6자리 예산이 필요합니다. Enao는 자기 팀이 리퍼비시 iPhone으로 한 주 만에 배포하며, 첫날 80% 정확도입니다.
라인당 하드웨어 비용 — 수동 시각 검사: 사전 비용 없음, 지속적인 인건비. 기존 의약품 비전: 산업용 카메라, 다중 검사 헤드, 통합을 위해 라인당 150,000유로~500,000유로. Enao: 리퍼비시 iPhone Pro, 램프, 마운트로 라인당 1,000유로 미만.
신규 SKU, 블리스터 형식, 정제 처리 — 수동 시각 검사: 모든 신규 SKU에 대해 운영자 재교육. 기존 의약품 비전: SKU별 레시피 재작성과 전체 검증, 종종 통합 업체에 외주. Enao: 한 교대 만에 신규 SKU에서 모델 재학습, 만질 코드 없음.
미세한 호일과 아트워크 드리프트의 검출 정확도 — 수동 시각 검사: 교대 시작에 높음, 3시간 후 측정 가능하게 떨어짐. 기존 의약품 비전: 캐비티별 카운트와 일련번호 부여 읽기에 강함, 미세한 호일 핀홀 검출과 아트워크 드리프트에 약함. Enao: 기준 프레임에서 호일과 아트워크 시그니처를 학습하고 교대와 운영에 걸쳐 정확도를 유지합니다.
운영 주체 — 수동 시각 검사: 교육된 라인 운영자. 기존 의약품 비전: 시스템 통합 업체 또는 전문 비전 엔지니어. Enao: 자기 라인 팀, 장비는 기존 규제 시스템 옆에 자리합니다.
병원 약국과 도매상은 누락 정제 리콜 비용으로 에스컬레이션하며, 규제 기관 적발 비용은 기존 시스템 옆에 자리하는 iPhone 기반 검사 장비 비용보다 훨씬 높습니다. Enao는 그 격차를 위해 구축되었습니다.
