Vorhersage der Prozessstabilität mit Maschinellem Lernen

Im Zuge des zunehmenden Wettbewerbsdrucks sind auch Pharmaunternehmen getrieben ihre Produktionsprozesse stetig effizienter zu gestalten. Insbesondere gilt es Verluste des typischerweise hochpreisigen Produkts zu minimieren. Folgend wird ein Ansatz zur prädiktiven Erkennung des Fehlverhaltens im Betrieb von Abfüllanlagen für pulvrige pharmazeutische Erzeugnisse mit Maschinellen Lernverfahren vorgestellt. Im Fokus steht hierbei die Prognose der Füllabweichungen mit Rekurrenten Neuronalen Netzen, eine Methode der Künstlichen Intelligenz. Ein Überschreiten bzw. Unterschreiten der Toleranz des Abfüllgewichts führt dazu, dass die abgefüllten Einheiten nicht weiterverwendet werden können. Ziel ist es, frühzeitig ein Abdriften der Prozessstabilität zu erkennen und entsprechend einzugreifen. Die nötigen Schritte hierzu werden folgend vorgestellt.