Computer Vision
Как серийное производство деталей сократило рекламации в 6 раз с помощью компьютерного зрения
Металлообработка — серийное производство деталей
TLDR
Завод выпускает серийные металлические детали — штамповка, токарная обработка. ОТК проверял детали визуально и выборочно калибрами. При браке 3% из 17 600 деталей в месяц 211 штук ежемесячно уходили клиентам в виде рекламаций — каждая обходилась в 2 000–2 500 рублей. BackendFlow установил CV-систему: каждая деталь проходит через зону автоматического контроля.
Результат: рекламации сократились в 6 раз. Прогнозируемое снижение потерь — ~430 000 рублей в месяц.
Контекст
Линия выдавала 800 деталей за смену. Контролёр ОТК — визуальный осмотр и выборочный контроль калибрами. Квалифицированная работа, но физически проверить каждую деталь на потоке невозможно.
При производственном браке 3% — норма для серийной штамповки — из 17 600 деталей в месяц дефектными оказывалось около 530. ОТК выявлял 60% до отгрузки. Оставшиеся 211 уходили клиентам.
Для производства: стоимость одной рекламации — возврат, повторная поставка, переделка, административные трудозатраты — в среднем 3–5 стоимостей детали. При детали в 600 рублей рекламация обходится в 2 000–2 500 рублей. 211 рекламаций в месяц = ~500 000 рублей прямых потерь.
Для клиентов: дефекты обнаруживались при монтаже или в процессе эксплуатации — после того как деталь уже встала в изделие.
Задача
Выявлять дефектные детали до отгрузки — в автоматическом режиме, без зависимости от внимания и усталости контролёра. Контролёр ОТК остаётся: он разбирает пограничные случаи и ведёт реестр несоответствий.
Решение
BackendFlow установил CV-систему с промышленными камерами на двух точках конвейера.
Принципиальный момент по оборудованию: для дефектоскопии металлических деталей на скорости конвейера нужны камеры с глобальным затвором — они фиксируют движущийся объект без размытия. Плюс специализированная подсветка под тип поверхности: для выявления царапин и вмятин критически важен угол и характер освещения. Стандартные камеры для видеонаблюдения здесь не дают нужной точности.
Схема работы:
- Деталь движется по конвейеру через зону контроля
- Камеры фиксируют изображение с обеих сторон
- Система анализирует геометрию и поверхность в реальном времени
- Дефектная деталь — автоматическая отбраковка и сигнал оператору
- Чистая деталь продолжает движение на упаковку
Первые 4–6 недель модель дообучалась на реальных дефектах именно этого производства — универсальные модели для металла дают 80–85%, дообученная под конкретную номенклатуру вышла на 93–95%.
Инсайты
Дообучение под конкретное производство — не опция, а необходимость.
Первые попытки внедрения CV на производстве часто заканчиваются разочарованием: берут универсальную модель и получают 80–85% точности. При таком уровне количество ложных срабатываний создаёт больше проблем, чем решает. Работает только дообучение под конкретную номенклатуру дефектов этого завода.
ОТК не устранён — его роль изменилась.
Контролёр перестал быть основным детектором брака и стал аналитиком: разбирает пограничные случаи, ведёт реестр несоответствий, анализирует коренные причины. Это более квалифицированная работа, которая раньше вытеснялась потоковым контролем.
Данные системы вскрыли проблему выше по цепочке.
Реестр несоответствий за первый месяц показал: 40% дефектов одного типа концентрировались в конкретной смене. Это стало отправной точкой для разбора на уровне технологического процесса — не только контроля качества.
Результаты
| Метрика | До | После |
|---|---|---|
| Дефектных деталей к клиентам | ~211 шт./мес | ~32 шт./мес |
| Точность выявления дефектов | ~60% (ОТК) | 93–95% (CV) |
| Прямые потери на рекламациях | ~500 000 руб./мес | ~70 000 руб./мес |
Допущения: 17 600 дет./мес, брак 3%, стоимость детали 600 руб., рекламация = 4× стоимость. Выход на целевые показатели — со 2-го месяца после завершения дообучения. Верификация — по итогам квартала.
Хотите такой же расчёт под ваше производство?
Записаться на аудит →