Fälle

Haus > Fälle > Dongguan Qiaosen Machinery Co., Ltd. Neueste Unternehmensfallstudie über KI-gestützte Online-Sichtprüfung zur Implementierung für Karosseriestanzteile im Automobilbereich

Veranstaltungen

nachrichten

Fälle

Treten Sie mit uns in Verbindung

titi@qiaosenmachinery.com

86-0769-26626853

Kontakt jetzt

KI-gestützte Online-Sichtprüfung zur Implementierung für Karosseriestanzteile im Automobilbereich

2026-08-20

Fallstudie: Implementierung eines KI-gestützten Online-Visuellen Inspektionsprojekts für Automobil-Chassis-Stanzteile

Fallzyklus: September 2025 - August 2026

Unternehmenshintergrund: Das Unternehmen ist ein Tier-2-Lieferant für Automobil-Chassis-Stanzteile in Südchina und betreibt 9 automatische Stanzlinien, die hauptsächlich Fahrwerksbügel und Verstärkungsplattenkomponenten herstellen. Vor der Umstellung waren die vollständigen Fertigprodukte auf manuelle Offline-Inspektionen angewiesen. Häufige Personalwechsel und Ermüdung bei Nachtschichten führten gelegentlich zu fehlerhaften Ausfuhren, was zu Kundenrücksendungen und Nachinspektionskosten führte. Das Unternehmen beschloss, eine Online-KI-visuelle Nachrüstung für zwei Kern-Stanzlinien mit hohem Volumen zu implementieren.

Reale Basisdaten vor der Umstellung (September 2025)

Fehlerrate bei der Ausfuhr von Fertigprodukten: 5,12 %
Durchschnittliche tägliche manuelle QC-Mitarbeiter für zwei Linien: 8 Personen
Monatliche Menge der Kundenrücksendungen: 216 Stück
Monatliche Kosten für Nachinspektion und Nacharbeit: 4.120 USD
Anteil der Überstunden des QC-Teams: 32 %
Hauptsächlich übersehene Fehler: winzige Oberflächeneindrücke, Mikrorisse an Biegungen

Kerntechnische Umstellungsmaßnahmen

Installation von hochauflösenden Industriekameras aus mehreren Winkeln und einer kundenspezifischen diffusen Lichtquelle neben dem Pressenauslass, um Reflexionsstörungen auf Metallstanzoberflächen zu eliminieren;
Erfassung von mehr als 12.000 realen Fehlerbildproben vom Produktionsstandort zur Schulung eines KI-Segmentierungsmodells, kontinuierliche Ergänzung neuer Fehlerproben für iterative Optimierung;
Verbindung des visuellen Systems mit einem Förderband-Auswerfer; sobald Fehler erkannt werden, wird eine automatische Auswerfung ausgelöst, um nicht konforme Teile zu isolieren;
Realisierung einer Datenschnittstelle zwischen der Visionsplattform und dem Fabrik-MES, Aufzeichnung von Fehlertyp, Menge und Zeitstempel für jedes inspizierte Werkstück;
Optimierung der SOP: Neupositionierung manueller Inspektoren von der vollständigen Stückprüfung zur Stichprobenprüfung und Modellwartung, Reduzierung repetitiver visueller Arbeit.

11-monatige reale Betriebsdaten im Vergleich vor und nach der Umstellung

Qualitäts- und Betriebsindikatoren	Vor KI-visueller Aufrüstung	Nach der Bereitstellung der Online-KI-Inspektion	Tatsächlicher umfassender Nutzen
Fehlerrate bei der Ausfuhr von Fertigprodukten	5,12 %	0,37 %	-92,8 % Reduzierung der Ausfuhr
Erforderliches QC-Personal für zwei Produktionslinien	8 Personen	3 Personen	-62,5 % Reduzierung des QC-Personals
Monatliche Menge der Kundenrücksendungen	216 Stück	17 Stück	-92,1 % Rückgang der Rücksendungen
Monatliche Kosten für Nachinspektion und Nacharbeit	4.120 USD	680 USD	-83,5 % Einsparung bei Nacharbeitskosten
Überstundenquote des QC-Teams	32 %	7 %	Erhebliche Entlastung des Arbeitsdrucks
Monatliche gültige Fehlerdatenstatistik verfügbar	Manuelle Papieraufzeichnung, unvollständig	Vollständige digitale nachverfolgbare Aufzeichnung	Unterstützung der Korrelationsanalyse zwischen Ausrüstung und Qualität

Fallspezifische professionelle Q&A-Analyse

F1: Kann nach Einführung der KI-Vision die manuelle Inspektion vollständig entfallen?

A1: In diesem realen Fall wurde die manuelle Vollinspektion abgeschafft, aber Stichproben und Modellwartung erfordern weiterhin Bediener. Neue unbekannte Fehler, die nicht in der Trainingsstichprobenbibliothek enthalten sind, können gelegentlich entkommen. Die manuelle Stichprobenprüfung dient als zweite Sicherheitsbarriere und liefert neue Fehlerproben für die kontinuierliche Modellverbesserung. Eine vollständige Eliminierung der menschlichen Beteiligung wird in der aktuellen Massenproduktionspraxis nicht empfohlen.

F2: Welche größeren Schwierigkeiten gab es während der Inbetriebnahmephase des Projekts?

A2: Die Reflexion der Metalloberfläche führte anfangs zu instabilen Bildern. Nach wiederholter Anpassung des Lichtsourcing-Winkels und der Hinzufügung einer diffusen reflektierenden Abdeckung wurde die Bildstabilität erheblich verbessert. In der frühen Betriebsphase war die Fehlalarmrate relativ hoch; das Ingenieurteam ergänzte kontinuierlich Stichproben vor Ort und optimierte den Algorithmusschwellenwert für 6 Wochen, bevor eine stabile produktionsreife Genauigkeit erreicht wurde.

F3: Wie hoch ist die Amortisationszeit dieser Investition in die KI-visuelle Inspektion?

A3: Die Gesamtinvestition für das Projekt für zwei Linien beträgt 34.800 USD. Die jährliche Einsparung bei Arbeitskräften, Nacharbeit und Rücksendungsverlusten erreicht 51.600 USD. Die berechnetetatsächliche Amortisationszeit der Investition beträgt 8,1 Monate.

Fallabschluss und Ausblick

Dieser reale Produktionsfall beweist, dass die KI-gestützte Online-Visuelle Inspektion langjährige Probleme der Ermüdung bei manueller Inspektion und inkonsistenter Urteilsfindung in Stanzwerkstätten effektiv lösen kann. Sie reduziert die fehlerhafte Ausfuhr erheblich, senkt die Nacharbeitskosten und verringert die Abhängigkeit von großen Mengen an QC-Personal. Gleichzeitig müssen sich die Unternehmen bewusst sein, dass das visuelle System eine kontinuierliche Stichprobeniteration und eine Vor-Ort-Fehlerbehebung erfordert und keine einmalige Installation ist. In der nächsten Phase wird die Fabrik die Fehlerdatenverknüpfung mit den Pressenanlagen vorantreiben, um eine Frühwarnung vor Werkzeugverschleiß basierend auf der steigenden Häufigkeit von Rissfehlern zu realisieren und sich in Richtung einer vorausschauenden Qualitätskontrolle zu bewegen.

Schicken Sie uns Ihre Untersuchung direkt