케이스

집 > 케이스 > Dongguan Qiaosen Machinery Co., Ltd. 최근 회사 사건 AI 자동차 차시 스탬핑 작업 부품을 위한 온라인 시각 검사 프로젝트 실행

이벤트

소식

케이스

문의하기

titi@qiaosenmachinery.com

86-0769-26626853

지금 접촉하세요

AI 자동차 차시 스탬핑 작업 부품을 위한 온라인 시각 검사 프로젝트 실행

2026-08-20

사례 연구: 자동차 섀시 스탬핑 부품의 AI 온라인 비주얼 검사 프로젝트 구현

사례 주기: 2025년 9월 ~ 2026년 8월

기업 배경: 이 기업은 중국 남부의 2차 자동차 섀시 스탬핑 공급업체로, 9개의 자동 스탬핑 라인을 운영하며 주로 섀시 브래킷 및 보강판 부품을 생산합니다. 전환 전에는 모든 완제품이 수동 오프라인 검사에 의존했습니다. 잦은 직원 이직과 야간 근무 피로는 간헐적인 결함 유출을 야기하여 고객 반품 및 재검사 비용을 초래했습니다. 기업은 두 개의 핵심 고생산량 스탬핑 라인에 대한 온라인 AI 비주얼 개조를 구현하기로 결정했습니다.

사례 전환 전 실제 기준 데이터 (2025년 9월)

완제품 결함 유출률: 5.12%
두 라인에 대한 일일 평균 수동 QC 직원: 8명
월별 고객 반품 수량: 216개
월별 재검사 및 재작업 비용: 4,120 USD
QC 팀의 초과 근무 비율: 32%
주요 누락 결함: 미세 표면 눌림, 굽힘 모서리의 미세 균열

핵심 기술 전환 조치

프레스 배출구 옆에 다각도 고해상도 산업용 카메라 및 맞춤형 확산 광원을 배치하여 금속 스탬핑 표면의 반사 간섭 제거
생산 현장에서 12,000개 이상의 실제 결함 이미지 샘플을 수집하여 AI 분할 모델 학습, 지속적으로 새로 발견된 결함 샘플을 추가하여 반복 최적화
비주얼 시스템을 컨베이어 라인 배출 액추에이터와 연결; 결함이 식별되면 자동 배출을 트리거하여 부적합 부품 격리
비전 플랫폼과 공장 MES 간 데이터 인터페이스 실현, 검사된 모든 작업물의 결함 유형, 수량 및 타임스탬프 기록
SOP 최적화: 수동 검사원을 전체 부품 검사에서 부분 검사 및 모델 유지보수 작업으로 재배치, 반복적인 시각 작업 감소

11개월 실제 운영 데이터 전환 전후 비교

품질 및 운영 지표	AI 비주얼 업그레이드 전	온라인 AI 검사 배포 후	실제 종합 이익
완제품 결함 유출률	5.12%	0.37%	-92.8% 유출 감소
두 생산 라인에 필요한 QC 인력	8명	3명	-62.5% QC 인력 감소
월별 고객 반품 수량	216개	17개	-92.1% 반품량 감소
월별 재검사 및 재작업 비용	4,120 USD	680 USD	-83.5% 재작업 비용 절감
QC 팀 초과 근무 비율	32%	7%	업무 부담 크게 완화
월별 유효 결함 데이터 통계 가능	수동 종이 기록, 불완전	완전 디지털 추적 가능 기록	장비-품질 상관 관계 분석 지원

사례 전문 Q&A 분석

Q1: AI 비전을 도입한 후 수동 검사를 완전히 취소할 수 있습니까?

A1: 이 실제 사례에서는 수동 전체 검사가 취소되었지만, 부분 검사 및 모델 유지보수는 여전히 작업자가 필요합니다. 학습 샘플 라이브러리에 포함되지 않은 새로운 유형의 알 수 없는 결함이 간혹 누락될 수 있습니다. 수동 부분 검사는 두 번째 안전 장벽 역할을 하며 지속적인 모델 개선을 위한 새로운 결함 샘플을 제공합니다. 인간의 참여를 완전히 제거하는 것은 현재 대량 생산 관행에서는 권장되지 않습니다.

Q2: 프로젝트 시운전 단계에서 주요 어려움은 무엇이었습니까?

A2: 금속 표면 반사로 인해 초기에는 이미지가 불안정했습니다. 광원 각도 조정을 반복하고 확산 반사 커버를 추가한 후 이미지 안정성이 크게 향상되었습니다. 초기 운영 기간에는 오경보율이 상대적으로 높았습니다. 엔지니어링 팀은 안정적인 생산 준비 정확도에 도달하기 전에 6주 동안 현장 샘플을 지속적으로 보충하고 알고리즘 임계값을 최적화했습니다.

Q3: 이 AI 비주얼 검사 투자의 투자 회수 기간은 얼마입니까?

A3: 두 라인에 대한 총 프로젝트 투자액은 34,800 USD입니다. 인력, 재작업 및 반품 손실에 대한 연간 절감액은 51,600 USD에 달합니다. 계산된실제 투자 회수 기간은 8.1개월입니다.

사례 결론 및 전망

이 실제 생산 사례는 AI 온라인 비주얼 검사가 스탬핑 작업장의 수동 검사 피로 및 불안정한 판단이라는 오랜 고충을 효과적으로 해결할 수 있음을 증명합니다. 결함 유출을 크게 줄이고, 재작업 비용을 절감하며, 대규모 QC 인력에 대한 의존도를 낮춥니다. 한편 기업은 비주얼 시스템이 일회성 설치가 아닌 지속적인 샘플 반복 및 현장 디버깅이 필요하다는 점을 인지해야 합니다. 다음 단계에서는 금형 마모에 대한 조기 경고를 위해 균열 결함 빈도 증가에 따라 프레스 장비에 결함 데이터 연동을 추진하여 예측 품질 관리로 나아갈 것입니다.

직접적으로 당신의 조사를 우리에게 보내세요