2026-08-20
چرخه پرونده: سپتامبر 2025 تا اوت 2026
پیشینه شرکت: این شرکت یک تامین کننده درجه 2 است که در جنوب چین دارای 9 خط استامپ اتوماتیک است که عمدتاً قطعات پایه شاسی و تخته های تقویت کننده را تولید می کند.قبل از تبدیل، محصولات کامل آماده به بازرسی دستی غیرفعال وابسته بودند. گردش مکرر کارکنان و خستگی شیفت شب منجر به خروج نقص های گاه به گاه شد، که منجر به بازگشت مشتری و هزینه های بازرسی شد.این شرکت تصمیم گرفت تا به صورت آنلاین برای دو خط اصلی چاپ بزرگ حجم، بازآموزی بصری هوش مصنوعی را اجرا کند.
| شاخص های کیفیت و عملکرد | قبل از ارتقاء بصری هوش مصنوعی | پس از راه اندازی بازرسی هوش مصنوعی آنلاین | سود جامع واقعی |
|---|---|---|---|
| میزان تخلیه نقص محصول نهایی | 5.12 درصد | 0.37 درصد | -92.8٪ کاهش جریان خارج |
| نیروی انسانی مورد نیاز QC برای دو خط تولید | 8 نفر | 3 نفر | -62.5% کاهش نیروی کار QC |
| مقدار ماهانه بازگشت مشتری | ۲۱۶ عدد | ۱۷ عدد | -92.1% کاهش حجم بازده |
| هزینه های ماهانه بازرسی و بازکاری | 4 دلار آمریکا120 | 680 دلار | -83.5٪ صرفه جویی در هزینه های بازسازی |
| نسبت ساعات اضافی تیم QC | 32 درصد | 7 درصد | فشار کار را به شدت کاهش دهید |
| آمار ماهانه معتبر مربوط به معیوبیت موجود | سوابق کاغذی دستی، ناقص | سوابق قابل ردیابی دیجیتال کامل | تجزیه و تحلیل ارتباط کیفیت تجهیزات پشتیبانی |
این مورد تولید واقعی نشان می دهد که بازرسی بصری آنلاین هوش مصنوعی می تواند به طور موثر نقاط درد طولانی مدت خستگی بازرسی دستی و قضاوت ناپایدار در کارگاه های چاپ را حل کند.این به طور قابل توجهی کاهش خروجی نقص، هزینه کار مجدد را کاهش می دهد و وابستگی به نیروی کار QC در مقیاس بزرگ را کاهش می دهد.در همین حال شرکت ها باید آگاه باشند که سیستم بصری نیاز به تکرار نمونه های مداوم و عیب یابی در محل به جای نصب یک بار دارد.در مرحله بعدی، کارخانه پیوند داده های نقص را به تجهیزات مطبوعات منتقل خواهد کرد.تحقق هشدار زودهنگام از فرسایش قالب با توجه به افزایش فرکانس نقص ترک و حرکت به سمت کنترل کیفیت پیش بینی.
درخواست خود را به طور مستقیم به ما بفرستید