Casos

Casa > Casos > Dongguan Qiaosen Machinery Co., Ltd. Último caso da empresa sobre Implementação de Projeto de Inspeção Visual Online de IA para Peças Estampadas de Chassi Automotivo

Eventos

Notícia

Casos

Contacte-nos

titi@qiaosenmachinery.com

86-0769-26626853

Contato agora

Implementação de Projeto de Inspeção Visual Online de IA para Peças Estampadas de Chassi Automotivo

2026-08-20

Estudo de caso: Implementação de um projecto de inspecção visual on-line da IA para peças de estampagem de chassis automotivos

Ciclo de processos: Setembro de 2025-Agosto de 2026

História da empresa: A empresa é um fornecedor de estampagem automática de chassis de nível 2 no sul da China, com 9 linhas de estampagem automática, principalmente na produção de suportes de chassis e componentes de chapas de reforço.Antes da transformaçãoA frequente rotatividade do pessoal e a fadiga dos turnos noturnos causaram ocasionalmente o escoamento de defeitos, levando a devoluções dos clientes e custos de reinspecção.A empresa decidiu implementar uma adaptação visual on-line da IA para duas linhas de estampagem de grande volume.

Data de base real do caso antes da transformação (setembro de 2025)

Taxa de saída de defeitos dos produtos acabados: 5,12%
Pessoal de controlo de qualidade manual diário médio para duas linhas: 8 pessoas
Quantidade mensal de devoluções de clientes: 216 peças
Custos mensais de reinspecção e reelaboração: 4 USD,120
Proporção de horas extras na equipa de controlo de qualidade: 32%
Falta de defeito principalmente: pequenas indentidades na superfície, micro-fissuras no canto de dobra

Medidas essenciais de transformação técnica

Implementar câmaras industriais de alta resolução multi-angular e fonte de luz difusa personalizada ao lado da porta de descarga da prensa, eliminar interferências de reflexão nas superfícies de estampagem de metal;
Recolher mais de 12 000 amostras de imagem de defeitos reais do local de produção para treinar o modelo de segmentação da IA, adicionar continuamente amostras de defeitos recém-descobertos para otimização iterativa;
Conectar o sistema visual com o atuador de rejeição da linha transportadora; uma vez identificados os defeitos, desencadear a rejeição automática para isolar as peças não conformes;
Realizar a interface de dados entre a plataforma de visão e o MES da fábrica, registar o tipo de defeito, a quantidade e o carimbo de hora para cada peça inspecionada;
Otimizar o SOP: reposicionar os inspectores manuais desde a triagem de peças completas até a verificação pontual e o trabalho de manutenção de modelos, reduzir o trabalho visual repetitivo.

Comparação dos dados de operação real de 11 meses antes e após a transformação

Indicadores de qualidade e funcionamento	Antes da atualização visual da IA	Após a implantação da inspeção de IA on-line	Benefícios globais reais
Taxa de saída de defeitos do produto acabado	5.12%	0.37%	- 92,8% de redução dos fluxos de saída
Pessoal QC necessário para duas linhas de produção	8 pessoas	3 pessoas	- 62,5% redução da mão-de-obra QC
Quantidade mensal de devoluções de clientes	216 peças	17 peças	- 92,1% de queda no volume de retorno
Custos mensais de reinspecção e de retrabalho	USD 4,120	USD 680	-83,5% de poupança de custos de retrabalho
Relação horas extras/trabalho da equipa QC	32%	7%	Relaxar muito a pressão do trabalho
Disponibilidade de estatísticas mensuais válidas de dados de defeitos	Registo manual em papel, incompleto	Registo digital rastreável completo	Análise da correlação entre o equipamento de apoio e a qualidade

Análise profissional de perguntas e respostas

P1: Após a introdução da visão de IA, a inspeção manual pode ser completamente cancelada?

A1: Neste caso real, a inspecção manual completa foi cancelada, mas a verificação pontual e a manutenção do modelo ainda necessitam de operadores.Defeitos desconhecidos de novo tipo que não estão incluídos na biblioteca de amostras de formação podem ocasionalmente escaparA verificação pontual manual serve como segunda barreira de segurança e fornece novas amostras de defeitos para melhoria contínua do modelo.A eliminação completa da participação humana não é recomendada na prática atual de produção em massa.

P2: Que dificuldades importantes encontrou o projecto na fase de comissão?

A2: A reflexão da superfície do metal trouxe imagens instáveis no início. Após o ajuste repetido do ângulo da fonte de luz e a adição de cobertura difusa-refletora, a estabilidade da imagem melhorou muito.No início do período de execução, a taxa de falsos alarmes era relativamente elevada; a equipa de engenheiros complementou continuamente as amostras no local e otimizou o limiar do algoritmo durante 6 semanas antes de atingir uma precisão estável pronta para produção.

P3: Qual é o período de recuperação deste investimento em inspeção visual de IA?

A3: O investimento total do projecto para duas linhas é de 34 800 USD. A poupança anual em mão-de-obra, retrabalho e perda de rendimento chega a 51 600 USD.O período de recuperação real do investimento é de 8,1 meses.

Conclusão do caso e perspectivas

Este caso de produção real prova que a inspecção visual on-line da IA pode resolver eficazmente os pontos problemáticos de longa data da fadiga da inspecção manual e do julgamento instável nas oficinas de estampagem.Reduz significativamente o fluxo de saída de defeitos, reduz os custos de re-trabalho e diminui a dependência da mão-de-obra QC em larga escala.Enquanto isso, as empresas devem estar cientes de que o sistema visual necessita de repetição contínua de amostras e depuração no local em vez de instalação únicaNa próxima fase, a fábrica irá introduzir a ligação de dados de defeito aos equipamentos de impressão,Realizar o alerta precoce do desgaste do molde de acordo com a frequência crescente de defeitos de rachadura e avançar para o controle de qualidade preditivo.

Envie-nos seu inquérito diretamente