Ejecución de un proyecto de inspección visual en línea de piezas de trabajo de estampado de chasis para automóviles

Ciclo de casos: septiembre de 2025-agosto de 2026

Antecedentes empresariales: La empresa es un proveedor de estampado de chasis automático de nivel 2 en el sur de China, que opera 9 líneas de estampado automático, que producen principalmente componentes de soporte de chasis y placas de refuerzo.Antes de la transformaciónEn la actualidad, los productos acabados completos dependen de la inspección manual fuera de línea. La rotación frecuente del personal y la fatiga del turno nocturno causaron una salida ocasional de defectos, lo que llevó a las devoluciones de los clientes y los costos de reinspección.La empresa decidió implementar una actualización visual en línea de la IA para dos líneas de estampado de gran volumen.

• Tasa de flujo de salida de productos acabados defectuosos: 5,12%
• Personal de control de calidad manual medio diario para dos líneas: 8 personas
• Cantidad mensual de devoluciones de clientes: 216 piezas
• Costo mensual de la reinspección y el reelaborado: USD 4,00120
• Proporción de horas extras del equipo de control de calidad: 32%
• Falta de defectos principalmente: pequeñas hendiduras en la superficie, micro grietas en las esquinas de flexión

1. Despliegue cámaras industriales de alta resolución multicángulos y una fuente de luz difusa personalizada junto al puerto de descarga de la prensa, eliminando las interferencias de reflexión en las superficies de estampado de metales;
2. Recoger más de 12 000 muestras de imágenes reales de defectos del sitio de producción para entrenar el modelo de segmentación de IA, añadir continuamente muestras de defectos recién encontrados para la optimización iterativa;
3. Conectar el sistema visual con el actuador de rechazo de la línea transportadora; una vez identificados los defectos, activar el rechazo automático para aislar las piezas no conformes;
4. Realizar la interfaz de datos entre la plataforma de visión y el MES de fábrica, registrar el tipo de defecto, la cantidad y el sello de tiempo para cada pieza de trabajo inspeccionada;
5. Optimización de la OPT: reubicación de los inspectores manuales desde la inspección de piezas completas hasta la inspección puntual y el trabajo de mantenimiento del modelo, reducción del trabajo visual repetitivo.

Este caso de producción real demuestra que la inspección visual en línea de IA puede resolver eficazmente los puntos débiles de larga data de fatiga de la inspección manual y el juicio inestable en los talleres de estampado.Reduce significativamente el flujo de salida de defectos, reduce los costes de re-trabajo y reduce la dependencia de la mano de obra QC a gran escala.Mientras tanto, las empresas deben ser conscientes de que el sistema visual necesita una iteración continua de muestras y depuración in situ en lugar de una instalación única.En la siguiente fase, la fábrica impulsará la vinculación de datos de defectos a los equipos de prensa.Realizar una alerta temprana del desgaste del moho de acuerdo con la creciente frecuencia de fallas de grietas y avanzar hacia el control de calidad predictivo.