กรณี

บ้าน > กรณี > Dongguan Qiaosen Machinery Co., Ltd. กรณีบริษัทล่าสุดเกี่ยวกับ การดำเนินโครงการตรวจสอบด้วยภาพออนไลน์ด้วย AI สำหรับชิ้นงานปั๊มขึ้นรูปโครงรถยนต์

กิจกรรม

ข่าว

กรณี

ติดต่อเรา

titi@qiaosenmachinery.com

86-0769-26626853

ติดต่อตอนนี้

การดำเนินโครงการตรวจสอบด้วยภาพออนไลน์ด้วย AI สำหรับชิ้นงานปั๊มขึ้นรูปโครงรถยนต์

2026-08-20

การศึกษากรณี: AI การดําเนินงานโครงการตรวจสอบทางสายตาออนไลน์สําหรับชิ้นงาน stamping chassis ของรถยนต์

วงจรคดี: กันยายน 2025 - สิงหาคม 2026

ประวัติธุรกิจ: บริษัทนี้เป็นผู้จําหน่ายเครื่องฉีดรถยนต์ชั้น 2 ในภาคใต้ของจีน โดยดําเนินการ 9 สายการฉีดอัตโนมัติ โดยหลักๆ จะผลิตเครื่องฉีดรถยนต์และส่วนประกอบของแผ่นเสริมเหล็กก่อนการแปลง, ผลิตภัณฑ์เสร็จเต็มที่พึ่งพาการตรวจสอบแบบออฟไลน์ด้วยมือ การหมุนเวียนของบุคลากรบ่อยและความเหนื่อยล้าของชิงกลางคืนบริษัทได้ตัดสินใจที่จะนําการปรับปรุงทางสายตาของ AI ในระบบออนไลน์ไปใช้สําหรับสายการตราขนาดใหญ่หลักสองสาย.

ข้อมูลฐานจริงของกรณีก่อนการแปลง (Sept 2025)

อัตราการไหลออกของผลิตภัณฑ์เสร็จที่บกพร่อง: 5.12%
ค่าเฉลี่ยของพนักงาน QC คู่มือต่อวันสําหรับ 2 เส้นทาง: 8 คน
จํานวนของลูกค้าคืนรายเดือน: 216 ชิ้น
ค่าใช้จ่ายรายเดือนสําหรับการตรวจสอบใหม่และการปรับปรุง: 4 ดอลลาร์สหรัฐ120
อัตราการทํางานเกินเวลาของทีม QC: 32%
ความบกพร่องที่ขาดส่วนใหญ่: ช่องแบนเล็ก ๆ น้อย ๆ ช่องแตกเล็ก ๆ ที่มุมบิด

มาตรการการเปลี่ยนแปลงทางเทคนิคหลัก

ใช้กล้องอุตสาหกรรมความละเอียดสูงหลายมุม และแหล่งแสงกระจายที่กําหนดเอง ใกล้กับช่องออกของเครื่องพิมพ์ เพื่อกําจัดการรบกวนการสะท้อนแสงบนพื้นผิวการตราโลหะ
รวบรวมตัวอย่างภาพความบกพร่องจริงมากกว่า 12 000 ตัวจากสถานที่ผลิต เพื่อฝึกแบบจําแนก AI, เติมตัวอย่างความบกพร่องที่ค้นพบใหม่อย่างต่อเนื่องเพื่อการปรับปรุงแบบต่อเนื่อง;
เชื่อมโยงระบบภาพกับตัวขับเคลื่อนการปฏิเสธสายขนส่ง; เมื่อพบความบกพร่อง, เริ่มการปฏิเสธอัตโนมัติเพื่อแยกส่วนที่ไม่ตรงกัน
จัดทําการเชื่อมต่อข้อมูลระหว่างแพลตฟอร์มวิชั่นและ MES ของโรงงาน บันทึกประเภทความบกพร่อง จํานวนและเวลาสําหรับชิ้นงานที่ตรวจสอบทุกชิ้น
ปรับปรุง SOP ให้ดีที่สุด: เปลี่ยนตําแหน่งผู้ตรวจสอบด้วยมือ จากการตรวจสอบชิ้นเต็ม ไปยังการตรวจสอบจุดและงานบํารุงรักษารูปแบบ ลดการทํางานทางสายตาที่ซ้ําซ้ํา

การเปรียบเทียบข้อมูลการดําเนินงานจริง 11 เดือน ก่อนและหลังการแปลง

ตัวชี้วัดคุณภาพและการดําเนินงาน	ก่อนการปรับปรุงภาพ AI	หลังการจัดจําหน่ายการตรวจสอบ AI ออนไลน์	ผลประโยชน์รวมจริง
อัตราการไหลออกของความบกพร่องของผลิตภัณฑ์สําเร็จรูป	5.12%	0.37%	-ลดการไหลออก 92.8%
จํานวนแรงงาน QC ที่จําเป็นสําหรับสายการผลิตสองสาย	8 คน	3 คน	- 62.5% การลดแรงงาน QC
จํานวนของลูกค้าที่กลับมารายเดือน	216 ชิ้น	17 ชิ้น	-92.1% ลดลงในปริมาณการคืนเงิน
ค่าตรวจสอบใหม่และการปรับปรุงรายเดือน	ดอลลาร์ 4,120	680 ดอลลาร์	-83.5% ประหยัดค่าใช้จ่ายในการทํางานใหม่
อัตราการทํางานเกินเวลาของทีม QC	32%	7%	ลดแรงงานลงมาก
สถิติข้อมูลความบกพร่องที่ใช้ได้ทุกเดือน	บันทึกมือบนกระดาษ ไม่สมบูรณ์	บันทึกที่ติดตามได้แบบดิจิตอลเต็ม	การวิเคราะห์ความสัมพันธ์ของอุปกรณ์สนับสนุนกับคุณภาพ

การวิเคราะห์กรณี Q&A

คําถามที่ 1: หลังจากนําเสนอการมองเห็นด้วย AI การตรวจสอบด้วยมือสามารถยกเลิกได้หรือไม่?

A1: ในกรณีจริงนี้ การตรวจสอบแบบมือได้ถูกยกเลิก แต่การตรวจสอบจุดและการบํารุงรักษาแบบยังต้องการผู้ประกอบการความบกพร่องแบบใหม่ที่ไม่รู้จัก ซึ่งไม่ได้อยู่ในห้องสมุดตัวอย่างการฝึกซ้อมการตรวจสอบจุดมือเป็นอุปสรรคความปลอดภัยที่สองและให้ตัวอย่างความบกพร่องใหม่เพื่อการปรับปรุงแบบอย่างต่อเนื่องการยกเลิกการมีส่วนร่วมของมนุษย์โดยสิ้นเชิงไม่ได้ถูกแนะนําในแนวปฏิบัติการผลิตขนาดใหญ่ปัจจุบัน.

Q2: โครงการพบปัญหาใหญ่ใด ๆ ในช่วงการใช้งาน?

A2: การสะท้อนบนผิวโลหะทําให้ภาพไม่มั่นคงในตอนแรก หลังจากปรับมุมแหล่งแสงซ้ําๆ และเพิ่มการปกปิดที่สะท้อนกระจายได้ ความมั่นคงของภาพดีขึ้นมากในช่วงเริ่มต้น, อัตราการแจ้งเตือนเท็จค่อนข้างสูง; ทีมวิศวกรต่อเนื่องเพิ่มตัวอย่างในสถานที่และปรับปรุงขั้นต่ําอัลการิทึมเป็นเวลา 6 สัปดาห์ ก่อนที่จะบรรลุความแม่นยําที่พร้อมสําหรับการผลิตที่มั่นคง

คําถามที่ 3: ระยะเวลาในการคืนเงินของการลงทุนในการตรวจสอบทางสายตาของ AI นี้คืออะไร?

A3: การลงทุนโครงการทั้งหมดสําหรับเส้นทางสองเส้น คือ 34 800 ดอลลาร์สหรัฐระยะเวลาการคืนเงินจริงของการลงทุน 8.1 เดือน.

สรุปคดีและมุมมอง

กรณีการผลิตจริงนี้พิสูจน์ว่า การตรวจสอบทางสายตาออนไลน์ด้วย AI สามารถแก้ปัญหาการเจ็บปวดอย่างมีประสิทธิภาพอย่างยาวนานของความเหนื่อยล้าจากการตรวจสอบด้วยมือและการตัดสินที่ไม่มั่นคงในห้างสรรพสินค้ามันลดการไหลออกของความบกพร่องอย่างสําคัญ, ลดต้นทุนการทํางานใหม่และลดความขึ้นอยู่กับแรงงาน QC ในขนาดใหญ่ในขณะเดียวกันบริษัทต้องทราบว่าระบบภาพต้องการการทดลองต่อเนื่องและการแก้ไขข้อผิดพลาดในสถานที่ในระยะต่อไปโรงงานจะผลักดันการเชื่อมโยงข้อมูลความบกพร่องกับอุปกรณ์พิมพ์ทําให้เกิดการเตือนก่อนถึงการเสื่อมของหมักตามอัตราการเกิดความบกพร่องจากรอยแตกที่เพิ่มขึ้น และเคลื่อนย้ายไปสู่การควบคุมคุณภาพแบบคาดการณ์.

ส่งข้อสอบของคุณตรงมาหาเรา