Davalar

Evde > Davalar > Dongguan Qiaosen Machinery Co., Ltd. Son şirket davası hakkında Otomotiv Şasi Damgalama İş Parçaları için Yapay Zeka Çevrimiçi Görsel Denetim Projesi Uygulaması

Olaylar

Haberler

Davalar

Bizimle İletişim

titi@qiaosenmachinery.com

86-0769-26626853

Şimdi iletişime geçin

Otomotiv Şasi Damgalama İş Parçaları için Yapay Zeka Çevrimiçi Görsel Denetim Projesi Uygulaması

2026-08-20

Vaka Çalışması: Otomotiv Şasi Damgalama İş Parçaları için AI Online Görsel Denetim Projesi Uygulama

Dava Dönemi: Eylül 2025-Ağustos 2026

Kurumsal Geçmiş: Şirket, Güney Çin'de 2. seviye otomatik şasi damgalama tedarikçisi olup, esas olarak şasi destekleri ve takviye plaka bileşenleri üreten 9 otomatik damgalama hattı işletmektedir.Dönüştürmeden önce, tam bitmiş ürünler manuel çevrimdışı denetimlere dayalıydı. Sık sık personel dönüşümü ve gece vardiyasının yorgunluğu, müşterilerin iade ve yeniden denetim maliyetlerine yol açan zaman zaman kusurlu akışa neden oldu.Şirket, iki temel yüksek hacimli damgalama hattı için çevrimiçi AI görsel sonlandırma uygulamasına karar verdi.

Değişimden önceki vaka gerçek başlangıç verileri (Eylül 2025)

Bitmiş ürün kusurlu çıkış oranı: 5.12%
İki hat için günlük ortalama manuel QC personeli: 8 kişi
Müşteri geri dönüşü miktarı: 216 adet
Yeniden inceleme ve yeniden işleme için aylık maliyet: USD 4,120
QC ekibinin fazla mesai oranı: 32%
Eksik olan kusurlar: küçük yüzey delikleri, bükme köşesinde mikro çatlaklar

Temel Teknik Dönüşüm Yöntemleri

Çok açılı yüksek çözünürlüklü endüstriyel kameralar ve özel bir yayılmış ışık kaynağı, basın boşaltma limanının yanına yerleştirmek, metal damgalama yüzeylerinde yansıma müdahalelerini ortadan kaldırmak;
Yapay zeka segmentasyon modelini eğitmek için üretim sitesinden 12 000'den fazla gerçek kusurlu görüntü örneği toplamak, iteratif optimizasyon için sürekli olarak yeni bulunan kusur örnekleri eklemek;
Görsel sistemi taşıyıcı hattı reddeden aktüatörle bağlayın; kusurlar tespit edildikten sonra, uyumsuz parçaları izole etmek için otomatik reddedilmeyi tetikleyin.
Görme platformu ile fabrika MES arasındaki veri arayüzünü gerçekleştirmek, her denetlenen iş parçası için kusur türünü, miktarını ve zaman damgasını kaydetmek;
SOP'yi optimize etmek: tüm parça taramasından nokta kontrolüne ve model bakım çalışmalarına kadar manuel denetçilerin yeniden konumlandırılması, tekrar eden görsel emeği azaltmak.

Değişimden önce ve sonra 11 aylık gerçek işlem verileri karşılaştırılması

Kalite ve Çalışma Göstericileri	Yapay zekâ görsel yükseltmeden önce	Çevrimiçi yapay zeka denetimi dağıtımından sonra	Gerçek Kapsamlı Fayda
Bitmiş ürün eksikliği akış oranı	5.12%	0.37%	-92.8% çıkış akışının azalması
İki üretim hattı için gerekli QC işgücü	8 kişi	3 kişi	-62.5% KÇ işgücü azaltımı
Müşteri geri dönüşü miktarı	216 adet	17 adet	-92.1% geri dönüş hacmi düşüşü
Aylık yeniden denetim ve yeniden işleme maliyeti	4 ABD Doları,120	680 ABD Doları	-83.5% yeniden işleme maliyeti tasarrufu
QC ekibinin fazla mesai oranı	% 32	% 7	Çalışma basıncını büyük ölçüde hafiflet
Aylık geçerli kusur verileri istatistikleri mevcut	El kağıt kaydı, eksik	Tam dijital izlenebilir kayıt	Destek ekipmanı kalite korelasyon analizi

Davayla ilgili profesyonel S&A Analizi

S1: Yapay zekâ görme sistemini tanıttıktan sonra, manuel denetim tamamen iptal edilebilir mi?

A1: Bu gerçek durumda, manuel tam denetim iptal edildi, ancak nokta kontrolü ve model bakımı hala operatörlere ihtiyaç duyuyor.Eğitim örneği kütüphanesinde yer almayan yeni tip bilinmeyen kusurlar zaman zaman kaçabilir.El kontrolü ikinci güvenlik bariyeri olarak hizmet eder ve modelin sürekli iyileştirilmesi için yeni kusur örnekleri sağlar.Mevcut seri üretim uygulamalarında insan katılımının tamamen kaldırılması tavsiye edilmez.

S2: Proje, devreye girme aşamasında hangi büyük zorluklarla karşılaştı?

A2: Metal yüzey yansıması başlangıçta kararsız görüntüleme getirdi.Başlangıçta, sahte alarm oranı nispeten yüksekti; mühendislik ekibi, üretime hazır sabit doğruluğa ulaşmadan önce 6 hafta boyunca sürekli olarak yerleşik örnekleri tamamladı ve algoritma eşiğini optimize etti.

S3: Bu AI görsel denetim yatırımının geri dönüş süresi nedir?

A3: İki hat için toplam proje yatırımı 34 800 USD'dir.Gerçek yatırım geri ödeme süresi 8,1 aydır..

Dava Sonucu ve Görünümü

Bu gerçek üretim vakası, yapay zekâlı çevrimiçi görsel denetimin, damgalama atölyelerinde manuel denetim yorgunluğu ve dengesiz yargılama gibi uzun süredir devam eden sorun noktalarını etkili bir şekilde çözebileceğini kanıtlıyor.Defektin akışını önemli ölçüde azaltır., yeniden işleme maliyetini düşürür ve büyük ölçekli QC işgücüne bağımlılığı azaltır.Bu arada, işletmeler görsel sistemin tek seferlik kurulum yerine sürekli numune tekrarına ve yerinde hata ayıklamasına ihtiyaç duyduğunun farkında olmalıdırlar.Bir sonraki aşamada fabrika, kusur verisi bağlantısını baskı ekipmanlarına taşıyacak.Çatlak kusur sıklığının artmasına göre küf aşınmasının erken uyarısını gerçekleştirmek ve öngörüsel kalite kontrolüne doğru ilerlemek.

Sorgularınızı doğrudan bize gönderin.