Computer Vision для контролю якості: 99.4% виявлення дефектів
Завдання
Виробник промислових компонентів перевіряв якість вручну — інспектори встигали обробляти 500 одиниць на годину при потребі 2000. Рівень дефектів, що доходили до клієнтів, становив 2,3%. Втома інспекторів у нічні зміни підвищувала цей показник до 4,1%. Штрафні санкції від клієнтів сягали $180k на квартал.
Рішення
Розгорнули систему виявлення дефектів на базі YOLOv8 для real-time інспекції на виробничій лінії. Edge-деплой на NVIDIA Jetson безпосередньо у цеху забезпечує latency 14 мс та незалежність від мережі. Інтеграція з MES-системою автоматично відбраковує дефектні вироби та формує звіти якості по змінах.
Результат
Точність виявлення дефектів досягла 99.4% при швидкості 3200 виробів на годину. Рівень дефектів, що доходять до клієнтів, скоротився на 91%. Штрафи від клієнтів за перші 5 місяців — нуль. ROI склав 7.2x за 14 місяців.
Технології
Схожі кейси
Гібридний рушій рекомендацій для fashion e-commerce: +47% до середнього чека
+47% Середній чек (AOV)
FinTech / Платіжні послугиML-система виявлення фроду для платіжного сервісу: -89% втрат від шахрайства
-89% Скорочення втрат від фроду
Агросектор / АПКПрогнозування врожайності для агрохолдингу: +31% точність планування
7,3% Точність прогнозу (MAPE)
Схожа задача? Поговоримо
Маєте схожу задачу?
Ми вже вирішували виклики у галузі Виробництво та Промисловість. Розкажіть про ваш проєкт — разом знайдемо оптимальне рішення та складемо план дій.
Хочете подібний результат?
Розкажіть про вашу задачу — проведемо безкоштовну консультацію з ML-архітектором і запропонуємо рішення.