Linia produkcyjna wypuszcza 500 sztuk na godzinę. Na końcu linii stoi inspektor QC. Patrzy na każdy produkt. Albo na co piąty - bo na każdy nie ma czasu. Po 2 godzinach jego oczy się męczą. Po 4 godzinach przepuszcza defekty, których na początku zmiany by nie przeoczył. Po 6 godzinach myśli o obiedzie, nie o rysach na powierzchni.
To nie wina inspektora. To biologia. Ludzki mózg nie jest zaprojektowany do 8-godzinnej inspekcji wizualnej identycznych obiektów. Każde badanie z zakresu ergonomii pracy powtarza tę samą liczbę: po 20-30 minutach ciągłej inspekcji wizualnej, skuteczność spada o 20-30%.
Kamera z algorytmem AI nie ma tego problemu. Nie zmęczy się. Nie pomyli się z rutyny. Sprawdzi 100% produktów z tą samą dokładnością o 6 rano i o 22 wieczorem.
Ile kosztują defekty, które przeszły kontrolę
Defekt wykryty na linii produkcyjnej kosztuje grosze - odrzucasz produkt. Defekt wykryty u klienta kosztuje fortunę.
Reguła 1:10:100
Klasyczna reguła jakości produkcji:
- Wykrycie na linii: 1 zł (odrzucenie, przeróbka)
- Wykrycie w magazynie/przed wysyłką: 10 zł (sortowanie, obsługa, opóźnienie)
- Wykrycie u klienta: 100 zł (reklamacja, zwrot, utrata zaufania, logistyka zwrotna)
Przy 500 sztukach na godzinę i 2% defektów to 10 wadliwych produktów na godzinę. Jeśli inspektor łapie 70% - 3 defekty na godzinę docierają do klienta. Przy 8-godzinnej zmianie to 24 wadliwe sztuki dziennie. Przy 250 dniach roboczych: 6 000 wadliwych produktów rocznie.
Jeśli każda reklamacja kosztuje 100 zł (zwrot + obsługa + nowy produkt): 600 000 zł rocznie. I to konserwatywne założenie - nie uwzględnia utraty klientów, którzy nie składają reklamacji, tylko po prostu przestają kupować.
Według ASQ i European Foundation for Quality Management, "koszt złej jakości" to 5-15% przychodów dla typowej fabryki. Dla firmy z przychodem 10 mln zł rocznie to 500 000 - 1 500 000 zł tracone na defekty, reklamacje, przeróbki i utraconych klientów.
Jak działa wizja komputerowa w QC
Sprzęt: kamery + oświetlenie
Na linii produkcyjnej montujemy:
- Kamerę przemysłową (2-20 megapikseli, w zależności od wymaganej rozdzielczości)
- Oświetlenie kontrolowane (LED, backlight lub structured light - zależy od typu defektów)
- Komputer z GPU do przetwarzania obrazu w czasie rzeczywistym
Kamera robi zdjęcie każdego produktu przechodzącego przez punkt kontrolny. Oświetlenie jest kluczowe - odpowiedni kąt światła ujawnia rysy, pęknięcia, przebarwienia, deformacje, które w normalnym świetle są niewidoczne.
Algorytm: co widzi AI
Model AI jest wytrenowany na zdjęciach:
- Produktów dobrych (tysiące zdjęć - "tak ma wyglądać")
- Produktów wadliwych (setki zdjęć z każdym typem defektu - "tego szukamy")
Na tej podstawie AI klasyfikuje każdy produkt:
- OK - produkt zgodny ze specyfikacją
- NOK + typ defektu - rysa, pęknięcie, przebarwienie, brak elementu, wymiar poza tolerancją
- Do weryfikacji - AI nie jest pewne (przekazuje do inspektora)
Czas inspekcji: milisekundy
Cały proces - zdjęcie, analiza, decyzja - trwa 50-200 milisekund. Przy prędkości linii 500 sztuk/h (1 co 7.2 sekundy) AI ma mnóstwo czasu. Przy 5 000 sztuk/h (1 co 0.72 sekundy) nadal nadąża.
Inspektor ludzki potrzebuje 2-5 sekund na produkt. AI: 0.05-0.2 sekundy. 25-100x szybciej.
Inspektor vs AI - uczciwe porównanie
| Parametr | Inspektor ludzki | Wizja komputerowa AI |
|---|---|---|
| Pokrycie | 10-30% produktów (sampling) | 100% produktów |
| Dokładność (start zmiany) | 80-90% | 95-99% |
| Dokładność (po 4h) | 60-70% | 95-99% (bez zmian) |
| Prędkość | 2-5 sek/produkt | 0.05-0.2 sek/produkt |
| Praca nocna | Dodatkowa zmiana = dodatkowe koszty | Bez dodatkowych kosztów |
| Powtarzalność | Zmienna (zmęczenie, nastrój) | Stała |
| Nowe typy defektów | Rozpoznaje intuicyjnie | Wymaga dotrenowania (1-2 dni) |
| Subiektywne oceny | Tak (np. "trochę za ciemny kolor") | Nie - precyzyjne progi |
Uwaga: AI nie zastępuje inspektora w 100% przypadków. AI sprawdza 100% produktów automatycznie. Inspektor weryfikuje przypadki, w których AI nie jest pewne (typowo 2-5% produkcji). Razem tworzą system o dokładności 99%+.
Przypadek: fabryka opakowań kartonowych, Wielkopolska
Fabryka produkuje opakowania dla branży kosmetycznej. 2 linie produkcyjne, 800 000 opakowań miesięcznie. Klienci: marki premium - zero tolerancji na defekty widoczne.
Przed wdrożeniem
- Kontrola jakości: 4 inspektorów, kontrola sampling (co 20. opakowanie)
- Wykrywalność defektów: ok. 65% (reszta docierała do klienta)
- Typowe defekty: nierówne krawędzie bigowania, smugi druku, przesunięcie grafiki
- Reklamacje miesięczne: 8-12 (każda = przeróbka partii + kary umowne)
- Roczny koszt złej jakości: ok. 420 000 zł
Co wdrożono
- 4 kamery przemysłowe (2 na linię - góra i bok opakowania)
- Dedykowane oświetlenie LED (backlight dla wykrywania smug, boczne dla krawędzi)
- Agent AI wytrenowany na 15 000 zdjęć opakowań (10 000 OK, 5 000 z defektami)
- System odrzucania - pneumatyczny piston zdmuchuje wadliwe opakowania z taśmy
- Dashboard - śledzenie defektów w czasie rzeczywistym, raporty zmianowe
Wdrożenie: 5 tygodni. Koszt: 95 000 zł.
Wyniki po 4 miesiącach
- Kontrola: 100% opakowań (zamiast co 20.)
- Wykrywalność defektów: 97.3% (z 65%)
- Reklamacje miesięczne: z 8-12 do 1-2 (-83%)
- Defekty docierające do klienta: spadek o 45%
- Czas inspektorów: 2 inspektorów przeniesiono do kontroli surowców i procesów (wcześniej nie mieli na to czasu)
- Oszczędności roczne: ok. 310 000 zł (mniej reklamacji + mniej przeróbek)
- ROI: zwrot inwestycji w 4 miesiące
Dodatkowy efekt: klient premium (marka kosmetyczna) po 3 miesiącach bez reklamacji zwiększył zamówienia o 25%. Argument: "Jesteście jedynym dostawcą, który nie generuje zwrotów".
Ile to kosztuje
Mała linia (1 punkt kontrolny)
Kamera przemysłowa, oświetlenie, komputer z GPU, wdrożenie AI i integracja z linią: 28 000 - 69 000 zł. Utrzymanie miesięczne: 500-1 500 zł.
Średnia fabryka (3-5 punktów kontrolnych)
Pełny system z wieloma kamerami, infrastrukturą IT i integracją: 75 000 - 190 000 zł. Utrzymanie miesięczne: 2 000-5 000 zł.
Zwrot inwestycji w obu przypadkach: 3-5 miesięcy.
Czy to działa w mojej branży?
Tak, jeśli Twój produkt:
- Jest widoczny (nie jest zamknięty w opakowaniu w momencie kontroli)
- Ma powtarzalny wygląd (AI porównuje z wzorcem)
- Przechodzi przez punkt, w którym można zamontować kamerę
Branże, w których wizja komputerowa QC działa najlepiej: opakowania, tworzywa sztuczne, obróbka metali, drewno i meble, elektronika, motoryzacja, spożywcza (etykietowanie, pakowanie), farmacja, tekstylia.
FAQ
Czy wizja komputerowa zastąpi inspektorów QC?
Nie w pełni. AI przejmuje inspekcję 100% produktów na linii. Inspektorzy zajmują się weryfikacją odrzutów, kontrolą surowców, audytami procesowymi - zadaniami, na które wcześniej nie mieli czasu.
Ile trwa wytrenowanie modelu na moich produktach?
Zebranie zdjęć: 1-2 tygodnie. Trening modelu: 2-3 dni. Kalibracja na linii: 1-2 tygodnie. Razem: 3-5 tygodni od startu do działającego systemu.
Co jeśli zmieniam produkt (nowy wzór, nowy kolor)?
Dotrenowanie modelu na nowy wariant: 1-2 dni. Nie trzeba trenować od zera - model uczy się inkrementalnie.
Czy system działa przy dużych prędkościach linii?
Tak. Kamery przemysłowe z trigger-em synchronizują się z prędkością linii. Systemy działają przy prędkościach do 10 000+ sztuk na godzinę.
Co dalej?
Każdy wadliwy produkt, który dociera do klienta, kosztuje 10-100x więcej niż wykrycie go na linii. Wizja komputerowa z AI sprawdza 100% produktów, 24 godziny na dobę, z dokładnością 95-99%.
1. Policz koszt złej jakości - reklamacje, zwroty, przeróbki, utraceni klienci. Ile to rocznie?
2. Zidentyfikuj punkt kontrolny - gdzie na linii warto zamontować kamerę?
3. Zbierz próbki defektów - zdjęcia wadliwych produktów to Twoje dane treningowe
W Syntalith w Warszawie budujemy systemy wizji komputerowej do kontroli jakości dla polskich fabryk. Od kamery po działający system w 3-5 tygodni.
Umów rozmowę - pokażemy, jak wizja komputerowa sprawdzi się na Twoich produktach.
Sprawdź też: Agent AI do predictive maintenance w produkcji | Agentic AI - rynek 28 miliardów | Chatbot AI dla produkcji i logistyki