Машинное зрение вместо 4 контролеров, как мы ловили брак на производстве Чтобы не пересказывать слова одного из наших инженеров по ИИ, то буду писать его текст тут 😋 ———————————— Привет, это Алексей, инженер направлением AI в FIRECODE. Сегодня расскажу про проект, который для меня лично — эталон того, как ИИ заменяет не людей, а рутину, и делает это безупречно. К нам пришел клиент — производитель электронных плат. Проблема: на финальном этапе визуального контроля платы с микротрещинами, неполной пайкой или сколами уходили дальше в сборку. Это вылилось в рост гарантийных случаев на 15%. На линии работали 4 опытных контролера. Но человек устает, внимание притупляется. Особенно к концу смены. Пропущенный брак — это минус деньги, репутация и время. Что мы сделали? Мы не стали менять конвейер. Установили 2 промышленные камеры в критических точках. Обучили модель машинного зрения на тысячах снимков: вот хорошая плата, вот — с дефектом, вот — с другим дефектом. Самый интересный нюанс был даже не в технологии. Мы столкнулись с тем, что свет на производстве менялся в течение дня, и тени мешали анализу. Пришлось дорабатывать алгоритм, чтобы он был нечувствителен к таким изменениям. Это та самая «неочевидная» проблема, которую решает опыт, а не просто готовая библиотека кода. Результат? - Система сейчас работает 24/7 без потери концентрации. - Выявлено 99,8% дефектов (против ~92% у человека на пике формы). Прямая экономия: позволило перераспределить 2-х контролеров на более сложные задачи проверки, где нужен человеческий анализ причин. Окупаемость проекта — 8 месяцев — только за счет снижения гарантийных расходов и экономии на ФОТ. Но главный результат для клиента — это спокойствие. Он теперь на 100% уверен в качестве каждой единицы продукции, которая покидает завод. ИИ на производстве — это не про роботов-убийц рабочих мест. Это про то, чтобы дать человеку возможность заниматься тем, что требует интеллекта, а машине — поручить то, что требует безупречного внимания.