Skriti stroški slabe kakovosti so pogosto višji od stroškov avtomatizacije – vendar jih večina proizvodnih obratov nikoli ne izračuna.
Se zavedate, da imate težave s kontrolo kakovosti. Ste že izračunali, koliko vas to stane?
Preverite te podatke s svojimi številkami:
Garancijske reklamacije in vračila. Povprečni strošek na vračilo, vključno z logistiko, popravili in vzdrževanjem odnosov s strankami. Pomnoženo z letnim obsegom vračil.
Odpadki in popravila. Odstotek proizvodnje, ki je bil notranje zavrnjen ali popravljen pred odpremo. Materiali in delovna sila, vse izmene, skozi celo leto.
Delovna sila za ročno pregledovanje. Ure na izmeno za vizualne preglede, po polni urni ceni, za vse izmene v letu.
Zaustavitve proizvodne linije. Kako pogosto kakovostna napaka sproži zaustavitev v nadaljnjem proizvodnem procesu ali nujno sortiranje?
Tveganje v zvezi s skladnostjo in revizijo. Če bi vas danes revidirali in ne bi mogli predložiti zapisov o pregledih, kakšne bi bile posledice?
Za večino proizvajalcev je izračun enak: stroški neukrepanja so višji od stroškov ukrepanja. Naložba v sistem za vizualno pregledovanje se običajno povrne v enem do treh letih.
Če se številke običajno izidejo, zakaj toliko obratov še vedno uporablja ročni pregled?
V ozadju delujeta dve stvari.
Ni dokumentirane poslovne utemeljitve. Brez jasnega izračuna donosnosti naložbe (ROI) se zahtevek za investicijske izdatke (CapEx) nenehno dvomi in se vrača brez odobritve. Ne zato, ker bi bil kdo proti avtomatizaciji. Ampak zato, ker številke nikoli niso bile pravilno zbrane in utemeljitev naložbe ne prestane finančnega pregleda.
Strah pred zapletenostjo. Vsak obrat ima zgodbo o projektu avtomatizacije, ki se je podaljšal za šest mesecev, deloval je v predstavitvi, vendar ne na proizvodni liniji. Ta sloves opisuje starejšo generacijo tehnologije za optično prepoznavanje, ne pa sistemov, ki so na voljo danes.
Obe oviri je mogoče odpraviti.
OMRON zaporedoma odpravlja obe oviri
Vodnik »Avtomatizacija kontrole kakovosti – kje začeti in kaj pričakovati« vas s pomočjo vaših lastnih podatkov popelje skozi celoten izračun stroškov neukrepanja. Podrobno je to obravnavano v 2. poglavju.
Nato prikazuje, kako dejansko deluje naša rešitev za vizualno prepoznavanje na podlagi umetne inteligence, FHV7-AI: voden vmesnik, v katerem operater sistemu nauči, kako izgleda dober izdelek. Nastavitev za standardne aplikacije traja le nekaj ur. Prehodi med izdelki se izvajajo z izbiro shranjenega recepta. Vsakodnevno delovanje je zasnovano za ljudi, ki že delajo na vaši proizvodni liniji, ne za strokovnjake za vizualno prepoznavanje.
Kje AI-osnovano zaznavanje naredi razliko: Tradicionalni sistemi, ki temeljijo na pravilih, se borijo z napakami, ki nimajo dosledne oblike ali lokacije. FHV7-AI se uči iz resničnih slik izdelkov z vaše lastne proizvodne linije, ne iz splošnega niza podatkov.
Je to pravi trenutek za vaš obrat?
Ta priročnik je namenjen vam, če:
- Pomanjkljivosti pridejo do strank in lahko opišete, kako izgledajo
- Ročni pregled povzroča ozka grla ali zahteva število zaposlenih, ki ga ne morete zanesljivo zagotoviti
- Ste pod pritiskom, da morate pripraviti zapise o pregledih ali podatke o sledljivosti
- Stroški zavrženih izdelkov in popravil so dovolj visoki, da upravičujejo amortizacijsko dobo od enega do treh let
Verjetno ni pravi trenutek, če:
Stopnja napak je nizka, pritožbe strank so redke in je malo verjetno, da bi ekonomika upravičila naložbo. Priročnik je glede tega jasen.
Prenesite priročnik: Avtomatizacija kontrole kakovosti – kje začeti in kaj pričakovati
