Ferninspektion und Ursachen-Analyse zur Identifizierung von Defekten
Zielgruppe
Hersteller von Elektronik, Qualitätskontroll-Teams, Produktmanager
Herausforderung
Owlet, ein in Utah ansässiger Hersteller von Baby-Monitoring-Geräten mit etwa 277 Mitarbeitern, hatte Probleme mit Produktausfällen, die auf Defekte im Gießharz zurückzuführen waren. Da die Produktion in Asien stattfand, konnte das Unternehmen die defekten Einheiten nicht direkt inspizieren, und die herkömmliche Ursachenanalyse war langsam und teuer.
Lösungsansatz
Owlet setzte Instrumental’s KI-gestützte Bildverarbeitungsplattform mit Visual-Search-Funktionen ein. Das System erfasst Bilder von defekten und neuen Einheiten und nutzt maschinelle Lernalgorithmen, um Anomalien und Zusammenhänge zu identifizieren. Die KI stellte fest, dass das Gießharz nicht richtig ausgehärtet war – validiert innerhalb von nur 2 Wochen.
Mehrwert
Die Implementierung brachte jährliche Einsparungen von 953.000 US-Dollar, indem Produktersetzungen vermieden wurden, mit einer Amortisation der Investition innerhalb eines Monats. Analyse- und Verbesserungszyklen wurden 8-mal schneller, was eine schnelle Qualitätslösung und eine verbesserte Kundenzufriedenheit ermöglichte, ohne dass Fabrikbesuche erforderlich waren.
Diesen Use Case anwenden
Visuelle Qualitätsinspektion ist ein beliebter Anwendungsfall für Fabrikumgebungen und die Fertigungsbranche im Allgemeinen. Es gibt verschiedene Ansätze, wie man dies angehen kann. In diesem Anwendungsfall war der Schlüssel, Remote-Mitarbeitern den Zugang zu relevanten Informationen und die Durchführung von Inspektionen zu ermöglichen. In anderen Szenarien, in denen weniger tiefes Expertenwissen erforderlich ist (z. B. das Erkennen von Kratzern auf einer Oberfläche), könnte man darüber nachdenken, maßgeschneiderte KI-Modelle bereitzustellen, die für die Erkennung Ihrer wiederkehrenden Qualitätsprobleme optimiert sind.
Möchten Sie erfahren, was Computer Vision für Ihre Qualitätsinspektion leisten kann? Nehmen Sie Kontakt mit mir auf und vereinbaren Sie einen kostenlosen 30-minütigen Machbarkeits-Call.
Referenzen
Owlet Baby Care, Instrumental
Read more here: https://instrumental.com/case-studies/owlet-case-study/
Image credentials: Hans Westbeek/ Unsplash
Weitere interessante Use Cases
Beschleunigen und verbessern Sie die Erkennung von Kreditkartenbetrug
Mastercard setzte eine proprietäre generative KI-Technologie ein, die die Geschwindigkeit der Erkennung kompromittierter Zahlungskarten verdoppelte und falsche Positivfälle um bis zu 200 % reduzierte. Dabei wurden Daten von Milliarden von Karten und Millionen von Händlern in Echtzeit verarbeitet.
AI-Video eines Familienbetriebs erreicht 22 Millionen Aufrufe
Ein familiengeführter Laden erstellte ein 46 Sekunden langes, von KI generiertes Meme-Video, das in drei Wochen 22 Millionen Aufrufe und 1,2 Millionen Likes erreichte.
Automatisierung routinemäßiger Wissensaufgaben im Gesundheitswesen
KI übernimmt klinische Dokumentation und Transkription, sodass sich Gesundheitsmitarbeiter auf die Patientenversorgung konzentrieren können.