Контроль качества продукции: как проверять 100% потока, а не выборку

На типовой линии ОТК проверяет 2–5% выпуска. Остальные 95% уходят клиенту непроверенными — и дефекты в них находит уже клиент. Контроль качества продукции на машинном зрении устроен иначе: нейросеть осматривает каждое изделие прямо на конвейере и снимает брак с линии до упаковки. Внедрение — 1–3 дня на обычных IP-камерах. Типовой эффект первых месяцев — рекламации падают в 3–5 раз.

Сколько стоит дефект, который нашёл клиент

Правило 1–10–100 работает на любом производстве. Дефект, снятый с линии в момент появления, стоит условный рубль — цена заготовки и пары минут наладчика. Тот же дефект на складе готовой продукции стоит уже десять: разбор партии, пересортировка, повторный контроль, сорванная отгрузка. Дефект у клиента стоит сто: возврат, рекламация, штраф по договору. А для поставщиков торговых сетей и автопрома — риск вылететь из контракта целиком.

При этом классический ОТК — не гарантия, и все это знают. Проверьте на своей площадке:

• Контролёр видит выборку. Партия 10 000 штук, выборка 200. Плавающий дефект — сбитая настройка, неудачная партия сырья — спокойно проходит между точками контроля.
• Человек устаёт. Исследования визуального контроля дают одну и ту же цифру: инспектор ловит около 80% видимых дефектов в начале смены и заметно меньше к её концу. Восьмой час монотонного осмотра — это уже не контроль, это присутствие.
• Результат зависит от смены. Один контролёр бракует жёстко, другой пропускает. Стандарт «что считать дефектом» на бумаге есть, в глазах — нет.
• Данных нет. Какая смена даёт больше брака? После какой переналадки посыпались дефекты? На каком сырье? В журнале ОТК этих ответов нет — там подписи и галочки.

Итог знаком многим директорам: рекламация пришла, совещание собрано, виноватых нет. Линия «работала штатно», ОТК «проверял по регламенту», а клиент прислал фото дефекта и счёт на штраф.

Классический путь и его потолок

Стандартный ответ на рост рекламаций — усилить ОТК: добавить контролёров, расширить выборку, поставить двойной контроль на упаковке. Это работает, но упирается в потолок быстро. Контролёр стоит 60–90 тысяч рублей в месяц с налогами. Проверять людьми 100% потока на линии со скоростью 40 изделий в минуту невозможно физически. И главное: усиленный ОТК по-прежнему ловит дефект в конце цепочки, когда изделие прошло все переделы и вобрало полную себестоимость.

Второй классический путь — аппаратный: сканеры, лазерные датчики, специализированные инспекционные машины. Они точны, но у каждой свой ценник от нескольких миллионов, свой интегратор и своя единственная задача. Машина для контроля этикетки не увидит царапину на корпусе. Под каждый новый тип дефекта — новый проект и новый бюджет. Для линий с меняющимся ассортиментом это тупик: пока оборудование окупается, продукция уже другая.

Как работает система контроля качества продукции на машинном зрении

1. Камеры над контрольными точками — 1–2 дня. Для большинства задач подходят обычные IP-камеры, которые уже висят в цеху. Для мелких дефектов над конкретной точкой линии ставится камера с нужным разрешением и подсветкой. Поток забирается по RTSP, линия не останавливается.
2. Обучение нейросети — от 3 дней. Модель учится на вашей продукции: снимки годных изделий и брака. Редкие дефекты дособираются уже в работе — точность растёт с каждой неделей.
3. Проверка в потоке — круглосуточно. Каждое изделие в кадре сверяется с эталоном: геометрия, поверхность, цвет, комплектность, маркировка. Нейросеть не устаёт и не отвлекается — некому «замылить глаз».
4. Реакция — за минуты, а не в конце смены. Найден дефект — оператору уходит алерт в Telegram с кадром и участком линии. При интеграции с линией брак отсекается автоматически. Вечером — отчёт: сколько проверено, сколько снято, где и после каких событий растёт брак.

Последний пункт — то, чего выборочный контроль не даёт в принципе. Система не просто бракует. Она показывает, где брак рождается: после конкретной переналадки, на конкретном сырье, в конкретную смену. Это уже не контроль качества, а управление им.

Какие дефекты находит нейросеть

• Геометрия: отклонения размеров и формы, отсутствующие элементы, заусенцы, деформации.
• Поверхность: царапины, сколы, трещины, пятна, непрокрас, поры сварного шва.
• Комплектность и сборка: недоложенные детали, неправильная ориентация, незатянутый крепёж.
• Упаковка и маркировка: кривая или чужая этикетка, смазанная дата, нечитаемый штрихкод, повреждённая упаковка.

Что вы увидите в отчётах

Отчёт приходит на почту сам — каждый день, без запросов и выгрузок. Директор видит свод: сколько выпущено, сколько отбраковано, во сколько обошёлся брак за день и за месяц, какая динамика. Начальник цеха видит разбивку по участкам и сменам: вторая смена стабильно даёт брака в 1,5 раза больше первой — вот факт, с которым уже можно работать. Технолог видит привязку к событиям: всплеск дефектов начался в 14:20, через 8 минут после переналадки — причина находится за один разговор, а не за неделю разборов.

Каждый забракованный кадр сохраняется с меткой времени и участком линии. Это закрывает ещё одну хроническую боль — споры с поставщиками сырья и с клиентами. Претензия по партии перестаёт быть разговором «ваше слово против нашего»: есть кадры, время, статистика. Несколько заказчиков признавались, что одна выигранная претензия к поставщику сырья окупила систему целиком.

И отдельно — тренды. Брак редко растёт скачком, обычно он ползёт: изношенная оснастка, дрейф настроек, новое сырьё. Выборочный контроль замечает это, когда процент уже в отчёте у директора. Система видит наклон кривой за недели до того, как проблема станет заметной, — и это дешевле любой отбраковки: оснастку меняют планово, а не аварийно.

Считаем деньги на модели линии

Модель: линия 40 изделий в минуту, две смены, 250 рабочих дней, себестоимость изделия 120 ₽, брак на выходе 1,8%, ОТК ловит половину.

Откуда цифры: линия по модели выпускает около 9,5 млн изделий в год. Снижение брака на 0,7 процентного пункта — это 66 тысяч изделий по 120 ₽. Экономия на ФОТ — ставка контролёра с налогами. Статьи не пересекаются.

Для сравнения: 4 камеры на контрольных точках в облаке — 18 тыс. ₽ в месяц, 216 тыс. ₽ в год. Пересчитаем модель под ваши объёмы и себестоимость бесплатно, до старта пилота.

Кейсы: выборка против потока

Производитель автокомпонентов (мировая практика). Автопром считает брак в PPM — дефектах на миллион. Выборочным контролем требования в десятки PPM не закрываются математически: дефект реже, чем шаг выборки. Переход на 100% инспекцию машинным зрением снизил показатель с сотен PPM до десятков. Сейчас это условие входа в цепочки поставок, а не преимущество.

Пищевое производство, Россия. Боль — не сам продукт, а упаковка: сети штрафуют за нечитаемый штрихкод и смазанную дату. Поставили одну камеру над линией упаковки, алерт уходит оператору. Штрафы за маркировку в следующем квартале — ноль. Одна камера окупила годовую подписку первым же несостоявшимся штрафом.

Производство металлического профиля, Россия. Поверхностные дефекты ловили выборочно на выходе — к этому моменту с дефектом успевали уйти сотни метров. Камеры над линией показывают дефект в момент появления, наладчик реагирует за минуты. Объём вторичной обработки упал на треть за 2 месяца.

Литьё пластмасс, Россия. Недолив и облой на деталях находили на сборке — через два передела после литья. Каждый найденный дефект тянул за собой разбор: какая машина, какая смена, сколько ещё таких в таре. Камеры поставили прямо на выходе термопластавтоматов. Теперь дефект привязан к конкретной машине и конкретному часу, наладчик подходит в течение 10 минут. Разборы «чей брак» закончились, доля дефектов на сборке упала в 4 раза за первый квартал.

Фармацевтическая упаковка (мировая практика). Контроль комплектности блистера машинным зрением — 100% потока, потому что выборку запрещает регулятор. Показательно другое: технология, которая 10 лет была «для фармы и автопрома», теперь доступна обычному цеху по цене подписки на камеру.

Общая закономерность внедрений: главный эффект даёт не отбраковка сама по себе, а скорость обратной связи. Когда наладчик узнаёт о серии дефектов через 2 минуты, партия брака просто не успевает родиться.

Почему это стало доступно только сейчас

Автоматизация контроля качества продукции существует лет тридцать. Но до недавнего времени она означала проект: специализированные камеры, промышленный компьютер у линии, полгода настройки силами интегратора и бюджет от 5–10 млн рублей на одну задачу. Позволить себе это могли автопром и фарма — те, кого заставлял заказчик или регулятор.

Изменились две вещи. Нейросети научились работать с картинкой обычной IP-камеры — той самой, за 8–15 тысяч рублей, которая уже висит над линией. И обработка ушла в облако: не нужен сервер в цеху и штатный инженер по зрению. В результате контроль качества готовой продукции стал подпиской, а не капитальным проектом: от 4 500 ₽ за камеру в месяц вместо миллионов на старте. Порог входа упал настолько, что вопрос «внедрять или нет» превратился в вопрос «на какой точке линии начать».

Внедрение: 1–3 дня, без остановки линии

Подключение камер и разметка контрольных точек занимают 1–3 дня, обучение модели на вашей продукции — от 3 дней, дальше точность растёт в работе. Размещение — облако от 4 500 ₽ за камеру в месяц или сервер заказчика, если данные не должны покидать периметр. Интеграции с 1С, ERP и MES — штатные: результаты контроля уходят в ваши учётные системы без ручного переноса.

Те же камеры параллельно закрывают смежные задачи: учёт рабочего времени, простои оборудования, контроль СИЗ. Один парк камер — несколько статей экономии, это обычно и решает вопрос окупаемости.

Вопросы, которые задают на первом созвоне

Подойдут ли наши камеры?

Для контроля упаковки, комплектности, крупных дефектов — как правило, да. Для мелких поверхностных дефектов нужна камера с подходящим разрешением над конкретной точкой — это одна камера, а не замена парка. Скажем точно после того, как посмотрим вашу продукцию — до пилота, бесплатно.

Дефект редкий — нейросети не на чем учиться. Что делать?

Учиться на браке не обязательно. Модель обучается на годной продукции и реагирует на любое отклонение от неё. Редкие и новые типы дефектов ловятся именно так.

Это замена ОТК?

Нет, перераспределение. Рутинный осмотр потока уходит нейросети, людям остаются спорные случаи, методология и работа с причинами брака. ОТК из «глаз на линии» превращается в службу качества с данными.

Продукция блестящая, мелкая, нестандартная — сработает?

Блики и мелкие элементы решаются подсветкой и оптикой — это отработанные приёмы. Честный ответ даёт пилот: 2 недели на вашей реальной продукции покажут точность в цифрах.

Что с ложными срабатываниями?

Они есть у любой системы, вопрос в количестве и в том, что с ними происходит. В первые недели оператор подтверждает или отклоняет алерты — каждое отклонение доучивает модель. К концу первого месяца ложных срабатываний остаются единицы в день. Это, кстати, ещё одно отличие от аппаратных детекторов старого типа, которые «звонят» одинаково в первый день и через год.

Когда будут первые результаты?

Первые алерты — в день подключения, если модель обучается на типовых дефектах. Первый содержательный отчёт с картиной по сменам — через неделю. Устойчивая статистика, на которой можно принимать решения по оснастке и сырью, — через месяц. Дольше всего обычно идёт не техника, а согласование доступа к камерам внутри самого предприятия.

Не хотим отдавать видео в облако.

Вариант на сервере заказчика: обработка внутри вашей сети, наружу не уходит ничего. Для режимных объектов это стандартная схема.