Snižte zmetkovitost bez zpomalení výroby

Každý manažer kvality zná ten kompromis: víc kontrol znamená pomalejší expedici. Namátková kontrola každého desátého kusu udrží výrobu v tempu, ale vady jí unikají po celých šaržích; ruční kontrola každého kusu znamená přidat lidi, nebo ztratit takt. Tenhle kompromis je tak zažitý, že ho většina závodů přestala zpochybňovat.

Kamera žádný takový kompromis dělat nemusí. Při 3 600 kusech za hodinu klasifikuje deep-learning model každý produkt do 50 milisekund — rychleji, než pás posune produkt před objektivem. Důkladnost kontroly už nezávisí na počtu lidí.

Odkud se zmetky doopravdy berou

V potravinářských provozech, se kterými pracujeme, není největším zdrojem zmetků porucha stroje, ale pozvolný drift. Pomalu se zanášející dávkovací hlava, nový operátor, který pokládá suroviny jinak, dodavatel, který změnil řez salátu. Než takový drift namátková kontrola odhalí, trvá to hodiny — a to už vyhazujete produkci celé směny.

Kontrola kus po kusu mění drift v signál. Když úspěšnost během dvaceti minut klesne z 99 % na 96 %, displej na hale to ukáže ve chvíli, kdy se příčina ještě dá napravit — stačí pročistit trysku, místo abyste vyhodili celou šarži.

Návratnost v prvním měsíci

Crocodille nasadila Robopipe na tři sendvičové linky a v prvním měsíci snížila zmetkovitost zhruba o třetinu. Ne proto, že by model zachytil vady, které by člověk nepoznal — ale protože je zachytil okamžitě, pokaždé, a řekl týmu, kam se má podívat.

Orientační pravidlo: pokud váš provoz vyhazuje víc než 1 % produkce a běží rychleji než jeden kus za dvě sekundy, kontrola po kusech se zaplatí do čtvrt roku.

Výroba pojede dál naplno

Kontrolní stanoviště nepřidává žádný mechanický krok: kamera se namontuje nad stávající pás a řídicí jednotka spíná váš stávající vyhazovač nebo navazující PLC. Nic se nezpomalí — jen má teď každý kus svůj verdikt a váš tým vidí kvalitu ve chvíli, kdy vzniká, místo aby si o ní až zítra přečetl v reportu.