Исходная ситуация
Фабрика корпусной мебели выпускала около двухсот заказов в неделю. Раскрой ЛДСП шёл в две смены, контроль качества стоял в конце цепочки: дефектную деталь находил сборщик, когда к ней уже прикручены петли и она обклеена кромкой. Возврат на переизготовление стоил вчетверо дороже самой плиты.
Основные дефекты были типовыми: сколы кромки, ошибки размеров из-за неверно заданной карты раскроя, следы от затупившейся пилы, путаница между похожими деталями левого и правого исполнения.
Решение
Над выходом каждого станка поставили камеры, а модель обучили на архиве фотографий дефектов. Система проверяет каждую деталь за пятнадцать секунд: размеры по эталону карты раскроя, состояние кромки, качество реза, маркировку. Проблемная деталь не едет дальше по цеху — станочник получает алерт с фото и причиной.
«Раньше брак находил сборщик за три дня до отгрузки. Теперь его видит камера за секунду после реза»
Что внедрили
- CV-инспекция на трёх раскроечных постах;
- обучение модели на исторических фото брака фабрики;
- алерты станочнику на планшет с таймкодом и типом дефекта;
- ежедневную статистику дефектов по станкам, сменам и картам раскроя;
- связку с графиками заточки пилы: система замечает деградацию реза раньше человека.
Результаты
За первый квартал брак на участке раскроя упал на 70%, возвраты со сборки — на 40%. Фабрика сэкономила 1,2 млн рублей на материале и переделках. Неожиданным бонусом стала аналитика по картам раскроя: два шаблона давали стабильно больше сколов, и технолог их переработал.
Почему это работает
Ключевое решение — проверка сразу после операции, а не в конце линии. Дефект дешевле всего исправлять там, где он возник: деталь ещё можно переизготовить без ущерба для графика заказа. Второй фактор — обучение на собственных данных фабрики, а не на «средней температуре»: модель знает именно те материалы и именно те ошибки этого цеха.