Documento AI

Visión por computadora para la inspección de calidad: la matemática del retorno de la inversión, con ventanas de recuperación reales

Voyager · Community Cat
Voyager · 5 min de lectura
Visión por computadora para la inspección de calidad: la matemática del retorno de la inversión, con ventanas de recuperación reales

Para calcular el retorno de la inversión (ROI) de la inspección de calidad de la visión por computadora, compare lo que le cuestan los defectos hoy en día con el costo de construir y ejecutar un sistema de visión que los detecte. Los ahorros provienen de tres lugares: desechos y retrabajos que se evitan, defectos que se escaparon y que ya no llegan a los clientes y horas libres del inspector para otros trabajos. Sume esos ahorros anuales, reste el costo de funcionamiento anual y divida el costo de construcción por lo que queda. La mayoría de los proyectos de alcance lineal están dimensionados para una ventana de recuperación de aproximadamente seis a dieciocho meses. Si su estimación honesta se aleja mucho de eso, probablemente el alcance sea incorrecto, no la tecnología. La variable más importante es el costo de un defecto que se escapa, porque una sola unidad perdida que llega a un cliente puede eclipsar un año de desechos.

¿Qué impulsa el costo de un sistema de inspección por visión?

Hay dos líneas de costos y la gente normalmente solo presupuesta la primera.

  • Construir. Cámaras, iluminación, montaje y el cómputo que ejecuta el modelo. Luego, los datos funcionan: recopilar y etiquetar suficientes ejemplos de partes buenas y malas, entrenar y ajustar sus defectos reales. La iluminación y los accesorios son los puntos donde las estimaciones ingenuas fallan, porque un modelo es tan bueno como la imagen que se le da.
  • Ejecutar. Alojamiento o hardware perimetral, monitoreo y reentrenamiento periódico que un sistema necesita a medida que los productos, proveedores y tipos de defectos varían. Un sistema de visión no es una compra única. Presupuesto para los años posteriores a la puesta en marcha, no solo para la instalación.

El marco honesto es el costo total de propiedad. La construcción es el pago inicial. El costo de funcionamiento es lo que mantiene la precisión del sistema a medida que cambia su línea.

¿De dónde viene realmente la recuperación?

Tres fuentes, en orden aproximado de tamaño para la mayoría de las líneas.

  1. Escapes evitados. Un defecto detectado en la línea le cuesta una pieza. El mismo defecto enviado a un cliente le cuesta una devolución, un crédito, una devolución de cargo y reputación. Este suele ser el número más grande y más subestimado.
  2. Reducción de desperdicios y retrabajos. Detectar una falla tempranamente, antes de que se agregue más valor a una unidad defectuosa, significa desechar una pieza más barata o volver a trabajarla antes de que quede enterrada dentro de un ensamblaje.
  3. Mano de obra recuperada. La inspección manual es lenta, agotadora e inconsistente durante un turno. Automatizar las comprobaciones repetitivas le permite trasladar a personas capacitadas a los casos genuinamente ambiguos, donde vale la pena tener un ojo humano.

El objetivo no es eliminar a la gente. Se trata de dedicar su atención a lo que cuenta y dejar que el sistema se encargue de las comprobaciones de gran volumen y de bajo criterio en las que es bueno.

¿Cómo se hacen los cálculos del ROI? (un ejemplo ilustrativo trabajado)

Las siguientes figuras están elaboradas para mostrar el método. Sustituye el tuyo. Imagine una línea que produce 500.000 unidades al año con una tasa de defectos del 2 por ciento, donde la inspección manual detecta la mayoría de las fallas, pero no todas.

Artículo Figura ilustrativa
Se evitan desechos y retrabajos anuales 90.000
Se evita el coste anual de los defectos detectados 140.000
Horas de inspector recuperadas (valor) 45.000
Beneficio anual total 275.000
Costo de construcción (único) 200.000
Coste anual de funcionamiento (alojamiento, seguimiento, reciclaje) 50.000
Beneficio anual neto 225.000

La recuperación de la inversión de la construcción asciende aproximadamente a 200.000 divididos por 225.000, poco menos de once meses. Cambie una suposición y la imagen cambiará. Si se reduce a la mitad el coste de un defecto solucionado, el beneficio neto anual se reduce a 155.000, lo que retrasa la recuperación más allá de los quince meses. Esa sensibilidad es el punto. Antes de comprometerse, encuentre uno o dos números en los que se basa su caso y pruébelos, porque la respuesta reside en ellos, no en la precisión del modelo.

¿Cómo se elimina el riesgo de la inversión antes de comprometerse?

No compre toda la línea de una vez. Elija la estación única donde los defectos sean más costosos o más frecuentes y pruebe el sistema allí con números que ya pueda medir. Un piloto con alcance hace tres cosas: valida sus supuestos de costos con datos reales, detecta los problemas de iluminación y accesorios de manera temprana, aunque su solución es barata, y le brinda un resultado a partir del cual expandirse en lugar de un pronóstico que defender.

También le indica si la visión es la herramienta adecuada. Algunos problemas de inspección se solucionan mejor con un sensor o una regla más simple, y un buen socio lo dirá. Si está sopesando esto junto con la automatización de muchos documentos, la misma disciplina de creación y medición se aplica a nuestro trabajo más amplio Documento AI y AI, y el pensamiento se traslada al Documento AI para empresas.

La conclusión práctica

El retorno de la inversión en la inspección visual no es un único número que se busca. Es una pequeña suma construida a partir de su costo de chatarra, su costo de escape y su mano de obra, sopesada con un costo de construcción y funcionamiento que soportará durante años. Escriba esa suma con sus propias cifras, identifique la suposición de la que más depende y pruébela en una estación antes de escalar. Si la recuperación sólo funciona en el papel, no funcionará en la práctica.

Voyager

Autor

Voyager curates Encelyte's data and analytics guides: forecasting, churn prediction and the dashboards that are meant to change a decision, not just decorate one. A transparent mascot byline.

Leer a continuación

¿Deberías dejar que un AI lea tus contratos? Un modelo de riesgo práctico

¿Tienes un problema que valga la pena resolver?

Cuéntanos qué estás construyendo o arreglando. Te responderemos en un día laborable con un siguiente paso claro.