AI vision oplossing
AI vision kwaliteitsinspectie: elk product gecontroleerd
Handmatige visuele inspectie is een steekproef: een deel van de producten, beoordeeld door mensen die moe worden. Met AI vision kwaliteitsinspectie beoordeelt een camera met een getraind AI-model de hele productie, op productiesnelheid. Elk product wordt gecontroleerd op krassen, deuken, vervuiling en assemblagefouten voordat het de fabriek verlaat, en elke controle wordt vastgelegd.
Handmatige visuele inspectie loopt tegen grenzen aan
In veel productiebedrijven is kwaliteitscontrole nog mensenwerk: een operator of controleur beoordeelt producten op het oog, vaak als steekproef. Dat werkt, tot het aantal producten, varianten of kwaliteitseisen groeit. Dan komen dezelfde problemen steeds terug, en wordt visuele inspectie automatiseren de logische volgende stap.
Onderzoek naar visuele inspectie laat bovendien zien dat ook geoefende inspecteurs bij repeterend controlewerk ongeveer 80% van de afwijkingen zien. Niet omdat ze hun vak niet verstaan, maar omdat dit werk niet bij mensen past.
Toepassingen
Wat AI vision kwaliteitsinspectie detecteert
Bij AI kwaliteitscontrole leert een model van voorbeelden van goede en foute producten wat normaal is en wat niet. Daardoor herkent het ook afwijkingen die moeilijk in vaste regels te vangen zijn, van oppervlaktefouten tot ontbrekende onderdelen.
Van voedselverpakkingen en spuitgietwerk tot metaalbewerking en elektronica: de aanpak is steeds hetzelfde. Het model wordt getraind op jouw product en jouw fouten.
Zo werkt AI vision op je productielijn
Een AI vision inspectiepunt bestaat uit een industriële camera, passende belichting en een edge computer naast de lijn. Het AI-model beoordeelt elk product in tientallen milliseconden, dus de lijn hoeft er niet voor te vertragen.
De uitslag blijft niet op een scherm hangen. Het inspectiepunt geeft een signaal aan de lijn en het resultaat wordt vastgelegd:
Zo verandert kwaliteitscontrole van een steekproef achteraf in een vaste stap in het proces: elk product gecontroleerd, elke controle vastgelegd.
- Camera en belichting worden gekozen op basis van het defect dat je wilt vangen.
- De beoordeling gebeurt lokaal op de edge computer, onafhankelijk van internet.
- Afgekeurde producten worden uitgeworpen of gemeld via een signaal naar de PLC: net wat bij jouw proces past.
- Elk resultaat wordt gelogd per product, order of batch.
- Het inspectiepunt wordt ingepast op je bestaande lijn, zonder grote ombouw.
- Triggering en beoordeling worden afgestemd op je lijnsnelheid, zodat ook bij hoge snelheden elk product wordt beoordeeld.
Klassieke machine vision en AI vision vullen elkaar aan
AI vervangt de bewezen visiontechniek niet, maar breidt die uit. Welke techniek past, hangt af van wat je wilt controleren.
Twijfel je welke techniek jouw controle nodig heeft? Dat bepalen we in de intake, op basis van je product en voorbeelden van de fouten.
Een losse camera is nog geen kwaliteitssysteem
Veel visionsystemen doen hun werk als eiland: ze keuren af bij de lijn, en daar houdt het op. Het lampje wordt rood, het product gaat de afkeurbak in en de informatie verdwijnt. Wat er dan blijft liggen:
Daarom koppelt Meshnex inspectieresultaten aan MeshOS: hetzelfde platform waarin ook je machinedata, stilstanden en OEE samenkomen.
- Resultaten komen niet verder dan het scherm bij de lijn.
- Afkeur is niet gekoppeld aan order, batch of machine.
- Trends in afkeur blijven onzichtbaar.
- De oorzaak van een fout zoeken blijft handwerk.
- Bij audits en klachten begint het uitzoekwerk opnieuw.
- Niemand merkt het als het systeem langzaam slechter gaat presteren.
Van inspectieresultaat naar kwaliteitsinzicht
Elke controle levert een record op: beeld, oordeel, defectklasse en tijdstip, gekoppeld aan machine, order of batch. In MeshOS staan die resultaten naast je productiedata, en dan wordt kwaliteit ineens iets waar je op kunt sturen.
Je ziet bijvoorbeeld:
Zo wordt kwaliteitscontrole een processignaal in plaats van een eindoordeel achteraf. Dat verschil maakt geen enkele losse camera.
- Welke defecten het meest voorkomen, per lijn, shift of batch.
- Wanneer afkeur oploopt, terwijl de productie nog draait.
- Hoeveel goedgekeurde en afgekeurde producten elke order of run telt.
- Het bewijs per product of batch, direct beschikbaar bij klachten en audits.
- Trends die langzaam verschuiven, zichtbaar voordat normen worden overschreden.
- Kwaliteit naast OEE en stilstand: één beeld van hoe de lijn presteert.
Waar het echt interessant wordt: de oorzaak van afkeur vinden
Een afgekeurd product vertelt dat er iets misging, nog niet waarom. Doordat MeshOS inspectieresultaten naast machinedata, procescondities en batchinformatie zet, kun je kwaliteitsafwijkingen terugvoeren naar hun oorzaak, en die wegnemen in plaats van blijven afkeuren.
Zo wordt root cause analyse een kwestie van data naast elkaar leggen in plaats van gissen. Je stopt niet bij het onderscheppen van afkeur: je neemt de oorzaak weg, en de afkeur daalt structureel.
Voor iedere rol
Eén kwaliteitsbeeld, voor iedere rol
AI vision kwaliteitsinspectie raakt meer mensen dan alleen de kwaliteitsafdeling. MeshOS toont dezelfde inspectieresultaten, op een manier die bij iedere rol past.
AI vision die past op je bestaande lijn en IT
Camera, belichting en edge computer worden ingepast op de lijn die er al staat: geen nieuwe machines, geen grote ombouw. De beoordeling gebeurt lokaal aan de lijn. Waar de beelden en resultaten landen, bepaal jij:
Zo blijft gevoelige productdata binnen je eigen omgeving als dat moet, en voldoet de oplossing aan je eigen IT- en AVG-eisen.
Eerlijk over AI vision: dit is er nodig om het te laten werken
AI vision is bewezen techniek, maar geen toverdoos. Drie dingen bepalen of een visionproject slaagt, en daarom richten we die samen met jouw team in.
Daarom draait een nieuw inspectiepunt eerst mee zonder af te keuren. Pas wanneer de resultaten kloppen, krijgt het systeem het laatste woord over een product.
Begin met één inspectiepunt
Je hoeft niet de hele fabriek vol camera's te hangen. Begin met één controle die er nu toe doet: de fout die klachten oplevert of de controle die de meeste tijd kost.
Stap 1: we leggen samen vast wat goed en fout is
In de intake bepalen we de controle, verzamelen we voorbeelden en leggen we grensmonsters vast met kwaliteit en productie.
Stap 2: camera en edge computer op de lijn
We kiezen camera en belichting, passen het inspectiepunt in op de bestaande lijn en verzamelen beelden van de echte productie.
Stap 3: het model leert en draait mee
Het model wordt getraind en beoordeelt eerst mee zonder af te keuren. We vergelijken de uitslagen met je eigen controle en stellen de drempels bij.
Stap 4: live keuren en uitbreiden
Het inspectiepunt keurt zelfstandig, resultaten komen samen in MeshOS en bij succes breid je uit naar meer controles, lijnen of locaties.
Bewijs uit de praktijk
AI vision in het veld
Echte visionprojecten op echte productievloeren.
AI-etiketcontrole Elk etiket en elke THT-datum gecontroleerd met AI-vision
Een visionsysteem controleert elke verpakking op de lijn: hoort dit etiket bij deze order, en is de THT-datum aanwezig, juist en leesbaar? Afwijkingen worden onderschept vóór producten de lijn verlaten, elke controle gelogd per batch.
AI-visionclassificatie Vleesproducten geclassificeerd met AI-vision
Een AI-visionmodel classificeert elk vleesproduct op de lijn op type en uiterlijk. Verkeerde of afwijkende producten worden gesignaleerd zodra ze de camera passeren, vóór ze de verpakking bereiken elke classificatie gelogd.
Kwaliteitsbewaking Uitval voorspeld voordat het van de lijn komt
Procesparameters temperaturen, drukken, cyclustijden voeden een model dat afdrijven richting afkeur signaleert terwijl de delen nog in de machine zitten. Operators sturen bij in plaats van achteraf uitval te sorteren, en elke ingreep wordt gelogd op de batch.
Veelgestelde vragen over AI vision kwaliteitsinspectie
Wat is AI vision kwaliteitsinspectie?
AI vision kwaliteitsinspectie is automatische kwaliteitscontrole met camera's en een getraind AI-model. Elk product op de lijn wordt vastgelegd en beoordeeld, op productiesnelheid. Het model herkent afwijkingen zoals krassen, deuken, vervuiling, assemblagefouten en etiketfouten, en elk resultaat wordt per product of batch vastgelegd.
Wat is het verschil tussen klassieke machine vision en AI vision?
Klassieke machine vision werkt met vaste regels en toleranties en is sterk in meten, tellen en codes lezen. AI vision leert van voorbeeldbeelden en herkent daardoor ook afwijkingen die moeilijk in regels te vangen zijn, zoals krassen, vervuiling of natuurlijke variatie. In de praktijk worden beide technieken vaak gecombineerd in één inspectiepunt.
Welke fouten kan AI vision detecteren?
Denk aan oppervlaktedefecten zoals krassen, deuken en verkleuringen, ontbrekende of verkeerd geplaatste onderdelen, vervuiling en vreemde objecten, etiket- en codefouten en vormafwijkingen. Met anomaliedetectie kan het model daarnaast afwijkingen van het normaalbeeld melden, ook fouttypen die nooit eerder zijn voorgekomen. Wat haalbaar is, hangt af van product, camera en belichting; dat beoordelen we in de intake.
Hoe nauwkeurig is AI vision vergeleken met menselijke inspectie?
Onderzoek naar visuele inspectie laat zien dat ook geoefende inspecteurs bij repeterend controlewerk ongeveer 80% van de afwijkingen zien, en dat dit percentage daalt naarmate het werk langer duurt. Een visionsysteem beoordeelt elk product op dezelfde manier, de hele dag. Welke nauwkeurigheid het systeem op jouw product haalt, hangt af van de toepassing; daarom draait het eerst mee naast je bestaande controle, zodat je de resultaten zelf kunt vergelijken.
Hoeveel beelden zijn er nodig om het model te trainen?
Minder dan veel bedrijven verwachten. Voor veel toepassingen zijn tientallen tot honderden voorbeelden per fouttype voldoende, en met anomaliedetectie kan het model alleen van goede producten leren wanneer voorbeelden van fouten schaars zijn. Belangrijker dan het aantal is de herkomst: het model wordt getraind op beelden van jouw eigen lijn, camera en belichting.
Werkt AI vision op onze bestaande productielijn?
Ja. Een camera, belichting en edge computer zijn vrijwel altijd in te passen op een bestaande lijn en de koppeling met de PLC verloopt via standaard signalen en protocollen. De lijn hoeft er niet voor vervangen of langdurig stilgelegd te worden.
Kunnen we bestaande camera's gebruiken?
Soms. Of een bestaande camera bruikbaar is, hangt af van resolutie, positie en vooral de belichting: die bepaalt voor een groot deel of het model betrouwbaar kan oordelen. In de intake beoordelen we wat er al hangt en wat er nodig is.
Kan het systeem de snelheid van onze lijn bijhouden?
Vrijwel altijd. De beoordeling gebeurt lokaal op een edge computer, in tientallen milliseconden per product en onafhankelijk van internet. Bij het inbouwen wordt de timing van het triggeren en uitwerpen afgestemd op je lijnsnelheid, zodat elk product wordt beoordeeld zonder de lijn te vertragen.
Wat gebeurt er met een afgekeurd product?
Dat bepaal jij. Het inspectiepunt geeft een signaal aan de PLC: het product wordt uitgeworpen, een operator krijgt een melding of de lijn stopt. Twijfelgevallen kunnen apart worden gelegd voor menselijke beoordeling, en elke afkeuring wordt met beeld vastgelegd.
Vervangt AI vision onze kwaliteitsmedewerkers?
Nee. Het systeem neemt het repeterende kijkwerk over: elk product, de hele dag, op dezelfde manier. Mensen blijven bepalen wat goed en fout is, beoordelen twijfelgevallen en gebruiken de data om het proces te verbeteren. Daar levert hun kennis ook het meest op.
Wat kost AI vision kwaliteitsinspectie?
Dat hangt af van de toepassing: het aantal inspectiepunten, de camera's en belichting die nodig zijn en de complexiteit van de controle. Daarom beginnen we met een intake en één inspectiepunt, zodat de investering en het verwachte resultaat duidelijk zijn voordat je verder opschaalt.
Hoe snel kan een eerste inspectiepunt live staan?
In veel gevallen staat een eerste inspectiepunt binnen 6 tot 8 weken op de lijn, inclusief inbouw, het trainen van het model en een periode meedraaien naast de bestaande controle. De precieze doorlooptijd hangt af van de toepassing en de beschikbaarheid van voorbeelden.
Ontdek wat AI vision op jouw lijn kan vangen
Elke fout die de fabriek verlaat, kost meer dan een fout die bij de lijn wordt gevangen. Begin met één inspectiepunt voor de controle die er nu het meest toe doet, en zie zelf hoe het systeem naast je huidige controle presteert.