Como a QualityVision Alcançou 99,5% de Precisão na Detecção de Defeitos Inspecionando 500 Peças Por Minuto com Deep Learning

A QualityVision, fornecedora Tier 1 automotiva produzindo componentes plásticos injetados, enfrentava uma crise de qualidade que ameaçava grandes relacionamentos com clientes. Seu processo de inspeção visual manual, confiando em inspetores humanos examinando peças sob luzes de magnificação, era simultaneamente muito lento e muito inconsistente. Com linhas de produção rodando a 500 peças por minuto, inspetores podiam apenas verificar por amostragem 10% da produção, significando que 90% das peças eram enviadas sem inspeção. Mesmo para as peças amostradas, a precisão de inspeção humana ficava em média apenas 92%—inspetores ficavam fatigados após horas de escrutínio repetitivo, perdiam defeitos sutis como micro-rachaduras ou ligeiras variações de cor, e aplicavam padrões inconsistentes. Isso resultou em um fluxo constante de reclamações de clientes: 200 falhas de campo por mês rastreadas de volta a defeitos que deveriam ter sido pegos na inspeção. Grandes clientes OEM automotivos estavam ameaçando retirar contratos se a qualidade não melhorasse dramaticamente. Adicionar mais inspetores não era viável—triplicaria custos de mão de obra e ainda não poderia alcançar 100% de inspeção na velocidade da linha. A empresa havia testado sistemas tradicionais de visão de máquina, mas geravam falsos positivos excessivos (sinalizando peças boas como defeituosas), não conseguiam se adaptar a variações de peças e requeriam semanas de reprogramação quando designs mudavam. A QualityVision precisava de uma solução inteligente e adaptativa de inspeção de qualidade que pudesse examinar cada peça individual na velocidade total de produção com precisão excedendo capacidades humanas enquanto permanecesse flexível o suficiente para lidar com variações de produto e mudanças de design sem reprogramação extensiva.