Akıllı Üretim Dönüşümü: Yapay Zeka Desteklenen Görsel Defekt Tanıma Sistemi (90 Günlük Başarı Hikayesi)

March 13, 2026

BAE Endüstriyel Otomasyon Bağımsız İstasyon vaka çalışması

Vaka Çalışması: Al-Noor Endüstriyel Üretim

1Özet:

Müşteri Profili: Al-Noor Endüstriyel Üretim, Jebel Ali, Dubai'de önde gelen otomotiv bileşenleri ve metal üretim üreticisi (180 çalışan, yıllık gelir 45M AED)
Temel Zorluk: Yüksek yeniden işleme maliyetlerine, üretim gecikmelerine ve müşteri kalitesi sorunlarına neden olan ciddi kalite kontrolü sıkıntıları
Çözüm: Mevcut üretim hatlarıyla entegre özel AI görsel kusur tespit sistemi
Sonuçlar: 99.2% kusur tespit doğruluğu, 74% yeniden işleme maliyetlerinin azaltılması, 4 aylık ROI geri ödeme süresi

2İşletme Zorlukları

Kalite Kontrolü Krizi: %3.2 arızalı çıkış oranı, 450K AED aylık yeniden işleme maliyetleri, 80K AED aylık müşteri garantisi masrafları
Üretim Verimsizliği: Birim başına 8 dakikalık manuel denetim, aylık 40 üretim hattı gecikmesi
İtibar Riskleri: Teslim edilen birimlerin %2.1'inde kalite sorunları, müşteri ilişkileri ve garanti maliyetlerine zarar veren sorunlar vardı
Operasyonel Yük: İnsan yorgunluğu ve değişkenliği nedeniyle tutarlı olmayan kontrol doğruluğu (75-95%)

3Çözüm Stratejisi ve Uygulama

Aşama	Zaman Çizelgesi	Temel faaliyetler	Alınacaklar
Gereksinimler Tanımı	Hafta 1	Kritik özellikleri tanımlamak için üretim ekibiyle işbirliği yaptı.	Ayrıntılı teknik gereksinimler belgesi
Çözüm Değerlendirmesi	2-3 hafta	3 AI görme çözümü karşılaştırıldı (CloudVision Pro, Defectify, PixelSense Local)	Maliyet/doğruluk analizi ile 3 uygun seçenek
Pilot Testleri	4. Hafta	PixelSense Local ile 3 numaralı hattaki 1 haftalık deneme	990.2% tespit doğruluğu, 0.3% yanlış pozitif oranı
Sistem Entegrasyonu	1-2 ay	12 hat üzerinde donanım kur, MES ile entegre, tren ekibi	Tüm üretim hatlarında tam sistem dağıtımı
Optimizasyon ve Kesme	3 ay	El kontrolünü devre dışı bırak, AI modelini ince ayarla.	El kontrolü sıfır, %99+ doğruluk

4Teknik Uygulama Ayrıntıları

Donanım Entegrasyonu: Mevcut çizgi kameralarıyla uyumludur (makine donanımının değiştirilmesi gerekmez)
Sistem Mimarlığı: Hibrit dağıtım modeli (konusallık için yerel veri depolaması)
Yapay zekâ model eğitimi: Her parça türü için 200'den fazla eski hata görüntüsü (15'den fazla bileşen varyasyonu)
MES Uyumluluğu: Mevcut üretim izleme sistemleriyle sorunsuz entegrasyon
Eğitim Programı: Tüm üretim personeli için 1 günlük yerüstü eğitim

5Performans Ölçümleri ve Geri Dönüş

Metrik	Önceden	Sonra.	Geliştirme
Kusur tespit oranı	% 78	99% 2	+21,2%
Gönderilen kusur oranı	3% 2	0.8%	-75%
Birim başına denetim süresi	8 dakika.	1.5 dakika	-81%
Aylık yeniden işleme masrafları	450 bin AED.	115 bin AED.	-74%
Müşteri Dönüşleri	2% 1	0%4	-81%
Üretim Gecikmeleri	40/ay	6/ay	-85%
Yıllık ROI	-	4.759M AED	4 aylık geri ödeme