Skip to content
Охорона здоров'яМедична візуалізаціяCASE_08

Виявлення виробничих дефектів медичних виробів із чутливістю 99,2%

Американський виробник медичних виробів класу II (одноразовий хірургічний інструментарій, проєкт 2023 року), де рівень пропуску дефектів 1,8% спричиняв у середньому два відкликання на рік вартістю ~$4 млн кожне. Ручний контроль обмежувався ~400 одиницями на годину на одного інспектора: жорстке вузьке місце пропускної здатності. Наша багатоголова CNN-архітектура (окремі голови виявлення для кожного класу дефектів: подряпини поверхні, відхилення розмірів, зміщення компонентів, дефекти покриття, зі спільним бекбоном ResNet-50) була натренована на ~80 000 розмічених зображеннях від команди QA. Працює на edge-обладнанні прямо на виробничій лінії за ~0,3 секунди на одиницю. Рівень пропуску дефектів скоротився з 1,8% до 0,2%. Пропускна здатність контролю зросла в 6 разів, до ~2 400 одиниць на годину. Нуль відкликань за 14 місяців після впровадження.

99.2%
Чутливість виявлення
−89%
Частка пропущених дефектів
Пропускна здатність контролю

Виклик

1,8% дефектних виробів проходили повз ручний контроль і потрапляли до клієнтів, спричиняючи в середньому 2 відкликання на рік вартістю $4 млн+ кожне. Ручний контроль був обмежений 400 одиницями на годину на одного інспектора: вузьке місце пропускної здатності за поточного обсягу виробництва. Типи дефектів були різноманітними: подряпини поверхні, відхилення розмірів, зміщення компонентів і дефекти покриття, кожен вимагав окремої логіки виявлення.

Наш підхід

Ми використали багатоголову CNN-архітектуру з окремими головами виявлення для кожного класу дефектів, натреновану на 80 000 розмічених зображеннях від команди QA. Ключове архітектурне рішення: ми трактували типи дефектів як окремі задачі зі спільним бекбоном, а не як єдиний багатокласовий класифікатор. Система працює на edge-обладнанні прямо на виробничій лінії, обробляючи зображення в реальному часі за 0,3 секунди на одиницю. Оцінки впевненості вище порогу дефекту запускають автоматичне переспрямування в контейнер браку.

Результат

Чутливість виявлення: 99,2%. Рівень пропуску дефектів скоротився з 1,8% до 0,2%. Пропускна здатність контролю: 2 400 одиниць на годину (у 6 разів більше за ручний режим). Нуль відкликань за 14 місяців після впровадження. Команда QA тепер перевіряє контейнер браку від ШІ, а не кожну одиницю.

Чого ми навчились

01

Трактуйте різноманітні типи дефектів як окремі задачі, а не як єдиний багатокласовий класифікатор.

02

Розгортання на edge-обладнанні потребує спільного проєктування апаратної й програмної частини від самого Discovery, а не як допрацювання заднім числом.

03

Для контролю, критичного для безпеки, чутливість важливіша за точність: хибнонегативний результат набагато гірший за хибнопозитивний.

Залучені етапи
Аудит готовності до ШІ
Discovery & Blueprint
Перевірка концепції
Продакшн-розробка
Загальна тривалість
7 місяців загалом
Передані артефакти
PRD
Архітектура комп'ютерного зору
Специфікація edge-розгортання
WBS
Протокол регуляторної валідації
Почніть із дзвінка з оцінки доцільності

2 години, безкоштовно. Чесно скажемо, чи має сенс ШІ саме для вашого випадку.

Забронювати дзвінок