Wanneer is machine vision rendabel voor je productiebedrijf
Tech, Ict & SmartWat kost een fout die je pas bij de klant ontdekt?
Een gemist defect kost vaak meer dan een vervangend product. Denk aan retourtransport, onderzoek, herstelwerk, extra klantcontact en een spoedlevering. Een camera die zulke fouten eerder ontdekt, kan dus waarde toevoegen. Maar als dezelfde camera veel goede producten afkeurt, verdwijnt een deel van die winst weer.
Begin daarom niet bij een demonstratie, maar bij je eigen kwaliteitsregistratie. Kies één productfamilie en noteer over een representatieve periode:
hoeveel producten je maakt en hoeveel werkelijk defect zijn;
hoeveel defecten de huidige controle mist;
hoeveel goede producten onterecht worden tegengehouden;
hoeveel uren controle, herinspectie en herstel kosten;
welke kosten ontstaan als een fout de klant bereikt.
Maak onderscheid tussen cosmetische afwijkingen en functionele gebreken. Een nauwelijks zichtbare kras en een ontbrekend bevestigingspunt hebben niet dezelfde gevolgen. Bij veiligheidskritische fouten vormen wettelijke eisen, klantspecificaties en risicoanalyse de ondergrens: een gunstige terugverdientijd vervangt die eisen niet.
Wat kan machine vision wel en niet zien?
Machine vision kan zichtbare kenmerken beoordelen, zoals de aanwezigheid van een onderdeel, de positie van een etiket, een leesbare code of een beschadiging aan het oppervlak. De inspectie werkt alleen als het relevante kenmerk onder productieomstandigheden voldoende zichtbaar is.
Een machine vision camera is dus geen zelfstandig kwaliteitsbeleid. Lens, belichting, productpositionering, software en de koppeling met de uitwerper bepalen samen of de controle werkt. Een haarscheur die door spiegeling verdwijnt, wordt niet vanzelf herkenbaar door meer AI toe te voegen.
Wanneer zijn vaste beeldregels voldoende?
Vaste beeldregels passen bij een duidelijk omschreven kenmerk in een stabiele opstelling. Denk aan het tellen van vier boorgaten of het controleren of een dop aanwezig is. De software vergelijkt bijvoorbeeld aantallen, afstanden, contrasten of vormen met afgesproken grenzen.
Lerende beeldherkenning kan zinvol zijn wanneer het uiterlijk meer varieert, bijvoorbeeld bij onregelmatige krassen of natuurlijke materiaalstructuren. Daarvoor zijn representatieve beelden nodig, met betrouwbare beoordelingen van wat goed en fout is. Een combinatie is ook mogelijk: vaste regels voor aanwezigheid en afmetingen, een lerend model voor oppervlakteafwijkingen.
Industrial machine vision blijft daarbij begrensd door de meetmethode. Een gewone oppervlakteopname bewijst geen interne materiaalsterkte of lekdichtheid. Bepaal eerst welk defect je wilt uitsluiten en welke meting daarvoor nodig is.
Waarom zegt één nauwkeurigheidspercentage weinig?
Beoordeel gemiste defecten en onterechte afkeur afzonderlijk. Test ook verschillende productvarianten, lichtomstandigheden en productiesnelheden. Eén gemiddeld nauwkeurigheidspercentage vertelt niet hoeveel fouten de klant bereiken of hoeveel goede producten je weggooit.
Als 1% van je producten defect is, scoort een systeem dat alles goedkeurt 99% nauwkeurigheid. Toch vindt het geen enkel defect. Dit is een rekenkundig voorbeeld, geen praktijkprestatie van een inspectiesysteem.
Vraag daarom minimaal om twee afzonderlijke uitkomsten, per defectsoort:
Gemiste-defectenpercentage: gemiste defecten gedeeld door alle werkelijk defecte producten.
Onterechte-afkeurpercentage: onterecht afgekeurde goede producten gedeeld door alle werkelijk goede producten.
Noteer ook de aantallen achter die percentages. Nul gemiste fouten in tien defecte teststukken biedt veel minder zekerheid dan nul gemiste fouten in een omvangrijke, representatieve test.
Hoe maak je een kwaliteitskostenmatrix?
Een bruikbare kwaliteitskostenmatrix koppelt iedere inspectie-uitkomst aan aantallen en kosten. Vul hem twee keer in: voor de huidige controle en voor de beoogde nieuwe situatie. Gebruik hetzelfde productievolume, dezelfde productmix en dezelfde kostendefinities.
| Werkelijke productkwaliteit | Besluit van de controle | Aantal per jaar | Kosten per uitkomst | Jaarlijkse kosten |
|---|---|---|---|---|
| Defect | Goedgekeurd: gemist defect | … | € … aan verwachte vervolgkosten | aantal × kosten |
| Goed | Afgekeurd: onterechte afkeur | … | € … aan herinspectie of netto productverlies | aantal × kosten |
| Defect | Terecht afgekeurd | … | € … aan herstel of netto productverlies | aantal × kosten |
| Goed | Terecht goedgekeurd | … | € … aan eventuele aanvullende afhandeling | aantal × kosten |
Tel daarnaast de controle-uren en jaarlijkse systeemkosten op. Neem bij terecht afgekeurde producten mee dat het defecte product al bestond: de camera voorkomt niet automatisch dat het wordt gemaakt.
Voorkom dubbeltelling. Als de kosten per onterechte afkeur al herinspectie omvatten, tel die arbeid niet nogmaals als losse controlepost. Verwerk restwaarde, herstelmogelijkheden en vervangende productie consequent. Gebruik voor gemiste defecten onderbouwde verwachte kosten; niet ieder gemist product leidt tot dezelfde claim.
Een strengere afkeurgrens kan meer defecten onderscheppen, maar ook meer goede producten tegenhouden. De beste instelling voldoet eerst aan de kwaliteitseisen en houdt vervolgens de totale kosten zo laag mogelijk.
Hoe test je de betrouwbaarheid op de echte productielijn?
Een betrouwbare proef bevat niet alleen mooie producten en duidelijke defecten. Test juist grensgevallen, verschillende batches en omstandigheden die tijdens normale productie voorkomen. Spreek vóór de proef af wat als goed of fout telt en welke prestaties minimaal vereist zijn.
Welke producten en omstandigheden horen in de proef?
Gebruik dit testplan als vertrekpunt:
Leg de referentiebeoordeling vast. Laat bevoegde kwaliteitsmedewerkers de testproducten beoordelen volgens dezelfde specificatie. Los meningsverschillen op voordat je de camera beoordeelt.
Scheid instellen en toetsen. Gebruik bij lerende systemen aparte beelden voor training, afstelling en eindtest. Voorkom dat vrijwel identieke beelden van hetzelfde product in meerdere sets terechtkomen.
Varieer zoals de fabriek varieert. Neem productkleuren, oppervlakken, leveranciersbatches, posities, vervuiling en realistische veranderingen in omgevingslicht mee.
Draai op werkelijke lijnsnelheid. Test ook opstarten, omstellen en piekbelasting. Controleer of het juiste product daadwerkelijk wordt uitgeworpen, niet alleen of het beeld een foutmelding geeft.
Rapporteer per defect en productvariant. Vermeld aantallen, gemiste fouten, onterechte afkeur en onzekerheidsmarges. Spreek de benodigde testomvang af op basis van het risico.
Herhaal na wijzigingen. Een nieuwe verpakking, andere belichting of software-update kan een nieuwe beoordeling nodig maken.
Een testset met bewust veel defecten helpt om herkenning te toetsen. Die verdeling is alleen niet automatisch representatief voor de jaarlijkse kosten. Reken de resultaten terug naar de werkelijke productmix en het verwachte defectniveau.
Hoe voorkom je dat goede producten direct worden weggegooid?
Richt naast goedkeuren en afkeuren een route voor twijfelgevallen in. Laat die producten apart houden en door een medewerker beoordelen. Leg vast wie beslist, hoeveel extra werk dit oplevert en hoe het product traceerbaar blijft.
Begin zo nodig met een proef waarin het systeem alleen meebeoordeelt, zonder zelfstandig producten uit te werpen. Vergelijk de beslissingen met de bestaande controle. Bewaak na invoering zowel afgekeurde als goedgekeurde producten met aanvullende steekproeven: alleen de afkeurbak bekijken vertelt je niets over gemiste defecten.
Spreek ook af wat er gebeurt bij een vuile lens, ontbrekend beeld, storing of uitval van de uitwerper. Onzekerheid mag niet ongemerkt veranderen in automatische goedkeuring.
Wanneer verdient automatische inspectie zichzelf terug?
Automatische inspectie verdient zich terug wanneer de opgebouwde jaarlijkse nettobaten de eenmalige investering dekken. Neem daarin camera, belichting, mechanische inbouw, besturing, software, testen, opleiding en productiestilstand tijdens invoering mee. Jaarlijks komen daar bijvoorbeeld onderhoud, licenties, reiniging en herbeoordeling bij.
Hoe ziet een fictieve businesscase eruit?
Onderstaand voorbeeld is volledig fictief. Het bevat geen marktprijzen of gemeten leveranciersprestaties. We vergelijken jaarlijks 100.000 producten, waarvan in beide situaties 1.000 werkelijk defect zijn. Alle bedragen zijn exclusief terugvorderbare btw.
| Jaarlijkse kostenpost | Huidige controle | Met machine vision |
|---|---|---|
| Gemiste defecten à € 150 | 200 × € 150 = € 30.000 | 40 × € 150 = € 6.000 |
| Onterechte afkeur à € 8 netto verlies | 500 × € 8 = € 4.000 | 1.000 × € 8 = € 8.000 |
| Terecht gevonden defecten à € 5 afhandelingskosten | 800 × € 5 = € 4.000 | 960 × € 5 = € 4.800 |
| Controle en herinspectie à € 45 per uur | 400 uur = € 18.000 | 120 uur = € 5.400 |
| Systeembeheer, onderhoud en licenties | € 0 extra | € 6.000 |
| Totaal per jaar | € 56.000 | € 30.200 |
De stukskosten in dit voorbeeld bevatten geen controle- of herinspectiearbeid; die staat apart. De € 150 omvat alle toegerekende vervolgkosten per gemist defect. Kosten die in beide situaties gelijk blijven, zijn buiten de vergelijking gehouden.
De jaarlijkse nettobaat is € 56.000 − € 30.200 = € 25.800. Bij een eenmalige investering van € 42.000 bedraagt de eenvoudige terugverdientijd € 42.000 ÷ € 25.800 × 12 = ongeveer 19,5 maanden vanaf volledige ingebruikname.
De camera keurt in dit voorbeeld twee keer zoveel goede producten onterecht af. Toch is de uitkomst economisch gunstig doordat veel minder defecten ontsnappen. Dat is precies waarom één nauwkeurigheidsscore geen investeringsbesluit kan dragen.
Wat kan de businesscase alsnog onderuit halen?
Vrijgespeelde uren zijn niet automatisch een kasbesparing. In dit voorbeeld vertegenwoordigen 280 uur minder controlewerk een waarde van € 12.600. Die waarde moet je kunnen benutten, bijvoorbeeld door minder overwerk of meer productie met hetzelfde team.
Kun je die uren niet economisch benutten, dan resteert in deze rekensom € 13.200 jaarlijkse nettobaat en wordt de terugverdientijd ongeveer 38,2 maanden. Reken daarnaast met lager volume, extra onterechte afkeur en meer onderhoud. De eenvoudige terugverdientijd houdt geen rekening met financiering, opstartvertraging of de tijdswaarde van geld.
Beslisregel: investeer pas als een representatieve proef de vereiste kwaliteit aantoont én een voorzichtig kostenscenario binnen je eigen investeringsgrenzen blijft.
Hoe maak je een bewezen toepassing zichtbaar bij ondernemers?
Voor technologiebedrijven is een overtuigend machinevision-verhaal meer dan een demonstratievideo. Laat zien welk defect je inspecteert, hoeveel producten zijn getest, onder welke omstandigheden en hoe gemiste fouten en onterechte afkeur afzonderlijk zijn gemeten. Vermeld de meetperiode, de resterende handmatige controle en de grenzen van de toepassing.
Heb je zo’n aantoonbare toepassing in de maakindustrie? stuur ons je verhaal, met controleerbare resultaten en toestemming van de betrokken klant.
In Business Network biedt ondernemers een podium voor kennisdeling en zakelijke zichtbaarheid; het is geen leverancier van inspectiesystemen. Wil je je technologiebedrijf gericht onder de aandacht brengen, bekijk onze losse producten. Vraag advies op maat aan over een passende media-inzet.
Meld je aan voor de nieuwsbrief van
Nederland in Business