Contact Info

  • Office : Jl. KH. Hasyim Ashari No.3C, RT.2/RW.8, Petojo Utara, Kecamatan Gambir,Kota Jakarta Pusat, DKI Jakarta 10130
  • Workshop : Ruko Faraday RFDB No.51, Medang, Kec. Pagedangan, Kabupaten Tangerang, Banten 15334
  • Mod-friday, 09am -05pm
Case Study

Inspeksi Cacat Permukaan Logam dengan AI Machine Vision

Kalarra.ai mendeteksi cacat permukaan pada produk logam seperti goresan, korosi, dan ketidaksempurnaan permukaan dengan akurasi 99.2%.

#Surface Inspection #Defect Detection #Deep Learning #Quality Control
Inference:
Acquisition
AI Engine
Edge Output
Studi Kasus Project
Manufaktur Industry
AI Machine Vision Technology
Inspeksi Cacat Permukaan Logam dengan AI Machine Vision - Kalarra.ai Case Study Hero
Edge Compute
High Accuracy
Case Overview

Ikhtisar Proyek

Industri

Manufaktur & Otomotif

Teknologi

Surface Inspection, Defect Detection, Deep Learning +1 lainnya

Ringkasan: Kalarra.ai mendeteksi cacat permukaan pada produk logam seperti goresan, korosi, dan ketidaksempurnaan permukaan dengan akurasi 99.2%.

Implementasi proyek ini dijalankan menggunakan platform software Kalarra.ai, diintegrasikan dengan perangkat kamera industri Hikrobot, dan dirancang serta dipasang oleh tim engineer PT Berkah Solusi Mandiri melalui layanan Control Panel Installation & System Integration.

The Case

Ringkasan Proyek

Informasi ringkas mengenai solusi, aplikasi, industri, dan teknologi yang digunakan.

Solusi Utama

AI Machine Vision

Teknologi

Surface Inspection Defect Detection Deep Learning Quality Control
01

Background & Proses Sebelumnya (Existing Process)

Proyek "Inspeksi Cacat Permukaan Logam dengan AI Machine Vision" diimplementasikan pada lini produksi aktif di Indonesia oleh tim system integrator PT Berkah Solusi Mandiri. Sebelum menggunakan platform AI Vision Kalarra.ai, inspeksi mutu sepenuhnya bergantung pada proses visual manual menggunakan checklist fisik oleh operator shift. Kelemahan inspeksi manual ini adalah kerentanan terhadap tingkat kelelahan visual operator, subyektifitas penilaian cacat, serta metode sampling yang sangat terbatas (hanya mencakup sebagian kecil lot produksi). Hal tersebut memicu lolosnya defect visual halus ke tahap pengiriman dan meningkatkan keluhan mutu dari pelanggan.

02

Tantangan Produksi (The Challenge)

Pabrik komponen logam di Tangerang memproduksi 50.000 part per hari dengan tingkat cacat permukaan 6% yang lolos inspeksi manual. Inspektur hanya mampu memeriksa 5% sample dan sering kehilangan defect halus seperti goresan mikro dan korosi awal. Customer complaint mencapai 15% akibat defect yang lolos ke pelanggan.

  • 000 part per hari dengan tingkat cacat permukaan 6% yang lolos inspeksi manual
  • Inspektur hanya mampu memeriksa 5% sample dan sering kehilangan defect halus seperti goresan mikro dan korosi awal
  • Customer complaint mencapai 15% akibat defect yang lolos ke pelanggan
03

Penerapan AI & Alur Operasional (AI Implementation & Workflow)

Mengimplementasikan Kalarra.ai dengan 4 kamera resolusi tinggi dan lighting khusus untuk menangkap detail permukaan logam. Deep learning model dilatih dengan 25.000 gambar defect and non-defect untuk mendeteksi 10+ jenis cacat permukaan termasuk goresan, korosi, scratch, pit, dan discoloration. Sistem terintegrasi dengan reject mechanism otomatis.

  • Mengimplementasikan Kalarra
  • ai dengan 4 kamera resolusi tinggi dan lighting khusus untuk menangkap detail permukaan logam
  • Deep learning model dilatih dengan 25
  • 000 gambar defect and non-defect untuk mendeteksi 10+ jenis cacat permukaan termasuk goresan, korosi, scratch, pit, dan discoloration
04

Dampak & Hasil Bisnis (Expected Business Outcome)

Melalui otomatisasi inspeksi visual 100% menggunakan kamera industri dan software deep learning Kalarra.ai, target utama perusahaan adalah menstandarisasi mutu produksi tanpa mengganggu cycle time lini perakitan. Sistem ini dirancang untuk:

Akurasi deteksi defect stabil dan konsisten antar shift.
Reduksi tingkat keluhan defect dari pihak pelanggan secara masif.
Penyediaan digital audit trail otomatis untuk pelacakan kualitas (traceability).
Peningkatan metrik OEE (Overall Equipment Effectiveness) lini produksi.
05

Detail Teknologi & Peran Implementasi (Technology & Implementation Roles)

Teknologi Yang Digunakan (Technology Used)

Surface Inspection Defect Detection Deep Learning Quality Control

Pembagian Peran (Implementation Roles)

Peran Kalarra.ai: Menyediakan platform core AI vision, model inferensi deep learning terlatih untuk defect detection, serta dashboard visual monitoring secara real-time.

Peran PT Berkah Solusi Mandiri: Bertanggung jawab penuh sebagai system integrator atas feasibility study, pengadaan hardware sensor kamera, wiring panel kelistrikan, integrasi PLC/rejector mekanis, commissioning, serta dukungan teknis pasca-deployment di lapangan.

Application Summary

Hasil & Dampak

Ringkasan hasil yang dicapai setelah implementasi solusi AI Vision.

Akurasi deteksi defect mencapai 99.2% dari sebelumnya 75%

Customer complaint turun 85%

Kecepatan inspeksi 5x lebih cepat dari manual

Pengurangan biaya scrap 45%

Kualitas produk konsisten terjamin

99.2% Akurasi deteksi defect mencapai dari sebelumnya 75%
85% Customer complaint turun
5 Kecepatan inspeksi x lebih cepat dari manual
45% Pengurangan biaya scrap

ROI Terbukti

Implementasi ini menghasilkan Return on Investment (ROI) dalam waktu kurang dari 8 bulan dengan peningkatan produktivitas dan pengurangan biaya operasional yang signifikan.

Tertarik dengan Proyek Ini?

Butuh Solusi Serupa untuk Industri Anda?

Tim Kalarra.ai siap membantu Anda menerapkan AI Vision untuk meningkatkan kualitas dan efisiensi produksi.

WhatsApp