Как рассчитать ROI системы машинного зрения

Прежде чем ставить систему на конвейер, руководитель производства хочет знать одно: когда она окупится. Машинное зрение стоит денег, и цифру нужно обосновать перед советом директоров или собственником.

В статье разберем, как рассчитать ROI машинного зрения, какие статьи затрат и экономии учесть, и приведем пример расчета на конкретных цифрах.

Без расчета проект выглядит как трата бюджета. С расчетом - как инвестиция со сроком возврата.

Финансовый директор сможет быстрее оценить проект по конкретным показателям: сколько стоит система, сколько она экономит в месяц, когда затраты окупятся. Расчет также помогает выбрать масштаб проекта: иногда выгоднее начать с одной линии, а не со всего цеха.

Экономическая эффективность машинного зрения складывается из нескольких источников экономии.

1. Снижение потерь от брака. Система может автоматически обнаруживать дефекты, которые сложно стабильно выявлять при ручном контроле: микротрещины, смещение маркировки, отклонения размеров. Раннее обнаружение позволяет не передавать дефектную продукцию на следующие операции и не отгружать ее клиенту, сокращая затраты на дальнейшую обработку брака, возвраты, повторное производство и рекламации.
2. Экономия на ручном контроле. Часть операций ручного визуального контроля можно автоматизировать. В зависимости от производственного процесса это позволяет перераспределить нагрузку операторов ОТК и/или сократить затраты на контроль качества.
3. Рост производительности. Если ручной контроль ограничивает скорость линии, автоматизация инспекции может позволить увеличить пропускную способность. Однако такой эффект нужно подтверждать тестированием конкретного оборудования и технологии.
4. Сокращение простоев. Система может обнаруживать отклонения процесса раньше, чем проблема приведет к выпуску большой партии брака. Это позволяет быстрее остановить процесс, настроить оборудование и сократить объем потерь.
5. Мониторинг состояния оборудования. В отдельных проектах компьютерное зрение используют для обнаружения визуальных признаков износа или отклонений в работе оборудования. Если такая функция входит в проект, предотвращенные потери можно учитывать в экономической модели отдельно..
6. Снижение затрат на рекламации. Система находит дефекты до отгрузки, часть потерь на рекламациях можно учитывать как предотвращённые. Речь идёт о возвратах продукции, повторном производстве, логистике возврата, сортировке партии, компенсациях и штрафах по договору, если они предусмотрены.

Базовая формула:

ROI = (Экономический эффект за период − Первоначальные инвестиции) / Первоначальные инвестиции × 100%

Где: Экономический эффект за период = Экономия и дополнительная прибыль − Дополнительные эксплуатационные расходы.

ROI нужно рассчитывать за конкретный период — например, за 12 месяцев. Иначе показатель нельзя корректно сравнивать с другими инвестиционными проектами.

Для расчета срока окупаемости используется другая формула:

Срок окупаемости = Первоначальные инвестиции / Средний чистый денежный эффект за период

Если эффект рассчитан за месяц, срок окупаемости получаем в месяцах. Если за год — в годах.

Если система требует постоянных расходов, их необходимо вычесть.

Экономический эффект считают за выбранный период — например, 12 месяцев. Для долгосрочного инвестиционного анализа дополнительно оценивают эффект на несколько лет.

Например:

Вложили 4,5 млн рублей. Система дает 890 тыс. рублей валовой экономии в месяц, но требует 90 тыс. рублей ежемесячных расходов на сопровождение. Чистый денежный эффект составляет 800 тыс. рублей в месяц. Тогда срок окупаемости — 4,5 / 0,8 = 5,6 месяца.

Стоимость внедрения машинного зрения на предприятии зависит от масштаба задачи, но обычно включает:

• камеры и объективы;
• освещение под конкретную задачу контроля;
• вычислительные мощности - сервер или edge-устройство;
• разработку и обучение нейросети под конкретный тип дефектов;
• интеграцию с MES, ERP или 1С;
• пусконаладку и обучение персонала;
• сопровождение и дообучение модели после запуска.

Подробный разбор расходов на внедрение мы делали в статье о том, сколько стоит внедрение машинного зрения. Здесь остановимся на том, как эти затраты соотносятся с будущей экономией.

Экономию считают по каждому источнику отдельно, затем суммируют.

1. Снижение потерь от брака. Сначала определяют текущие потери от брака: стоимость списания и переработки дефектной продукции, дополнительных операций, сортировки и других связанных расходов. Затем оценивают, какую часть этих потерь позволит предотвратить система. Если машинное зрение используется не только для контроля, но и для корректировки производственного процесса, в расчет можно включить ожидаемое снижение выпуска брака. Такой эффект лучше определять по результатам пилотного проекта или тестирования на реальных данных.
2. Экономия на ручном контроле. Считают зарплату операторов ОТК, которые заняты визуальным контролем, и умножают на долю задач, которые перейдут к системе. При этом прямой экономией ФОТ считается только та часть затрат, которая действительно сокращается.
3. Рост производительности. Если камера позволяет поднять скорость линии, экономия считается через дополнительный объем продукции за тот же период.
4. Сокращение простоев. Берут среднюю стоимость часа простоя линии и умножают на прогнозируемое количество часов, которые компания перестанет терять благодаря раннему выявлению отклонений.
5. Мониторинг состояния оборудования. Если система контролирует визуальные признаки износа или повреждений оборудования, в модель можно включить предотвращенные потери от соответствующих отказов и простоев. Оценивать их лучше по исторической статистике предприятия.
6. Рекламации. Берут средние затраты на возвраты, сортировку, повторное производство и другие связанные расходы и сравнивают их с прогнозируемым уровнем после внедрения.

Возьмем условное производство упаковки с одной линией.

Предположим, что система не только выявляет дефекты, но и передает данные для оперативной корректировки производственного процесса. По результатам пилота ожидается, что это позволит снизить долю выпускаемой дефектной продукции.

Затраты на внедрение системы - 4 500 000 рублей: камеры, освещение, сервер, разработка модели, интеграция и пусконаладка.

Экономия в месяц:

• на браке - снижение с 3% до 0,8% при себестоимости единицы 40 рублей дает экономию около 440 000 рублей;
• на ручном контроле - высвобождение трех операторов дает экономию около 210 000 рублей в месяц (с учетом зарплаты и налогов);*
• на простоях - сокращение с 20 до 4 часов при стоимости часа простоя 15 000 рублей дает экономию 240 000 рублей.

* Высвобождение трех операторов от операций визуального контроля дает потенциальный экономический эффект 210 000 рублей в месяц, если соответствующая часть затрат на персонал действительно сокращается. Если сотрудников переводят на другие задачи, эффект следует считать через дополнительную производительность или предотвращенные затраты, а не как прямое сокращение ФОТ.

Суммарный валовой экономический эффект составляет около 890 000 рублей в месяц.

Ежемесячные расходы на сопровождение — 90 000 рублей, поэтому чистый денежный эффект составляет 800 000 рублей в месяц.

За 12 месяцев система принесет 9 600 000 рублей экономического эффекта до учета первоначальных инвестиций.

ROI = (9 600 000 − 4 500 000) / 4 500 000 × 100% ≈ 113%.
Срок окупаемости = 4 500 000 / 800 000 ≈ 5,6 месяца.

Ручной контроль зависит от квалификации сотрудника, условий работы и стабильности выполнения операции. Автоматическая система позволяет формализовать критерии проверки и применять их к каждому контролируемому объекту по заданному алгоритму.
Автоматическая система позволяет применять заданные критерии контроля к каждому изделию и не зависит от смены персонала.

Расчет ROI не заканчивается на этапе выбора системы. После запуска стоит сверять плановые показатели с фактическими:

• Сравнивать реальный процент брака с прогнозным.
• Оценивать не только точность модели, но и стоимость ошибок: ложных срабатываний и пропущенных дефектов.
• Регулярно пересчитывать экономический эффект, например раз в квартал, с учетом фактической работы системы и расходов на сопровождение и дообучение.

Nord Clan разрабатывает ML Sense - платформу контроля качества на основе машинного зрения и нейросетей. Решения ML Sense включены в Единый реестр российских программ для электронных вычислительных машин и баз данных.

• Мы - один из лидеров рынка компьютерного зрения в России. Nord Clan занимает 1 место по количеству внедрений AI-решений в Рейтинге Рунета и 1 место в категории «ИИ в промышленности» рейтинга «Лидеры ИТ для промышленности».
• Внедряем системы в реальные производственные процессы, а не только в тестовые стенды.
• Используем проверенные камеры, объективы и вычислительное оборудование.
• Разрабатываем системы компьютерного зрения под конкретную задачу заказчика.
• Сопровождаем проект после запуска: дообучаем модели, следим за точностью распознавания.
• Внедряли системы машинного зрения в крупных компаниях.

Чтобы получить расчет ROI под ваше производство, оставьте заявку на сайте. Мы посчитаем экономию и срок окупаемости на основе данных вашей линии.