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.

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.

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.