AI quality control: van handmatig naar 99% nauwkeurigheid

Dat is geen kritiek op uw mensen. Het is gewoon hoe ogen werken. Handmatige visuele inspectie was decennialang de beste methode die er was. In 2026 is het op veel productielijnen de duurste bottleneck geworden.

AI-kwaliteitscontrole verandert die rekensom. Eén camerasysteem inspecteert 3.000 tot 10.000 onderdelen per uur met meer dan 99% nauwkeurigheid. Het wordt nooit moe en past op elk onderdeel exact dezelfde norm toe. In deze gids leest u hoe het werkt, wat het kost en wat het oplevert. Zonder technisch jargon.

Het probleem met visuele inspectie door mensen zit niet in de mensen, maar in de natuurkunde van aandacht.

Traditionele inspectie mist tussen de 20 en 30% van de defecten. Niet omdat de inspecteur slecht is, maar omdat het menselijk oog na verloop van tijd verslapt, omdat steekproeven nooit alles dekken, en omdat de norm verschilt per persoon en per moment van de dag. Een defect dat 's ochtends wordt afgekeurd, glipt 's middags soms door.

En de kosten van een gemist defect lopen snel op. Hoe later u het ontdekt, hoe duurder het wordt. Een defect dat bij de klant belandt, kost een garantieclaim, soms een terugroepactie, en altijd vertrouwen.

Het klinkt ingewikkelder dan het is. Een AI-inspectiesysteem bestaat uit vier onderdelen die samenwerken.

1. Camera's en verlichting. Industriële camera's maken van elk onderdeel een foto terwijl het over de lijn beweegt. Goede verlichting is cruciaal, want die maakt krassen, deuken en kleurverschillen zichtbaar. Dit is relatief goedkope hardware.

2. Een getraind AI-model. Het model analyseert elke foto in minder dan een tiende seconde. Het is getraind op uw specifieke onderdelen en uw specifieke defecten, dus het weet precies waar het op moet letten.

3. Een beslissing. Het systeem bepaalt: goed of fout. Bij fout markeert het wat voor defect het is, hoe ernstig, en waar het zit. Goede onderdelen lopen door, afgekeurde worden gemarkeerd of automatisch uitgeworpen.

4. Een dossier. Elke beslissing wordt vastgelegd met foto, tijdstip en defecttype. Dat geeft u niet alleen kwaliteitscontrole, maar ook een volledig naspeurbaar kwaliteitsdossier en data om uw proces te verbeteren.

Het trainen gebeurt met voorbeelden. Het model heeft ongeveer 500 tot 2.000 foto's van goede onderdelen nodig, plus 100 tot 500 foto's van elk type defect. Die komen uit uw historische gegevens of uit een verzamelperiode van een paar weken. Van data tot werkend systeem duurt het doorgaans 4 tot 8 weken.

Forrester berekende een gemiddelde driejaars-ROI van 374%, met een terugverdientijd van 7 tot 8 maanden. AI inspecteert bovendien 100% van de onderdelen in plaats van een steekproef, en levert data waarmee u problemen stroomopwaarts kunt oplossen, voordat ze überhaupt afval worden.

De kosten zijn de afgelopen jaren flink gedaald. Waar dit ooit alleen voor grote fabrieken haalbaar was, kan een middelgroot maakbedrijf het nu invoeren zonder een enorme investering.

De hardware per inspectiestation, dus camera's, verlichting en een lokale computer met rekenkracht, ligt afhankelijk van complexiteit in de orde van enkele duizenden tot tienduizenden euro's. Daar komt de bouw en training van het AI-model bij. Voor een eerste werkende toepassing op één productlijn moet u denken aan een investering die zich, gezien de bovenstaande rekensom, vaak binnen een jaar terugverdient.

Net als bij voorspellend onderhoud is het advies: begin met de lijn of het onderdeel waar gemiste defecten u het meeste pijn doen. Niet de hele fabriek tegelijk.

AI-inspectie vervangt uw kwaliteitsmensen niet. Het verschuift hun werk. In plaats van urenlang naar onderdelen turen, gaan ze zich bezighouden met de uitzonderingen, met het verbeteren van het proces en met het bijsturen van het systeem. Dat is waardevoller werk, en het houdt mensen scherp.

Verwacht ook geen perfect systeem op dag één. Een AI-inspectiemodel wordt beter naarmate het meer voorbeelden ziet. De eerste weken zijn er afstemming en correctie nodig. Maar zodra het draait, levert het een consistentie die met mensen onmogelijk is.

Wij bouwen AI-inspectie zoals we alles bouwen: op uw eigen infrastructuur, getraind op uw eigen onderdelen, en geïntegreerd in uw bestaande proces. Geen losse tool die naast de lijn staat, maar een systeem dat onderdeel wordt van uw kwaliteitsproces en dat de data koppelt aan uw werkvoorbereiding en onderhoud.

We beginnen klein, met de lijn waar het meeste te winnen is, en bouwen pas uit als het aantoonbaar werkt.

AI-kwaliteitscontrole is geen toekomstmuziek en geen luxe voor grote concerns meer. Voor een MKB-maakbedrijf met een productlijn waar kwaliteit telt, is het een van de meest concrete en snelst terugverdiende AI-toepassingen die er bestaan.

Benieuwd of het bij uw productie past? Plan een vrijblijvende kennismaking. We kijken samen naar welke lijn het meeste baat heeft en wat een realistische eerste stap is.