QC Inspection Berbasis Foto Bukti: Menangani Komplain Pelanggan dan Klaim Retur

Komplain Datang, Buktinya Tidak Ada

Pelanggan mengirim foto produk cacat dan meminta ganti rugi untuk satu batch penuh. Tim QC hanya punya lembar checklist bertanda centang dan catatan "OK" dari operator shift malam tiga minggu lalu. Tanpa bukti visual, pabrik sulit membedakan apakah cacat itu lolos dari lini, terjadi saat pengiriman, atau muncul di gudang pelanggan. Ujungnya sering sama: klaim diterima seluruhnya demi menjaga hubungan.

QC inspection dengan kamera AI mengubah situasi ini. Setiap hasil OK/NG bisa tercatat bersama foto beranotasi, sehingga pabrik punya rekaman kondisi produk tepat saat keluar dari lini. Artikel ini membahas cara menyiapkan foto bukti itu agar benar-benar berguna saat komplain datang — dan apa yang tidak bisa dibuktikannya.

Apa yang Bisa Dibuktikan Foto Inspeksi

Poin terpenting ada di baris pertama: kalau hanya foto NG yang disimpan, pabrik tidak bisa menunjukkan bahwa produk yang dikomplain lolos dalam kondisi baik. Untuk produk dengan risiko klaim tinggi, simpan juga sampel foto OK.

Tautkan Foto ke Batch dan Waktu

Foto tanpa konteks tidak bisa dipakai sebagai bukti. Minimal setiap foto perlu bisa dicocokkan dengan waktu inspeksi, lini atau stasiun, dan kode batch. Cara paling praktis adalah memasang kamera di titik yang sekaligus membaca kode produksi dengan OCR pada AI camera, sehingga foto dan kode batch terekam pada kejadian yang sama.

Kalau sistem pabrik sudah punya MES atau ERP, kirim hasil inspeksi bersama ID produk atau nomor batch lewat rule engine, seperti dibahas di integrasi AI inspection ke PLC, MES, dan ERP. Pastikan jam PC inspeksi tersinkron dengan server pabrik — selisih beberapa menit saja bisa membuat foto tertaut ke batch yang salah.

Pilih Titik Kamera yang Paling Dekat dengan Pelanggan

Foto dari tengah proses membuktikan kondisi setengah jadi, bukan produk yang diterima pelanggan. Untuk keperluan klaim, stasiun paling bernilai adalah OQC — setelah pengemasan atau saat loading. Pembagian peran tiap gerbang ada di QC inspection IQC, IPQC, dan OQC. Foto dari IPQC tetap berguna untuk analisis penyebab, tetapi bukan untuk membuktikan kondisi saat serah terima.

Atur Kebijakan Simpan dan Retensi

Menyimpan foto setiap produk di lini cepat menghabiskan storage dengan cepat. Tentukan kebijakan berdasarkan risiko klaim:

1. Hanya NG + sampel OK — cukup untuk sebagian besar lini; sampel OK diambil berkala per shift.
2. Semua hasil (OK dan NG) — untuk produk bernilai tinggi atau pelanggan dengan klausul klaim ketat.
3. Lama retensi — samakan dengan masa klaim di kontrak atau masa simpan produk, bukan sekadar sisa kapasitas disk.

Hitung kebutuhan SSD dari throughput, kebijakan simpan, dan lama retensi dengan kalkulator hardware, lalu cocokkan dengan spesifikasi hardware kamera AI. Jangan lupa backup berkala untuk foto yang masa retensinya panjang.

Alur Menjawab Komplain dengan Foto

Saat komplain masuk, tim QC dapat mengikuti alur sederhana: identifikasi kode batch dari foto pelanggan, tarik foto inspeksi pada rentang waktu batch tersebut, lalu bandingkan jenis cacat. Jika foto inspeksi menunjukkan produk OK di OQC, bukti ini menjadi bahan diskusi bahwa kerusakan kemungkinan terjadi setelah serah terima. Jika ternyata cacat serupa sudah tercatat sebagai NG namun ada yang lolos, itu sinyal untuk memeriksa rejector atau threshold.

Data NG dari periode yang sama juga bisa diolah menjadi Pareto dan dasar root cause, seperti di analisis data reject QC inspection. Kasus yang ambigu sebaiknya ditinjau operator berpengalaman — lihat AI visual dengan human-in-the-loop.

Batasan yang Perlu Dipahami

Foto inspeksi adalah bukti pendukung, bukan pengganti seluruh sistem mutu. Kamera tidak melihat cacat internal, kebocoran mikro, atau sifat mekanik, sehingga uji lab dan catatan sampling tetap diperlukan — pembagian perannya ada di sampling AQL vs inspeksi 100%. Foto juga hanya meyakinkan jika sistemnya terbukti andal: simpan catatan verifikasi harian dengan challenge part dan angka false reject dan escape agar pelanggan percaya bahwa "OK" dari kamera memang berarti OK.

Mulai dari Pelanggan dengan Klaim Terbanyak

Pilih satu produk atau satu pelanggan yang paling sering mengajukan klaim, pasang stasiun di titik OQC, dan simpan foto OK serta NG selama masa klaim berlaku. Setelah satu atau dua komplain berhasil dijawab dengan bukti, perluas ke lini lain.

Nirmana VisionAI berjalan on-premise di PC pabrik, mencatat hasil OK/NG lengkap dengan foto beranotasi dan statistik OK-rate, serta mendukung klasifikasi, deteksi objek, deteksi anomali, dan OCR dalam satu aplikasi tanpa coding. Lihat paket & edisi Nirmana VisionAI untuk mulai membangun jejak bukti QC Anda.