AI může převzít velkou část pozorování. AI nemůže převzít zamítnutí, a už vůbec ne fyzické odebrání nebo úpravu produktu. To je hraniční linie, která vyplývá z osmi os: rozpoznávání obrazu je dnes dostatečně vyvinuté na to, aby signalizovalo odchylky, ale rozhodnutí o tom, co se stane se zamítnutým produktem, a úkon, který s tím souvisí, zůstávají na člověku.
Rozhodující jsou zde tři osy: náklady na chyby, compliance a fyzická povaha úkolu.
Náklady na chyby jsou nízké, protože přehlédnutá vada přímo způsobuje škodu: produkt, který opustí továrnu, aniž by splňoval specifikaci, může znamenat stížnost, akci na stažení z trhu nebo bezpečnostní riziko. U úkolu s takovými důsledky žádná firma nepřijme systém, který samostatně rozhoduje bez toho, aby ho někdo mohl korigovat.
Compliance skóruje stejně nízko. Kontrolní protokoly jsou často zakotveny v systému řízení kvality, někdy s externí certifikací nebo zákonnou normou v zádech. Kdo zamítá, musí to umět zdůvodnit. To není technické omezení AI, ale rámec, který vyžaduje člověka, jenž nese rozhodnutí.
Fyzická povaha skóruje nízko, protože dotýkání, přesouvání nebo vrácení produktu je úkon ve skutečném světě. Rozpoznávání obrazu vidí odchylku, ale nezasáhne samo od sebe.
Naproti tomu strukturovanost a objem vycházejí příznivě: kontrolní protokol s pevnými specifikacemi a opakovanými měřeními je přesně ten druh práce, na který jsou trénovány vizuální AI modely. Při vysokých objemech, jako je výrobní linka dodávající tisíce identických součástek denně, je tento vzorec pro systém dobře rozpoznatelný.
Ve firmě, která kontroluje malé součástky co do rozměrů a povrchových vad, může vizuální systém každý kus vyfotografovat a změřit, a přidělit skóre nebo označení. Operátor pak posuzuje pouze označené kusy a rozhoduje o zamítnutí. To přesouvá práci z „posuzovat každý kus samostatně” na „posuzovat výjimky”. Hodiny, které se uvolní, jsou v rutinním pozorování; hodiny, které zůstávají, jsou v posuzování hraničních případů a zdůvodňování zamítnutí.
Ve firmě, která kontroluje složitější produkty, kde se vada projeví až při montáži nebo kde norma umožňuje interpretaci, je situace jiná. Zde je prostor pro úsudek větším faktorem a podíl, který AI zvládne, se posouvá k menšímu podílu než u jednoduché, silně standardizované kontroly.
Zařízení musí být validováno: kamera nebo senzor, který není nastaven na správnou toleranci, dává jen zdánlivou jistotu, nikoli skutečnou kontrolu. A konečná odpovědnost při zamítnutí spočívá na člověku, ne proto, že by AI tomuto úsudku nemohla přiblížit, ale proto, že důsledky chybného rozhodnutí jsou příliš velké, aby mohly probíhat bez člověka. To je procesní požadavek, ne technický.
Kontrola kvality nestojí izolovaně od zbytku řetězce. To, co přichází, musí být nejprve řádně zaregistrováno: způsob, jakým probíhá přijímání a evidence příchozího zboží, určuje, zda kontrolní systém vůbec pracuje se správnými údaji. Naopak zamítnutí často vyvolává následný krok v plánování, jako přepočet toho, co ještě zakázka potřebuje; podívejte se, jak to souvisí s výpočtem potřeby materiálu na zakázku. A systematická vada u dodavatele se opět dotýká otázky, jak se řeší zadávání objednávek dodavatelům, protože opakované zamítnutí je relevantní informace pro toto rozhodnutí.
Ve firmách s vysokými objemy a jasnými specifikacemi je rozpoznávání obrazu pro kontrolu kvality dnes již v provozu, nikoli jako plán do budoucna, ale jako běžící proces vedle operátora. Ve firmách se složitějšími, méně standardizovanými produkty se to stále omezuje na zkušební instalace nebo zůstává zcela lidskou prací. Rozdíl není v tom, jak daleko je technologie, ale v tom, jak předvídatelná je vada a jak závažné jsou důsledky chyby. To je také důvod, proč tento posun nikdy není otázkou „zapnuto nebo vypnuto”: probíhá po úkolech, po výrobních linkách, s člověkem na místě, kde rozhodnutí má váhu.
Toto není personální doporučení ani podklad pro rozhodnutí o nasazení zaměstnanců. Pokud má posun v úkolech dopad na pracovní pozice, platí pro to vlastní zákonné požadavky; ty zde nejsou řešeny.
Abyste zjistili, jak je to ve vaší vlastní firmě, je užitečné dívat se nejen na kontrolu kvality, ale na celek úkolů, z nichž se práce skládá. Bezplatný quickscan se skládá ze dvanácti otázek, lze jej absolvovat bez účtu a poskytuje indikaci, jakou část hodin ve vašem profilu je dnes možné převést na AI. Kompletní pracovní scan, který podrobně rozčleňuje práci firmy na úkoly a kapacitu fte, se stále připravuje.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.