AI može preuzeti veliki dio gledanja. AI ne može preuzeti odbijanje, a sigurno ne fizičko uklanjanje ili prilagođavanje proizvoda. To je granica koja proizlazi iz osam osi: prepoznavanje slike je danas dovoljno razvijeno da signalizira odstupanja, ali odluka o tome što se događa s odbijenim proizvodom i radnja koja uz to ide, ostaju kod čovjeka.
Tri osi ovdje presudno utječu: troškovi pogrešaka, usklađenost i fizička priroda zadatka.
Troškovi pogrešaka bilježe nisku ocjenu jer propušten nedostatak izravno uzrokuje štetu: proizvod koji izađe kroz vrata dok ne odgovara specifikaciji može značiti pritužbu, akciju povlačenja proizvoda ili sigurnosni rizik. Kod zadatka s takvim posljedicama nijedna tvrtka ne prihvaća sustav koji samostalno odlučuje bez da ga tko može korigirati.
Usklađenost bilježi jednako nisku ocjenu. Protokoli pregleda često su utvrđeni u sustavu upravljanja kvalitetom, ponekad s vanjskom certifikacijom ili zakonskom normom u pozadini. Onaj tko odbija, mora to moći opravdati. To nije tehničko ograničenje AI-a, nego okvir koji zahtijeva da čovjek nosi odluku.
Fizička dimenzija bilježi nisku ocjenu jer doticanje, premještanje ili vraćanje proizvoda predstavlja radnju u stvarnom svijetu. Prepoznavanje slike vidi odstupanje, ali ne intervenira samo od sebe.
Nasuprot tome stoje strukturiranost i obujam, koji ispadaju povoljno: protokol pregleda s fiksnim specifikacijama i ponovljenim mjerenjima je upravo vrsta posla za koju se treniraju vizualni AI modeli. Kod visokih obujma, kao što je proizvodna linija koja dnevno isporučuje tisuće identičnih dijelova, taj obrazac sustav lako prepoznaje.
U tvrtki koja provjerava male dijelove po dimenzijama i površinskim nedostacima, sustav vizije može fotografirati i mjeriti svaki komad te dodijeliti ocjenu ili oznaku. Operator zatim pregledava samo označene komade i odlučuje o odbijanju. To pomiče posao od "pregledavanja svakog komada zasebno" prema "procjeni iznimaka." Sati koji se oslobađaju odnose se na rutinski posao gledanja; sati koji ostaju odnose se na procjenu graničnih slučajeva i opravdavanje odbijanja.
U tvrtki koja pregledava složenije proizvode, gdje nedostatak postaje vidljiv tek pri montaži ili gdje norma ostavlja prostor za tumačenje, situacija je drugačija. Tamo je prostor za prosudbu veći faktor, i udio koji AI može preuzeti pomiče se prema manjem u odnosu na jednostavnu, snažno standardiziranu kontrolu.
Oprema mora biti validirana: kamera ili senzor koji nije usklađen s ispravnom tolerancijom daje lažnu sigurnost umjesto stvarne kontrole. A krajnja odgovornost pri odbijanju leži kod čovjeka, ne zato što AI ne bi mogao približiti tu prosudbu, nego zato što su posljedice pogrešne odluke previsoke da bi se prepustile bez čovjeka. To je procesni zahtjev, a ne tehnički.
Kontrola kvalitete nije odvojena od ostatka lanca. Ono što stiže mora prvo biti dobro registrirano: kako se odvija primanje i unos ulazne robe, određuje radi li sustav pregleda uopće s ispravnim podacima. Obrnuto, odbijanje često pokreće naknadni korak u planiranju, kao ponovni izračun onoga što nalog još treba; pogledajte kako se to povezuje s izračunom potrebe za materijalom po nalogu. A strukturni nedostatak kod dobavljača ponovno dodiruje pitanje kako se obrađuje postavljanje nabavnih naloga kod dobavljača, jer ponavljano odbijanje je relevantan podatak za taj izbor.
U tvrtkama s visokim obujmom i jasnim specifikacijama, prepoznavanje slike za kontrolu kvalitete već se danas koristi, ne kao plan za budućnost nego kao tekući proces uz operatora. U tvrtkama sa složenijim, manje standardiziranim proizvodima to je još ograničeno na pokusne postave ili u cijelosti ostaje ljudski posao. Razlika nije u tome koliko je tehnologija napredna, nego u tome koliko je nedostatak predvidljiv i koliko teško padaju posljedice pogreške. Zato ovaj pomak nikada nije pitanje "uključeno ili isključeno": odvija se po zadatku, po proizvodnoj liniji, s čovjekom na mjestu gdje odluka ima težinu.
Ovo nije savjet o osoblju niti temelj za odluku o zapošljavanju djelatnika. Ako pomak u zadacima ima posljedice za radna mjesta, za to vrijede posebni zakonski uvjeti; oni se ovdje ne obrađuju.
Da biste vidjeli kako to izgleda za vašu tvrtku, korisno je ne gledati samo kontrolu kvalitete, nego cjelinu zadataka od kojih se posao sastoji. Besplatni brzi pregled sastoji se od dvanaest pitanja, može se proći bez računa i daje indikaciju kojeg dijela sati u vašem profilu AI danas može preuzeti. Potpuni radni pregled, koji posao tvrtke detaljno raščlanjuje po zadacima i kapacitetu FTE, još je u izradi.
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.