L'AI può assumere gran parte dell'osservazione. L'AI non può assumere il rifiuto, e sicuramente non la rimozione o la modifica fisica di un prodotto. Questa è la linea di demarcazione che emerge dagli otto assi: il riconoscimento delle immagini è oggi sufficientemente sviluppato per segnalare anomalie, ma la decisione su cosa succede a un prodotto rifiutato e l'azione che ne consegue restano affidate a una persona.
Tre assi risultano qui decisivi: costi degli errori, compliance e la natura fisica del compito.
I costi degli errori sono valutati bassi perché un difetto non rilevato causa danno diretto: un prodotto che esce dalla porta senza rispettare la specifica può significare un reclamo, un richiamo o un rischio per la sicurezza. Per un compito con conseguenze simili, nessuna azienda accetta un sistema che decide autonomamente senza che qualcuno possa correggere.
La compliance è valutata altrettanto bassa. I protocolli di ispezione sono spesso definiti in un sistema di gestione della qualità, talvolta con una certificazione esterna o una norma legale a sostegno. Chi rifiuta un prodotto deve poterlo giustificare. Non si tratta di un limite tecnico dell'AI, ma di un quadro che richiede una persona che si assuma la decisione.
L'aspetto fisico è valutato basso perché toccare, spostare o rimettere a posto un prodotto è un'azione nel mondo reale. Il riconoscimento delle immagini vede un'anomalia, ma non interviene da solo.
All'opposto ci sono la strutturazione e il volume, che risultano invece favorevoli: un protocollo di ispezione con specifiche fisse e misurazioni ripetute è esattamente il tipo di lavoro su cui vengono addestrati i modelli di AI visiva. Con volumi elevati, come una linea di produzione che consegna migliaia di componenti identici al giorno, questo schema è facilmente riconoscibile per un sistema.
In un'azienda che controlla piccoli componenti per dimensioni e difetti superficiali, un sistema di visione può fotografare e misurare ogni pezzo, assegnando un punteggio o un contrassegno. Un operatore esamina poi solo i pezzi contrassegnati e decide sul rifiuto. Questo sposta il lavoro da "esaminare ogni pezzo singolarmente" a "valutare le eccezioni". Le ore che si liberano riguardano il lavoro di osservazione di routine; le ore che restano riguardano la valutazione dei casi limite e la giustificazione del rifiuto.
In un'azienda che ispeziona prodotti più complessi, dove un difetto diventa visibile solo durante il montaggio o dove la norma lascia margine di interpretazione, la situazione è diversa. Qui il margine di giudizio è un fattore più rilevante, e la quota che l'AI può gestire si riduce rispetto a un controllo semplice e fortemente standardizzato.
L'apparecchiatura deve essere validata: una fotocamera o un sensore non calibrato sulla tolleranza corretta dà una falsa sicurezza invece di un controllo effettivo. E la responsabilità finale per il rifiuto spetta a una persona, non perché l'AI non possa approssimare quel giudizio, ma perché le conseguenze di una decisione errata sono troppo gravi per lasciarla senza supervisione umana. Si tratta di un requisito procedurale, non tecnico.
Il controllo qualità non è separato dal resto della catena. Ciò che arriva deve prima essere registrato correttamente: il modo in cui avviene la ricezione e la registrazione delle merci in entrata determina se un sistema di ispezione lavora affatto con i dati corretti. Viceversa, un rifiuto alimenta spesso una fase successiva nella pianificazione, come il ricalcolo di ciò di cui un ordine ha ancora bisogno; si veda come questo si collega con il calcolo del fabbisogno di materiali per ordine. E un difetto strutturale presso un fornitore riguarda a sua volta la questione di come viene gestito il piazzamento di ordini di acquisto presso i fornitori, poiché un rifiuto ripetuto è un'informazione rilevante per quella scelta.
Nelle aziende con volumi elevati e specifiche chiare, il riconoscimento delle immagini per il controllo qualità è già oggi in uso, non come progetto futuro ma come processo in corso accanto all'operatore. Nelle aziende con prodotti più complessi e meno standardizzati, questo è ancora limitato a impianti di prova o resta interamente lavoro umano. La differenza non risiede in quanto sia avanzata la tecnologia, ma in quanto prevedibile sia il difetto e quanto pesino le conseguenze di un errore. Ecco perché questo cambiamento non è mai una questione di "tutto o niente": avviene per compito, per linea di prodotto, con la persona al posto dove la decisione conta.
Questo non è una consulenza sul personale né una base per una decisione sull'impiego dei collaboratori. Se un cambiamento nei compiti ha conseguenze per le funzioni, si applicano requisiti legali specifici, che qui non vengono trattati.
Per vedere come si presenta questo per la sua azienda, è utile non guardare solo al controllo qualità, ma all'insieme dei compiti di cui è composto il lavoro. La quickscan gratuita è composta da dodici domande, può essere completata senza account e fornisce un'indicazione di quale parte delle ore nel suo profilo può essere oggi assunta dall'AI. La scansione completa del lavoro, che scompone il lavoro di un'azienda in dettaglio per compiti e capacità in FTE, è ancora in fase di sviluppo.
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.