AI może przejąć dużą część patrzenia. AI nie może przejąć odrzucania, a zwłaszcza nie fizycznego usuwania lub korygowania produktu. To jest linia podziału, która wynika z ośmiu osi: rozpoznawanie obrazu jest dziś rozwinięte na tyle, by sygnalizować odchylenia, ale decyzja o tym, co ma się stać z odrzuconym produktem, oraz czynność z tym związana, pozostają przy człowieku.
Trzy osie decydują o tym najbardziej: koszty błędów, zgodność z przepisami i fizyczny charakter zadania.
Koszty błędów są ocenione niska, ponieważ przeoczona wada powoduje bezpośrednią szkodę: produkt, który wychodzi za drzwi, mimo że nie spełnia specyfikacji, może oznaczać reklamację, wycofanie z rynku lub ryzyko dla bezpieczeństwa. Przy zadaniu z takimi konsekwencjami żadna firma nie zaakceptuje systemu, który samodzielnie decyduje, bez możliwości korekty przez człowieka.
Zgodność z przepisami jest oceniona równie niska. Protokoły kontroli są często ustalone w systemie zarządzania jakością, czasem z zewnętrzną certyfikacją lub normą prawną w tle. Kto odrzuca, musi to móc uzasadnić. To nie jest techniczne ograniczenie AI, lecz ramy, które wymagają człowieka odpowiedzialnego za decyzję.
Aspekt fizyczny jest oceniony niska, ponieważ dotykanie, przemieszczanie lub odkładanie produktu jest czynnością w realnym świecie. Rozpoznawanie obrazu widzi odchylenie, ale nie ingeruje samo z siebie.
Naprzeciw tego stoją ustrukturyzowanie i wolumen, które wypadają korzystnie: protokół kontroli ze stałymi specyfikacjami i powtarzanymi pomiarami to właśnie ten rodzaj pracy, na którym są trenowane wizualne modele AI. Przy wysokich wolumenach, jak linia produkcyjna dostarczająca tysiące identycznych części dziennie, taki wzorzec jest dla systemu łatwy do rozpoznania.
W firmie, która kontroluje małe części pod względem wymiarów i wad powierzchni, system wizyjny może fotografować i mierzyć każdą część oraz przypisywać wynik lub oznaczenie. Operator następnie sprawdza tylko oznaczone części i decyduje o odrzuceniu. To przesuwa pracę z „oglądania każdej części osobno” na „ocenianie wyjątków.” Godziny, które się uwalniają, to te przy rutynowej pracy wizualnej; godziny, które pozostają, to te przy ocenie przypadków granicznych i uzasadnianiu odrzucenia.
W firmie, która kontroluje bardziej złożone produkty, gdzie wada staje się widoczna tylko podczas montażu lub gdzie norma pozostawia miejsce na interpretację, sytuacja jest inna. Tam przestrzeń na ocenę jest większym czynnikiem, a udział, który może przejąć AI, przesuwa się w stronę mniejszej wartości niż przy prostej, silnie zestandaryzowanej kontroli.
Sprzęt musi być zwalidowany: kamera lub czujnik, który nie jest dostrojony do właściwej tolerancji, daje pozorne poczucie pewności, a nie kontrolę. A ostateczna odpowiedzialność przy odrzuceniu leży przy człowieku, nie dlatego że AI nie mogłoby przybliżyć się do tej oceny, lecz ponieważ konsekwencje błędnej decyzji są za duże, aby pozwolić im przebiegać bez człowieka. To jest wymóg procesowy, nie techniczny.
Kontrola jakości nie jest oddzielona od resztą łańcucha. To, co przychodzi, musi być najpierw prawidłowo zarejestrowane: sposób, w jaki przebiega przyjmowanie i rejestrowanie towarów przychodzących, decyduje o tym, czy system kontroli w ogóle pracuje na właściwych danych. Z drugiej strony odrzucenie często zasila kolejny etap planowania, taki jak przeliczenie tego, co jeszcze potrzebne jest do zamówienia; zobacz, jak to się łączy z obliczaniem potrzeb materiałowych na zamówienie. A strukturalna wada u dostawcy dotyka z kolei kwestii, jak jest realizowane składanie zamówień zakupowych u dostawców, ponieważ powtarzające się odrzucenia to istotna informacja dla tego wyboru.
W firmach z wysokimi wolumenami i jasnymi specyfikacjami rozpoznawanie obrazu do kontroli jakości jest już dziś w użyciu, nie jako plan na przyszłość, lecz jako trwający proces obok operatora. W firmach z bardziej złożonymi, mniej zestandaryzowanymi produktami jest to jeszcze ograniczone do prób testowych lub pozostaje całkowicie pracą ludzką. Różnica nie leży w tym, jak daleko posunięta jest technika, lecz w tym, jak przewidywalna jest wada i jak dużo waży skutek błędu. To jest też powód, dla którego to przesunięcie nigdy nie jest kwestią „włączone czy wyłączone”: odbywa się per zadanie, per linia produktowa, z człowiekiem w miejscu, gdzie decyzja się liczy.
To nie jest porada dotycząca personelu i nie jest uzasadnieniem decyzji o zatrudnieniu pracowników. Jeśli przesunięcie zadań ma konsekwencje dla stanowisk, obowiązują dla tego własne wymogi prawne; nie są one tutaj omawiane.
Aby zobaczyć, jak to wygląda w przypadku własnej firmy, warto spojrzeć nie tylko na kontrolę jakości, lecz na całość zadań, z których składa się praca. Bezpłatny quickscan składa się z dwunastu pytań, można go przejść bez konta i daje wskazanie, jaka część godzin w Państwa profilu może być dziś przejęta przez AI. Pełny werkscan, który rozkłada pracę firmy szczegółowo na zadania i pojemność etatów, jest jeszcze w budowie.
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.