A IA pode assumir uma grande parte do observar. A IA não pode assumir o rejeitar, e certamente não a remoção ou o ajuste físico de um produto. Essa é a linha divisória que emerge dos oito eixos: o reconhecimento de imagem está hoje suficientemente desenvolvido para sinalizar desvios, mas a decisão sobre o que acontece com um produto rejeitado e a ação que lhe está associada permanecem com uma pessoa.
Três eixos são aqui decisivos: custos de erro, compliance e o caráter físico da tarefa.
Os custos de erro pontuam baixo porque um defeito não detetado causa dano direto: um produto que sai pela porta sem cumprir a especificação pode significar uma reclamação, uma ação de recolha ou um risco de segurança. Numa tarefa com tais consequências, nenhuma empresa aceita um sistema que decida de forma autónoma sem que alguém possa corrigir o rumo.
A compliance pontua igualmente baixo. Os protocolos de inspeção estão frequentemente fixados num sistema de gestão da qualidade, por vezes com uma certificação externa ou norma legal por trás. Quem rejeita tem de conseguir justificá-lo. Essa não é uma limitação técnica da IA, mas sim um enquadramento que exige uma pessoa que assuma a decisão.
O caráter físico pontua baixo porque tocar, deslocar ou recolocar um produto é uma ação no mundo real. O reconhecimento de imagem vê um desvio, mas não intervém por si só.
Em contrapartida, a estruturação e o volume revelam-se favoráveis: um protocolo de inspeção com especificações fixas e medições repetidas é exatamente o tipo de trabalho para o qual os modelos de IA visual são treinados. Com volumes elevados, como uma linha de produção que entrega milhares de peças idênticas por dia, esse padrão é fácil de reconhecer para um sistema.
Numa empresa que controla peças pequenas quanto a dimensões e defeitos de superfície, um sistema de visão pode fotografar e medir cada peça, atribuindo uma pontuação ou sinalização. Um operador analisa depois apenas as peças sinalizadas e decide sobre a rejeição. Isto desloca o trabalho de "analisar cada peça individualmente" para "avaliar as exceções". As horas libertadas encontram-se no trabalho de observação rotineiro; as horas que permanecem encontram-se na avaliação de casos limite e na justificação da rejeição.
Numa empresa que inspeciona produtos mais complexos, onde um defeito só se torna visível na montagem ou onde a norma deixa espaço para interpretação, a situação é diferente. Aí a margem de julgamento é um fator maior, e a parte que a IA consegue assumir desloca-se para menos do que num controlo simples e altamente padronizado.
O equipamento tem de estar validado: uma câmara ou sensor que não esteja calibrado para a tolerância correta dá uma falsa sensação de segurança em vez de controlo. E a responsabilidade final na rejeição recai sobre uma pessoa, não porque a IA não conseguisse aproximar-se desse julgamento, mas porque as consequências de uma decisão errada são demasiado grandes para deixar correr sem uma pessoa. Essa é uma exigência processual, não técnica.
O controlo de qualidade não está isolado do resto da cadeia. O que entra tem primeiro de estar bem registado: a forma como decorre a receção e o registo de mercadorias recebidas determina se um sistema de inspeção sequer trabalha com os dados corretos. Inversamente, uma rejeição alimenta frequentemente um passo seguinte no planeamento, como o recálculo do que uma encomenda ainda necessita; veja como isso se relaciona com o cálculo da necessidade de material por encomenda. E um defeito estrutural num fornecedor toca novamente na questão de como é tratada a colocação de encomendas de compra junto de fornecedores, pois a rejeição repetida é informação relevante para essa escolha.
Em empresas com volumes elevados e especificações claras, o reconhecimento de imagem para controlo de qualidade já está hoje em uso, não como plano futuro mas como processo corrente ao lado do operador. Em empresas com produtos mais complexos e menos padronizados, isso ainda se limita a configurações experimentais ou continua a ser inteiramente trabalho humano. A diferença não está no quão avançada está a tecnologia, mas em quão previsível é o defeito e quão pesadas pesam as consequências de um erro. É também por isso que esta mudança nunca é uma questão de "ligado ou desligado": é por tarefa, por linha de produto, com a pessoa no lugar onde a decisão conta.
Isto não é um conselho de pessoal nem uma fundamentação para uma decisão sobre a afetação de colaboradores. Se uma mudança nas tarefas tiver consequências para funções, aplicam-se aí requisitos legais próprios, que aqui não são abordados.
Para ver como isto se aplica à sua própria empresa, é útil olhar não apenas para o controlo de qualidade, mas para o conjunto de tarefas que compõem o trabalho. O quickscan gratuito consiste em doze perguntas, pode ser realizado sem conta e dá uma indicação de que parte das horas no seu perfil pode hoje ser assumida pela IA. O scan de trabalho completo, que discrimina o trabalho de uma empresa em detalhe por tarefas e capacidade de fte, está ainda em construção.
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.