AI dokáže prevziať veľkú časť pozorovania. AI nemôže prevziať zamietnutie, a už vôbec nie fyzické odstránenie alebo úpravu produktu. To je hranica, ktorá vyplýva z ôsmich osí: rozpoznávanie obrazu je dnes vyvinuté dostatočne na to, aby signalizovalo odchýlky, ale rozhodnutie o tom, čo sa stane so zamietnutým produktom, a s tým súvisiaci úkon, zostávajú na človeku.
Rozhodujúce sú tu tri osi: náklady na chyby, compliance a fyzický charakter úlohy.
Náklady na chyby skórujú nízko, pretože prehliadnutá chyba priamo spôsobuje škodu: produkt, ktorý opustí bránu, hoci nezodpovedá špecifikácii, môže znamenať reklamáciu, stiahnutie z trhu alebo bezpečnostné riziko. Pri úlohe s takýmito dôsledkami žiadna firma neakceptuje systém, ktorý rozhoduje samostatne bez toho, aby ho niekto mohol korigovať.
Compliance skóruje rovnako nízko. Kontrolné protokoly sú často zakotvené v systéme manažérstva kvality, niekedy s externou certifikáciou alebo zákonnou normou v pozadí. Kto zamieta, musí to vedieť zdôvodniť. To nie je technické obmedzenie AI, ale rámec, ktorý vyžaduje, aby rozhodnutie niesol človek.
Fyzický charakter skóruje nízko, pretože dotknutie sa, premiestnenie alebo vrátenie produktu je úkon v reálnom svete. Rozpoznávanie obrazu vidí odchýlku, ale samo nezasiahne.
Naproti tomu štruktúrovanosť a objem vychádzajú priaznivo: kontrolný protokol s pevnými špecifikáciami a opakovanými meraniami je presne ten druh práce, na ktorú sa vizuálne AI modely trénujú. Pri vysokých objemoch, ako je výrobná linka, ktorá denne dodáva tisíce identických dielov, je tento vzorec pre systém dobre rozpoznateľný.
Vo firme, ktorá kontroluje malé diely z hľadiska rozmerov a povrchových chýb, môže vizuálny systém odfotiť a odmerať každý kus a priradiť mu skóre alebo označenie. Operátor následne posudzuje len označené kusy a rozhoduje o zamietnutí. To posúva prácu od „posudzovania každého kusu zvlášť“ k „posudzovaniu výnimiek“. Uvoľnené hodiny sú v rutinnej pozorovacej práci; hodiny, ktoré zostávajú, sú v posudzovaní hraničných prípadov a zdôvodňovaní zamietnutia.
Vo firme, ktorá kontroluje zložitejšie produkty, kde sa chyba prejaví až pri montáži alebo kde norma ponecháva priestor na interpretáciu, je situácia iná. Tam má priestor na úsudok väčšiu váhu, a podiel, ktorý AI zvládne, sa posúva na menší ako pri jednoduchej, silne štandardizovanej kontrole.
Vybavenie musí byť validované: kamera alebo senzor, ktoré nie sú nastavené na správnu toleranciu, poskytujú falošný pocit istoty namiesto kontroly. A konečná zodpovednosť pri zamietnutí zostáva na človeku, nie preto, že by sa AI nedokázala k takémuto úsudku priblížiť, ale preto, že dôsledky nesprávneho rozhodnutia sú príliš veľké na to, aby prebiehali bez človeka. Je to procesná požiadavka, nie technická.
Kontrola kvality nestojí oddelene od zvyšku reťazca. To, čo prichádza dovnútra, musí byť najprv správne zaregistrované: to, ako prebieha prijímanie a evidencia prichádzajúceho tovaru, určuje, či kontrolný systém vôbec pracuje so správnymi údajmi. Naopak, zamietnutie často živí ďalší krok v plánovaní, ako je prepočet toho, čo ešte objednávka potrebuje; pozrite si, ako to súvisí s výpočtom potreby materiálu na objednávku. A štrukturálny nedostatok u dodávateľa sa opäť dotýka otázky, ako sa vybavuje zadávanie nákupných objednávok dodávateľom, pretože opakované zamietnutie je relevantná informácia pre túto voľbu.
Vo firmách s vysokými objemami a jasnými špecifikáciami sa rozpoznávanie obrazu pre kontrolu kvality dnes už používa, nie ako plán do budúcnosti, ale ako bežiaci proces popri operátorovi. Vo firmách so zložitejšími, menej štandardizovanými produktmi je to zatiaľ obmedzené na skúšobné zostavy alebo to zostáva úplne ľudskou prácou. Rozdiel nie je v tom, ako ďaleko je technika, ale v tom, ako predvídateľná je chyba a ako závažné sú dôsledky omylu. To je aj dôvod, prečo tento posun nikdy nie je otázkou „zapnuté alebo vypnuté“: je to podľa úlohy, podľa výrobnej linky, s človekom na mieste, kde rozhodnutie záleží.
Toto nie je personálne poradenstvo ani podklad pre rozhodnutie o nasadení zamestnancov. Ak má posun v úlohách dôsledky pre pracovné pozície, platia preň vlastné zákonné požiadavky; tie sa tu neriešia.
Ak chcete zistiť, ako je to vo vašej vlastnej firme, je užitočné pozrieť sa nielen na kontrolu kvality, ale na celok úloh, z ktorých sa práca skladá. Bezplatný quickscan pozostáva z dvanástich otázok, dá sa vyplniť bez účtu a poskytuje odhad, akú časť hodín vo vašom profile je dnes možné nechať prevziať AI. Kompletný pracovný scan, ktorý prácu firmy do detailu rozčleňuje na úlohy a kapacitu fte, sa ešte pripravuje.
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.