AI lahko prevzame velik del opazovanja. AI ne more prevzeti zavrnitve, in zagotovo ne fizičnega odstranjevanja ali prilagajanja izdelka. To je meja, ki izhaja iz osmih osi: prepoznavanje slik je danes dovolj razvito, da lahko zazna odstopanja, vendar odločitev o tem, kaj se zgodi z zavrnjenim izdelkom, in dejanje, ki spremlja to odločitev, ostajata pri človeku.
Tri osi tukaj odločajo: stroški napak, skladnost in fizični značaj naloge.
Stroški napak dosežejo nizko oceno, ker spregledana napaka takoj povzroči škodo: izdelek, ki gre skozi vrata, čeprav ne ustreza specifikaciji, lahko pomeni pritožbo, umik izdelka ali varnostno tveganje. Pri nalogi s takšnimi posledicami nobeno podjetje ne sprejme sistema, ki samostojno odloča, brez da bi lahko kdo popravil smer.
Skladnost dosega enako nizko oceno. Protokoli pregleda so pogosto zapisani v sistemu vodenja kakovosti, včasih z zunanjo certifikacijo ali zakonskim standardom v ozadju. Kdor zavrne izdelek, mora to lahko utemeljiti. To ni tehnična omejitev AI, temveč okvir, ki zahteva človeka, ki nosi odločitev.
Fizični vidik dosega nizko oceno, ker dotikanje, premikanje ali vračanje izdelka pomeni dejanje v resničnem svetu. Prepoznavanje slik zazna odstopanje, vendar ne poseže samodejno.
Nasproti temu stojita strukturiranost in obseg, ki izpadeta ugodno: protokol pregleda s fiksnimi specifikacijami in ponavljajočimi se meritvami je prav tista vrsta dela, za katero se usposabljajo vizualni modeli AI. Pri velikih obsegih, kot je proizvodna linija, ki dnevno dostavi tisoče identičnih delov, sistem ta vzorec zlahka prepozna.
Pri podjetju, ki preverja majhne dele glede na dimenzije in površinske napake, lahko vizijski sistem vsak kos fotografira in izmeri ter mu dodeli oceno ali oznako. Operater si nato ogleda le označene kose in se odloči o zavrnitvi. To premakne delo od »posamičnega pregledovanja vsakega kosa« k »ocenjevanju izjem«. Ure, ki se sprostijo, so vezane na rutinsko opazovanje; ure, ki ostanejo, so vezane na presojanje mejnih primerov in utemeljevanje zavrnitve.
Pri podjetju, ki pregleduje bolj kompleksne izdelke, kjer napaka postane vidna šele ob montaži ali kjer standard dopušča prostor za interpretacijo, je situacija drugačna. Tam je prostor za presojo večji dejavnik, in delež, ki ga lahko prevzame AI, se premakne na manj kot pri enostavnem, močno standardiziranem nadzoru.
Oprema mora biti validirana: kamera ali senzor, ki ni usklajen s pravo toleranco, daje navidezno gotovost namesto nadzora. In končna odgovornost pri zavrnitvi ostaja pri človeku, ne ker AI ne bi zmogel približati te presoje, temveč ker so posledice napačne odločitve preveliki, da bi jih pustili teči brez človeka. To je procesna zahteva, ne tehnična.
Nadzor kakovosti ni ločen od preostale verige. Kar prispe, mora biti najprej pravilno registrirano: kako poteka sprejem in vpisovanje prispelega blaga, določa, ali sistem pregleda sploh dela s pravimi podatki. Obratno, zavrnitev pogosto sproži naslednji korak v načrtovanju, kot je ponoven izračun tega, kar naročilo še potrebuje; poglejte, kako je to povezano z izračunom potrebnih materialov po naročilu. In strukturna napaka pri dobavitelju ponovno vpliva na vprašanje, kako se obravnava oddajanje naročil dobaviteljem, saj je ponavljajoča se zavrnitev pomembna informacija za to odločitev.
V podjetjih z velikimi obsegi in jasnimi specifikacijami je prepoznavanje slik za nadzor kakovosti danes že v uporabi, ne kot načrt za prihodnost, temveč kot tekoč proces poleg operaterja. V podjetjih z bolj kompleksnimi, manj standardiziranimi izdelki je to še omejeno na poskusne postavitve ali ostaja v celoti ročno delo. Razlika ni v tem, kako daleč je tehnologija, temveč v tem, kako predvidljiva je napaka in kako težko tehtajo posledice napake. Zato ta premik nikoli ni vprašanje »vklopljeno ali izklopljeno«: gre za posamezno nalogo, posamezno proizvodno linijo, s človekom na mestu, kjer odločitev šteje.
To ni kadrovski nasvet in ne utemeljitev za odločitev o zaposlovanju sodelavcev. Če premik v nalogah vpliva na delovna mesta, veljajo zanje lastne zakonske zahteve; te tukaj niso obravnavane.
Da bi videli, kako je to za vaše lastno podjetje, je koristno pogledati ne samo nadzor kakovosti, temveč celoto nalog, iz katerih je sestavljeno delo. Brezplačni hitri pregled je sestavljen iz dvanajstih vprašanj, izvedete ga lahko brez računa in ponuja oceno, kolikšen delež ur v vašem profilu je danes mogoče prevzeti z AI. Popolni delovni pregled, ki delo podjetja razčleni do podrobnosti po nalogah in kapaciteti FTE, je še v izdelavi.
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.