AI kan ta över en stor del av tittandet. AI kan inte ta över underkännandet, och absolut inte det fysiska avlägsnandet eller justerandet av en produkt. Det är skiljelinjen som framträder ur de åtta axlarna: bildigenkänning är idag tillräckligt utvecklad för att signalera avvikelser, men beslutet om vad som ska hända med en underkänd produkt och den handling som hör därtill, förblir hos en människa.
Tre axlar avgör här: felkostnader, compliance och uppgiftens fysiska karaktär.
Felkostnader får låg poäng eftersom ett missat fel direkt orsakar skada: en produkt som lämnar fabriken trots att den inte uppfyller specifikationen kan innebära ett klagomål, en återkallelse eller en säkerhetsrisk. Vid en uppgift med sådana konsekvenser accepterar inget företag ett system som beslutar självständigt utan att någon kan justera i efterhand.
Compliance får lika låg poäng. Kontrollprotokoll är ofta fastlagda i ett kvalitetsledningssystem, ibland med en extern certifiering eller lagstadgad norm bakom sig. Den som underkänner måste kunna motivera det. Det är ingen teknisk begränsning hos AI, utan ett ramverk som kräver att en människa bär beslutet.
Fysiskt får låg poäng eftersom det att röra vid, flytta eller lägga tillbaka en produkt är en handling i den verkliga världen. Bildigenkänning ser en avvikelse, men griper inte in av sig själv.
Däremot faller strukturerbarhet och volym gynnsamt ut: ett kontrollprotokoll med fasta specifikationer och upprepade mätningar är precis det slags arbete som visuella AI-modeller tränas på. Vid höga volymer, som en produktionslinje som levererar tusentals identiska komponenter per dag, är det mönstret lätt för ett system att känna igen.
Hos ett företag som kontrollerar små komponenter avseende mått och ytfel kan ett visionssystem fotografera och mäta varje stycke, och tilldela en poäng eller flagga. En operatör granskar därefter endast de flaggade styckena och beslutar om underkännande. Det förskjuter arbetet från "granska varje stycke för sig" till "bedöma undantagen." De timmar som frigörs finns i det rutinmässiga tittandet; de timmar som blir kvar finns i bedömningen av gränsfall och motiveringen av underkännande.
Hos ett företag som kontrollerar mer komplexa produkter, där ett fel först blir synligt vid montering eller där normen lämnar utrymme för tolkning, ligger detta annorlunda. Där är bedömningsutrymmet en större faktor, och den andel som AI klarar förskjuts till mindre än vid enkel, starkt standardiserad kontroll.
Utrustningen måste vara validerad: en kamera eller sensor som inte är anpassad till rätt tolerans ger skenbar säkerhet i stället för kontroll. Och slutansvaret vid underkännande ligger hos en människa, inte för att AI inte skulle kunna komma nära den bedömningen, utan för att konsekvenserna av ett felaktigt beslut är för stora för att låta ske utan mänsklig inblandning. Det är ett processkrav, inte ett tekniskt.
Kvalitetskontroll står inte fristående från resten av kedjan. Det som kommer in måste först vara korrekt registrerat: hur mottagning och registrering av inkommande varor sker avgör om ett kontrollsystem över huvud taget arbetar med rätt uppgifter. Omvänt föder ett underkännande ofta ett efterföljande steg i planeringen, som en omräkning av vad en order fortfarande behöver; se hur det hänger samman med beräkning av materialbehov per order. Och ett strukturellt fel hos en leverantör berör i sin tur frågan om hur placering av inköpsorder hos leverantörer hanteras, eftersom upprepat underkännande är relevant information för det valet.
I företag med höga volymer och tydliga specifikationer används bildigenkänning för kvalitetskontroll redan idag, inte som framtidsplan utan som löpande process vid sidan av operatören. I företag med mer komplexa, mindre standardiserade produkter är det ännu begränsat till försöksuppställningar eller förblir det helt manuellt arbete. Skillnaden ligger inte i hur långt tekniken har kommit, utan i hur förutsägbart felet är och hur tungt konsekvenserna av ett misstag väger. Det är också varför denna förskjutning aldrig är en fråga om "på eller av": det sker uppgift för uppgift, produktlinje för produktlinje, med människan på den plats där beslutet räknas.
Detta är inget personalråd och ingen grund för ett beslut om insättning av medarbetare. Om en förskjutning i uppgifter får konsekvenser för tjänster gäller egna lagstadgade krav för det; de behandlas inte här.
För att se hur detta ligger till för ert eget företag är det till nytta att inte bara titta på kvalitetskontroll, utan på helheten av uppgifter som arbetet består av. Den kostnadsfria snabbanalysen består av tolv frågor, kan genomföras utan konto och ger en indikation på vilken andel av timmarna i er profil som idag kan tas över av AI. Den fullständiga arbetsanalysen, som bryter ner ett företags arbete i detalj till uppgifter och heltidskapacitet, är fortfarande under uppbyggnad.
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.