Pienimuotoisessa valmistavassa teollisuudessa on olemassa piilevä, hiljainen pääomavuoto, jota kutsun nimellä näkymätön hylkyvero. Se on jokaisen hylätyn komponentin, jokaisen uudelleenkäsitellyn erän ja jokaisen viallisesta osasta palautetun hyvityksen kumulatiivinen kustannus. Eräässä 12 hengen hienomekaniikkayrityksessä, jonka kanssa työskentelin hiljattain, tämä vero oli huikeat 20 %. He menettivät viidenneksen potentiaalisesta tuotannostaan inhimillisten virheiden vuoksi. Kun he pyysivät minua auttamaan löytämään parhaat tekoälytyökalut valmistavaan teollisuuteen (best AI tools for manufacturing) tämän ratkaisemiseksi, he odottivat minun ehdottavan miljoonan punnan robotiikkauudistusta.
Sen sijaan käytimme valmiita konenäköratkaisuja ja muutamia kuluttajatason kameroita. Kuuden kuukauden kuluessa tuo 20 % virhetaso putosi 2 prosenttiin.
Tämä ei ole vain tarina teknologiasta; se on tarina teollisen älykkyyden demokratisoitumisesta. Vuosikymmenten ajan korkeatasoinen automatisoitu optinen tarkastus (AOI) oli vain Tier 1 -autoteollisuuden toimittajien ja ilmailualan jättiläisten etuoikeus. Nykyään kynnys on madaltunut olemattomiin. Jos johdat pientä konepajaa, et enää tarvitse robotiikan tohtorin tutkintoa ottaaksesi käyttöön maailmanluokan laadunvalvonnan. Tarvitset vain oikean viitekehyksen sen toteuttamiseen.
Väsymyskynnys: Miksi ihminen epäonnistuu johdonmukaisuudessa
💡 Haluatko Pennyn analysoivan liiketoimintaasi? Hän kartoittaa, mitkä roolit tekoäly voi korvata, ja rakentaa vaiheittaisen suunnitelman. Aloita ilmainen kokeilu →
Ennen kuin tarkastelemme työkaluja, meidän on ymmärrettävä, miksi ongelma on olemassa. Ihmiset ovat uskomattomia vivahteiden havaitsemisessa, mutta olemme objektiivisesti huonoja toistuvassa visuaalisessa tarkastustyössä. Kutsun tätä nimellä väsymyskynnys.
Tutkimukset eri toimialoilta – valmistuksesta lääketieteelliseen kuvantamiseen – osoittavat, että jo 20 minuutin toistuvan visuaalisen tehtävän jälkeen inhimilliset virheet lisääntyvät merkittävästi. 12 hengen yrityksessä ”laadunvalvonta” on usein oheistehtävä jollekin, joka on jo valmiiksi kiireinen, tai päätehtävä jollekin, joka on ymmärrettävästi tylsistynyt.
Esimerkkiyrityksessämme 20 % virhetaso ei johtunut taidon puutteesta. Se oli seurausta väsymyskynnyksestä. Ihmissilmä ei havaitse 0,5 mm:n poikkeamaa päivän 400. kappaleen kohdalla. Tekoälymallilla, joka on koulutettu tiettyihin visuaalisiin parametreihin, ei ole tällaista kynnystä. Se on yhtä tarkka kappaleen 10 000 kohdalla kuin se oli ensimmäisen kohdalla. Tämä siirtymä ”ihmisen parhaasta” suorituksesta ”koneen johdonmukaiseen” on ensimmäinen askel missä tahansa valmistavan teollisuuden transformaatiossa.
Ratkaisu: Demokratisoitu konenäkö
Kun auditoimme tuotantotilat, tajusimme, etteivät he tarvinneet mittatilaustyönä rakennettua ratkaisua. He tarvitsivat tavan kääntää olemassa oleva asiantuntemuksensa digitaaliseksi silmäksi. Keskityimme kolmeen erityiseen työkalukategoriaan, jotka edustavat tämän hetken parhaimmistoa pienille ja keskisuurille yrityksille.
1. Koodittomat konenäköalustat (”Aivot”)
Käytimme LandingAI-alustaa (jonka on perustanut Andrew Ng, alan uranuurtaja). Heidän LandingLens-alustansa on suunniteltu juuri tähän: ”toimiala-asiantuntijat” (tuotannon työntekijät, jotka tietävät, miltä ”hyvä” osa näyttää) lataavat valokuvia ja merkitsevät ne. Koodia ei tarvitse kirjoittaa; viat merkitään suoraan näytölle. Tekoäly oppii asiantuntemuksestasi.
2. Edge-laitteisto (”Silmät”)
Teollisia antureita ei tarvita joka tilanteessa. Aloitimme teräväpiirto-web-kameroilla ja AWS Panorama -laitteilla. Tämä mahdollisti videodatan käsittelyn paikallisesti tuotantotiloissa, mikä varmisti, ettei viivettä syntynyt eikä jatkuvaa nopeaa internet-yhteyttä pilveen tarvittu.
3. Integraatiokerrokset (”Hermosto”)
Jotta tästä saataisiin toiminnallista, tekoälyn oli kommunikoitava ihmisten kanssa. Käytimme yksinkertaisia Python-skriptejä ja Zapier-palvelua lähettääksemme välittömiä Slack-hälytyksiä tuotantovastaavalle aina, kun tietyn linjan virhetaso nousi yli 5 prosentin. Tämä siirsi yrityksen ”jälkikäteisestä laadunvalvonnasta” (virheiden löytäminen erän valmistuttua) ”reaaliaikaiseen laadunvalvontaan” (linjan pysäyttäminen heti, kun jotain menee vikaan).
Automaation 90/10-sääntö laadunvalvonnassa
Työssäni satojen yritysten parissa olen kehittänyt automaation 90/10-säännön. Valmistuksen kontekstissa se tarkoittaa, että tekoäly voi hoitaa 90 % rutiininomaisista ja ”ilmiselvistä” tarkastuksista, jolloin ammattitaitoisimmat teknikot voivat keskittyä siihen 10 prosenttiin rajatapauksista, jotka vaativat todellista ammatillista harkintaa.
Automatisoimalla 90 % tarkastuksista 12 hengen yrityksen ei tarvinnut irtisanoa ketään. Sen sijaan he siirsivät kaksi laadunvalvontavastaavaansa prosessien kehittämistehtäviin. He lakkasivat etsimästä virheitä ja alkoivat tutkia, miksi virheitä alun perin tapahtui. Tässä piilee todellinen kumulatiivinen arvo. Kun työntekijät lakkaavat olemasta ”ihmiskameroita”, heistä tulee taas insinöörejä.
Tarkkuuden taloustiede
Puhutaanpa numeroista, sillä siellä parhaat tekoälytyökalut osoittavat arvonsa.
- Ennen tekoälyä: 20 % hylkyprosentti £500,000 vuotuisista materiaalikuluista = £100,000 hukkaan.
- Tekoälyn jälkeen: 2 % hylkyprosentti samoilla kuluilla = £10,000 hukkaan.
Kameroiden, ohjelmistolisenssien ja konsultointini kokonaiskustannukset olivat alle £15,000. Investoinnin tuotto (ROI) saavutettiin alle kahdessa kuukaudessa.
Mutta säästöt eivät rajoittuneet hylkyyn. Koska laatu oli nyt taattu, yritys pystyi ottamaan vastaan korkeamman katteen sopimuksia lääkintälaitteita valmistavilta yrityksiltä, jotka eivät aiemmin olisi edes harkinneet 12 hengen konepajaa. Heidän ”pienuutensa” ei ollut enää riskitekijä, koska heidän tarkkuutensa perustui dataan, ei vain ”parhaaseen yrittämiseen”.
Skaalautuminen tarkastuspöydän ulkopuolelle
Kun konenäkö saadaan toimimaan tuotannossa, seuraava looginen askel on katsoa toimitusketjua ylävirtaan. Löytämämme virheet eivät aina johtuneet koneista; usein ne johtuivat raaka-aineiden laadun pienistä vaihteluista.
Yhdistämällä laadunvalvontadatansa toimitusketjun hallintaan, yritys pystyi tunnistamaan, mitkä toimittajat lähettivät heille ”rajatapaista” materiaalia, joka johti korkeampiin virhetasoihin. He eivät vain korjanneet prosessiaan, vaan myös hankintansa.
Hyödynsimme konenäkölogiikkaa jopa heidän turvajärjestelmiinsä valvoaksemme työturvallisuutta – varmistaen, että henkilöstö käytti oikeita suojavarusteita vaarallisilla alueilla. Tämä on tekoälyn ”voimankerroinvaikutus”: yksi ydinkyvykkyys (konenäkö) ratkaisee ongelmia useilla eri osastoilla.
Miten aloittaa (ilman hämmennystä)
Jos pohdit tehtaallasi tai työpajassasi, miten kopioida tämä, älä aloita ”täydellisellä digitaalisella transformaatiolla”. Aloita yksittäisestä kriittisestä pisteestä.
- Tunnista ”tylsyyden pullonkaula”: Missä ihminen tekee tällä hetkellä toistuvaa visuaalista tehtävää, josta hän todennäköisesti ei pidä? Se on ensimmäinen tekoälypilottisi.
- Kerää ”huonoa” dataa: Tekoälyn on nähtävä, miltä virhe näyttää. Ala ottaa valokuvia jokaisesta hylätystä osasta jo tänään.
- Käytä ensin semiammattilaistason työkaluja: Älä osta £50k mittatilauslaitteistoa. Osta £200:n 4K-kamera ja tilaa Roboflow- tai LandingAI-alusta. Osoita mallin toimivuus työpöydälläsi ennen kuin pulttaat sen kokoonpanolinjaan.
- Omaksu ”Co-Pilot”-ajattelutapa: Kerro tiimillesi totuus – tekoäly on siellä hoitamassa työn tylsän osuuden, jotta he voivat keskittyä osaamista vaativiin tehtäviin.
Todellisuustarkistus
Tekoäly ei ole taikasauva. Se vaatii puhdasta dataa, johdonmukaisen valaistuksen tuotantotiloissa ja halua iteroida. Malli on väärässä ensimmäisenä päivänä. Se on ”ihan okei” kymmenentenä päivänä. Se on ”parempi kuin ihminen” kolmantenana kymmenentenä päivänä.
12 hengen yrityksessä ensimmäinen viikko oli turhauttava. Kamerat menivät sekaisin kattovalojen varjoista. Mutta se on osa prosessia. Säädimme valaistusta (£50:n korjaus) ja virhetaso putosi.
Kuilu menestyvien ja katoavien yritysten välillä seuraavan viiden vuoden aikana määräytyy niiden suhteen omaan dataansa. Maksatko näkymätöntä hylkyveroa, vai investoitko digitaaliseen silmään, joka ei koskaan nuku?
Työkalut ovat valmiina. Kysymys kuuluu: oletko sinä?
Jos olet valmis näkemään, missä tekoäly voi leikata kustannuksia juuri sinun toiminnassasi, tutustu valmistavan teollisuuden säästöoppaitamme tai liity seuraamme osoitteessa aiaccelerating.com rakentaaksesi oman transformaatiosi tiekartan.