Ištisus dešimtmečius aukšto lygio automatizuota patikra buvo prabanga, prieinama tik „Fortune 500“ bendrovėms. Jei norėdavote, kad mašina pastebėtų vos matomą įtrūkimą komponente ar trūkstamą siūlę drabužyje, turėdavote samdyti specializuotą integratorių, sumontuoti £50,000 vertės „Cognex“ kameras ir tikėtis, kad jūsų IT skyrius sugebės prižiūrėti nuosavą serverį, kuriame veikia visa sistema.
Ši era baigėsi. Šiandien galingiausias kokybės kontrolės įrankis jūsų dirbtuvėse nėra specializuotas pramoninis jutiklis – tai išmanusis telefonas jūsų kišenėje.
Supratimas, kaip naudoti DI gamyboje, pasikeitė iš kapitalo išlaidų (CAPEX) iššūkio į įgyvendinimo iššūkį. Barjeras nebėra aparatinės įrangos kaina; tai proceso aiškumas. Stebėjau, kaip nedidelės tiksliosios inžinerijos įmonės ir nišiniai gamintojai rankinę priežiūrą pakeitė kompiuterinio regėjimo modeliais, kurie yra 10 kartų greitesni ir žymiai nuoseklesni, ir visa tai pasiekiama naudojant įprastus įrenginius.
Aparatinės įrangos melas
💡 Norite Penny analizuoti jūsų verslą? Ji nustato, kuriuos vaidmenis AI gali pakeisti, ir sudaro etapinį planą. Pradėkite nemokamą bandomąją versiją →
Gamybos pramonei ilgus metus buvo peršamas melas: kad pramoniniam DI reikalinga „pramoninio lygio“ aparatinė įranga. Nors specializuoti jutikliai yra būtini ekstremalioms aplinkoms – pavyzdžiui, aukštos temperatūros plieno gamykloms ar povandeniniams kabeliams – didžioji dauguma kokybės kontrolės procesų vyksta standartinėmis aplinkos sąlygomis.
Šiuolaikinių išmaniųjų telefonų kameros savo raiška ir jautrumu šviesai pralenkė pramonines kameras, naudotas vos prieš penkerius metus. Kai tai suderinate su debesijos galimybėmis apdoroti vaizdus naudojant neuroninius tinklus, įėjimo kaina tiesiog išnyksta. Užuot pirkę užsakomąją įrangą, jūs iš esmės pritaikote vartotojų elektroniką profesionalaus lygio darbui atlikti. Šis pokytis yra esminė dalis optimizuojant sutaupymus gamybos įrangai, nes intelektas perkeliamas iš fizinio jutiklio į programinės įrangos lygmenį.
Pristatome „Piliečio inspektoriaus“ sistemą
Kai dirbu su verslo savininkais diegiant DI gamybos ceche, naudojame modelį, kurį vadinu „Piliečio inspektoriaus“ sistema (angl. Citizen Inspector Framework). Tai nėra jūsų labiausiai patyrusio meistro pakeitimas; tai jo „nuojautos“ skaitmenizavimas.
Kiekvienose dirbtuvėse yra žmogus – pavadinkime jį Jonu – kuris gali pažvelgti į detalę ir tiesiog žinoti, kad ji brokuota. Problema ta, kad Jonas negali patikrinti 10,000 detalių per dieną. Jis pavargsta. Jis išsiblaško. Jis išeina į pensiją.
„Piliečio inspektoriaus“ sistema susideda iš trijų skirtingų etapų:
1. Standartizavimo etapas
DI yra tiek geras, kiek geri yra duomenys, kuriuos jis mato. Jei jūsų išmaniojo telefono kamera juda arba apšvietimas keičiasi kaskart, kai pro langą praplaukia debesis, DI bus sunku. Jums nereikia sterilios patalpos, bet jums reikia kontroliuojamos aplinkos fiksavimo įtaiso.
Tai paprastas, 3D spausdintuvu atspausdintas arba medinis rėmas, kuris laiko išmanųjį telefoną nustatytu atstumu ir kampu nuo tikrinamos detalės. Pridėkite £20 kainuojantį LED žiedinį šviestuvą, kad užtikrintumėte nuolatinį apšvietimą. Standartizavę įvestį, išsprendėte 80 % techninių kompiuterinio regėjimo sunkumų.
2. Komandos patirties fiksavimas
Šiame etape mes skaitmenizuojame „Joną“. Padarote 100 puikių detalių nuotraukų ir 100 brokuotų detalių nuotraukų. Tada naudojate „žymėjimo“ įrankį, kad apvestumėte defektus – įbrėžimus, atplaišas, spalvos pakitimus.
Tai gyvybiškai svarbi dalis šiuolaikiniuose gamybos mokymuose. Užuot mokę naujus darbuotojus pastebėti defektus (kas gali užtrukti mėnesius mokinystės), jūs mokote juos apmokyti modelį. Taip išsauguojama įmonės intelektinė nuosavybė skaitmeniniu formatu, kuris niekada nieko nepamiršta ir niekada neišeina pas konkurentus.
3. 90/10 diegimas
Verslo automatizavime dažnai kalbu apie 90/10 taisyklę. Gamyboje DI gali atlikti 90 % rūšiavimo. Jis identifikuoja akivaizdžiai gerus ir akivaizdžiai blogus gaminius. Likę 10 % – „ribiniai atvejai“, kai DI nėra tikras – pažymimi, kad juos peržiūrėtų žmogus. Tai ne tik taupo laiką; tai pakylėja žmogaus vaidmenį nuo pasikartojančio skenavimo iki aukšto lygio sprendimų priėmimo.
Realaus pasaulio ekonomika: DI prieš status quo
Pakalbėkime apie skaičius. Tradicinė rankinė patikra mažoje dirbtuvėje gali reikalauti, kad darbuotojas praleistų 20 valandų per savaitę tikrindamas tolerancijas. Mokant £25/val. (įskaitant pridėtines išlaidas), tai sudaro £26,000 per metus už procesą, kuris dėl žmogaus nuovargio yra geriausiu atveju 85 % tikslus.
Išmaniojo telefono pagrindu sukurta DI sistema, naudojanti tokias platformas kaip „Roboflow“ ar „Landing AI“, gali kainuoti £100 per mėnesį prenumeratos mokesčiais ir £0 naujai aparatinei įrangai. Tikslumas dažnai šokteli iki 99 %, nes DI neturi „blogų pirmadienių“.
Be to, perkeldami savo kokybės kontrolę į DI prioritetu pagrįstą modelį, drastiškai sumažinate savo einamąsias IT palaikymo išlaidas. Tradicinėms pramoninėms sistemoms sutaisyti reikia specializuotų technikų. Šiuolaikines išmaniųjų telefonų programėles prižiūri programinės įrangos tiekėjai, todėl turite sistemą, kuri „tiesiog veikia“ įrenginiuose, kuriais jūsų komanda jau moka naudotis.
Pramonės prarajos įveikimas
Kodėl dabar tai veikia taip gerai? Taip yra dėl koncepcijos, vadinamos perkeltuoju mokymusi (angl. Transfer Learning).
Anksčiau DI turėjo būti mokomas matyti nuo nulio. Dabar naudojame modelius, kurie jau buvo apmokyti naudojant milijonus bendrinių vaizdų. Jie jau „supranta“, kaip atrodo briaunos, šešėliai ir tekstūros. Kai parodote jam savo konkrečią apdirbtą detalę, jis nesimoko matyti; jis tiesiog mokosi, kaip atrodo jūsų „sugadinta“ versija.
Matome tą pačią modelių atpažinimo sėkmę ir kitose srityse. Dermatologijoje DI valdomos išmaniųjų telefonų programėlės dabar pastebi odos vėžį tiksliau nei šeimos gydytojai. Jei telefonas gali atpažinti mikroskopinį nelygumą žmogaus audinyje, jis tikrai gali atpažinti 1 mm nuokrypį CNC staklėmis pagamintame laikiklyje.
Kaip pradėti (Pirmadienio ryto planas)
Jei norite sužinoti, kaip naudoti DI gamyboje neviršijant biudžeto, pradėkite nuo mažų žingsnių. Nebandykite automatizuoti visos linijos iš karto.
- Identifikuokite „didžiausio broko“ kaltininką: Kuri jūsų proceso dalis sukuria daugiausiai atliekų dėl per vėlai pastebėtų defektų?
- Sukurkite fiksavimo įtaisą: Pritvirtinkite seną „iPhone“ ar „Android“ telefoną prie stabilaus stovo.
- Rinkite duomenis: Skirkite vieną dieną fotografuodami kiekvieną rastą defektą.
- Sukurkite prototipą: Naudokite vizualinio programavimo nereikalaujančią (no-code) platformą, kad pamatytumėte, ar DI gali pastebėti skirtumą.
Transformacija yra kultūrinė, o ne techninė
Didžiausia kliūtis nėra programinė įranga – tai įsitikinimas, kad DI yra „per didelis“ jūsų dirbtuvėms. Dirbau su dešimtimis savininkų, kurie manė, kad nėra pakankamai „techniški“, tik tam, kad suprastų, jog jie iš tikrųjų yra duomenų ekspertai – jie tiesiog neturėjo būdo tiems duomenims apdoroti.
Jūsų cechas jau dabar generuoja tūkstančius duomenų taškų kasvalandą. Kiekviena detalė, kuri praeina pro darbuotojo rankas, yra informacija. Naudodami išmanųjį telefoną kaip pramoninio lygio jutiklį, jūs pagaliau užfiksuojate tą informaciją ir paverčiate ją konkurenciniu pranašumu.
Tai ne tik pinigų taupymas. Tai tapimas verslu, kuris gali garantuoti 100 % kokybę rinkoje, kurioje jūsų konkurentai vis dar prisimerkę apžiūrinėja detales po staline lempa. Kuris iš jų norite būti jūs?
Jei esate pasirengę peržiūrėti konkrečius sutaupymus, galimus jūsų atveju, pasinerkite į mūsų gamybos įrangos vadovą ir kibkime į darbą.