Pastarąjį dešimtmetį praleidau analizuodamas įmonių, gaminančių fizinius daiktus, skaičiuokles. Nesvarbu, ar tai būtų specializuotos kavos skrudinimas, tikslioji inžinerija, ar ekologiškų užkandžių gamyba, viena eilutė visuomet išlieka tarsi įsisenėjusi mėlynė: Išeigos atotrūkis (angl. The Yield Gap).
Maisto gamybos pasaulyje šis atotrūkis paprastai yra „leistinų nuostolių“ rezultatas – tie 5–12 % produkcijos, kuri atsiduria šiukšliadėžėje, nes buvo perkepta, suminkštėjusi ar klaidingai paženklinta. Mažam verslui tai nėra tik atliekos; tai visa jūsų grynoji marža, tiesiogine prasme dingstanti sąvartyne.
Dauguma savininkų mano, kad norint tai sutvarkyti, reikia šešiaženklių investicijų į „išmaniąsias“ konvejerio juostas ir Siemens jutiklius. Tačiau neseniai dirbau su mažu daržovių traškučių gamintoju, kuris įrodė, kad šis požiūris klaidingas. Jie pasiekė DI diegimo mažajame versle sėkmės istoriją, kuri skamba kaip mokslinė fantastika: jie sumažino defektų kiekį nuo 10 % iki beveik nulio, naudodami 400 £ kainuojantį išmanųjį telefoną ir specializuotą vaizdo atpažinimo modelį.
Štai kaip tiksliai jie tai padarė ir kodėl „Aparatinės įrangos deficito klaida“ greičiausiai yra vienintelė kliūtis, skirianti jus nuo korporacinio lygio kokybės kontrolės.
Problema: vizualinės patikros trapumas
💡 Norite Penny analizuoti jūsų verslą? Ji nustato, kuriuos vaidmenis AI gali pakeisti, ir sudaro etapinį planą. Pradėkite nemokamą bandomąją versiją →
Įmonė – pavadinkime ją „Root & Crisp“ – gamina aukščiausios kokybės pastarnokų ir burokėlių traškučius. Didžiausias jų galvos skausmas buvo „perdegimas“. Jei keptuvės temperatūra pakildavo net dviem laipsniais, dalis partijos per daug karamelizuodavosi.
Žmonės stebėtinai prastai pastebi šiuos defektus didelės spartos aplinkoje. Po keturių valandų pamainos darbuotojo „vizualinis atskaitos taškas“ pasislenka. Jie pradeda priimti šiek tiek tamsesnį traškutį kaip „tinkamą“, nes jų matė jau dešimt tūkstančių. Tai aš vadinu Nuovargio gradientu. Kol maišelis pasiekdavo prekybos centrą, kokybė būdavo nevienoda.
Analizuodami jų maisto ir gėrimų gamybos sutaupymus, supratome, kad jie kas mėnesį praranda 4 200 £ žaliavoms ir veltui švaistomam darbui.
Sprendimas: vartotojiškos aparatinės įrangos šuolis
Tradicinės pramoninės vaizdo sistemos (Cognex ar Keyence) yra puikios, tačiau jų kaina pritaikyta „Coca-Cola“, o ne mažam verslui, įsikūrusiam renovuotame kluone. Joms reikalingos patentuotos kameros, specializuotas apšvietimas ir PLC (programuojamo loginio valdiklio) integratorius, kuris ima 1 500 £ už dieną.
Mes visa tai aplenkėme pasinaudodami Vartotojiškos aparatinės įrangos šuoliu.
Tai principas, apie kurį dažnai kalbu: šiuolaikinio išmaniojo telefono jutikliai dabar yra pajėgesni už pramoninius jutiklius, naudotus prieš penkerius metus.
Sąranka
- Aparatinė įranga: Atnaujintas iPhone 13 (pasirinktas dėl jame esančio NPU – neuroninio apdorojimo bloko), sumontuotas vandeniui atspariame, vibracijas slopinančiame korpuse 40 cm virš aušinimo juostos.
- Programinė įranga: Individualiai apmokytas YOLO („You Only Look Once“) vaizdo modelis. Mes nesamdėme programuotojo, kad šis jį parašytų nuo nulio. Naudojome mažo kodo (angl. low-code) kompiuterinės regos platformą, kurioje savininkas tiesiog įkėlė 200 „gerų traškučių“ ir 200 „perdegusių traškučių“ nuotraukų.
- Veiksmas: Telefonas buvo prijungtas prie vietinio „Wi-Fi“. Kai DI aptikdavo „perdegusį“ traškutį, jis per milisekundę nusiųsdavo signalą į 20 £ kainuojantį Raspberry Pi, kuris aktyvuodavo nedidelį pneumatinį oro pūstelėjimą, nupučiantį defektuotą produktą nuo juostos.
Bendra sąrankos kaina? Mažiau nei 800 £.
Kodėl dauguma DI diegimų žlunga (ir kodėl šis pavyko)
Dauguma žmonių susikoncentruoja į „DI“ ir pamiršta „Diegimą“. „Root & Crisp“ pasisekė, nes jie nebandė išspręsti „kokybės“ problemos – jie bandė išspręsti „perdegimo“ problemą.
Tai yra pagrindinis sėkmingos DI diegimo mažajame versle strategijos ramstis: 90/10 taisyklė. Kai DI perima 90 % pasikartojančios vizualinės užduoties, darbuotojai nėra pakeičiami; jie išlaisvinami. Užuot žiūrėję į konvejerį, kol pradės skaudėti akis, komanda sutelkė dėmesį į 10 % užduočių, kurioms reikia įžvalgumo, pavyzdžiui, prieskonių mišinio reguliavimą arba gamybos tiekimo grandinės išlaidų valdymą.
Aparatinės įrangos deficito klaida
Tai matau visuose sektoriuose. Teisės firma mano, kad jiems reikia individualaus LLM; mažmenininkas mano, kad jiems reikia specialiai pritaikyto inventoriaus roboto. Jie tiki, kad turi „aparatinės“ ar „programinės“ įrangos deficitą.
Tikrovėje jie turi Procesų perdavimo deficitą.
Jie neperkėlė savo žmogiškosios patirties į formatą, kurį suprastų DI. „Root & Crisp“ savininkas praleido tris valandas „mokydamas“ DI, kaip atrodo blogas traškutis. Tai buvo vertingiausias darbas, kurį jis atliko per visus metus. Jis ne tik sutvarkė konvejerį; jis skaitmenizavo savo patirtį.
Kai ši patirtis atsiduria debesyje, ji niekada nepavargsta, niekada neina pietauti ir neturi „Nuovargio gradiento“.
Antriniai efektai: ne tik atliekos
Tiesioginė pergalė buvo 10 % sumažintas atliekų kiekis. Tačiau antriniai efektai verslo rezultatams buvo dar reikšmingesni:
- Padidėjęs linijos greitis: Kadangi „vizualinis sargybinis“ defektus fiksavo akimirksniu, jie galėjo padidinti juostos greitį 15 %. Žmonės negalėjo suspėti su didesniu greičiu, tačiau DI tai nerūpėjo.
- Draudimas ir atitiktis: Dabar jie turi kiekvienos partijos skaitmeninį žurnalą. Jei klientas pasiskundžia, jie gali peržiūrėti tos valandos vaizdo įrašų žurnalą. Tai drastiškai sumažino jų IT palaikymo ir atitikties pridėtines išlaidas.
- Prekės ženklo premija: Jie pradėjo reklamuoti savo „nulinio defekto garantiją“. Tai leido jiems padidinti didmeninę kainą 4 %, nes mažmenininkai žinojo, kad kiekvienas maišelis yra tobulas.
Kaip pradėti savo DI vaizdo atpažinimo kelionę
Norint tai padaryti, nebūtina būti technologijų įmone. Jei jūsų verslas susijęs su fizinių objektų judėjimu – nesvarbu, ar tai būtų dėžių pakavimas, skalbinių rūšiavimas ar komponentų surinkimas – jūs esate kandidatas DI vaizdo atpažinimui.
1 žingsnis: nustatykite „vizualinį mokestį“
Kur jūsų darbuotojai leidžia laiką tiesiog žiūrėdami į daiktus, kad įsitikintų, jog jie nesugadinti? Tai jūsų atspirties taškas.
2 žingsnis: nustokite ieškoti „pramoninių“ sprendimų
Pradėkite nuo mobiliojo telefono ir trikojo. Yra dešimtys „be kodo“ (angl. no-code) vaizdo platformų (tokių kaip Roboflow, Lobe ar net Google Vertex AI), kurios leidžia apmokyti modelį naudojant savo nuotraukas. Jei tai veikia ant trikojo, tada galite galvoti apie nuolatinį montavimą.
3 žingsnis: išspręskite veiksmą, o ne tik įžvalgą
Žinojimas, kad traškutis perdegęs, yra bevertis, jei jo nepašalinate. Čia dauguma mažų įmonių sustoja. Ieškokite „paprastos logikos“ trigerių. Ar DI gali nusiųsti žinutę į Slack? Ar jis gali suaktyvinti relę? Ar jis gali sustabdyti konvejerį?
Penny perspektyva: tikslumo demokratizacija
Dešimtmečius „tikslumas“ buvo prabanga, skirta tik Fortune 500 įmonėms. Mažos įmonės išgyveno su nuostata „pakankamai gerai“, nes „tobulumo“ kaina buvo per didelė.
Ši era baigėsi.
Dabar gyvename demokratizuoto sargybinio amžiuje. Didelės galios mobiliosios įrangos ir prieinamų DI modelių derinys reiškia, kad trijų asmenų užkandžių įmonė dabar gali turėti geresnę kokybės kontrolę nei tarptautinis konglomeratas prieš penkerius metus.
Tai ne tik apie pinigų taupymą traškučiams. Tai esminis mažojo verslo ekonomikos pokytis. Pašalinę „atliekų mokestį“, pakeičiate žaidimo taisykles. Iš bandymo išgyventi su mažomis maržomis pereinate prie klestėjimo per tikslumą.
Jei vis dar laukiate, kol ateis „žmogus“ ir įdiegs „tikrą“ sistemą, jūs praleidžiate didžiausią savo gyvenimo konkurencinį pranašumą. Įrankiai jau yra jūsų kišenėje.
Ko jūs laukiate?