Son on yılımı fiziksel ürünler üreten işletmelerin e-tablolarını inceleyerek geçirdim. İster nitelikli kahve kavurma, ister hassas mühendislik veya organik atıştırmalık üretimi olsun, bir kalem her zaman orada inatçı bir leke gibi durur: Verimlilik Boşluğu.
Gıda üretimi dünyasında bu boşluk genellikle 'kabul edilebilir kayıp' sonucudur; yani aşırı pişmiş, ezilmiş veya yanlış etiketlenmiş olduğu için çöpe giden ürünlerin %5 ile %12'lik kısmıdır. Küçük bir işletme için bu sadece israf değildir; tüm net kâr marjınızın kelimenin tam anlamıyla bir çöp konteynerinde yok olmasıdır.
Çoğu işletme sahibi, bunu düzeltmenin 'akıllı' konveyör bantları ve Siemens sensörleri için altı haneli yatırımlar gerektirdiğini varsayar. Ancak yakın zamanda bu anlatıyı boşa çıkaran küçük bir sebze cipsi üreticisiyle çalıştım. Küçük işletmelerde yapay zeka uygulaması adına bilim kurgu gibi tınlayan bir başarı öyküsüne imza attılar: £400'luk bir akıllı telefon ve özelleştirilmiş bir görü modeli kullanarak kusur oranlarını %10'dan neredeyse sıfıra indirdiler.
İşte bunu tam olarak nasıl başardıkları ve 'Donanım Eksikliği Yanılgısı'nın neden sizinle kurumsal düzeyde kalite kontrol arasındaki tek engel olduğu.
Sorun: Görsel Taramanın Kırılganlığı
💡 Penny'nin işinizi analiz etmesini ister misiniz? Yapay zekanın hangi rollerin yerini alabileceğini haritalıyor ve aşamalı bir plan oluşturuyor. Ücretsiz denemenizi başlatın →
İşletme —adı Root & Crisp olsun— üst düzey yaban havucu ve pancar cipsi üretiyor. En büyük sorunları 'yanma'ydı. Fritöz sıcaklığı iki derece bile yükselse, partinin bir kısmı aşırı karamelize oluyordu.
İnsanlar, yüksek hızlı bir ortamda bu kusurları tespit etme konusunda şaşırtıcı derecede kötüdür. Bir vardiyada dört saat geçtikten sonra, bir işçinin 'görsel temel çizgisi' kayar. On binlerce cips gördükleri için biraz daha koyu bir cipsi 'normal' olarak kabul etmeye başlarlar. Ben buna Yorgunluk Gradyanı diyorum. Paket süpermarkete ulaştığında kalite tutarsız hale gelmiş oluyordu.
Gıda ve içecek üretim tasarruflarına baktığımızda, hammadde ve iş gücü kaybı nedeniyle ayda £4,200 kaybettiklerini fark ettik.
Çözüm: Emtia Donanımı Sıçraması
Geleneksel endüstriyel görü sistemleri (Cognex veya Keyence) muhteşemdir ancak bunlar Coca-Cola gibi devler için fiyatlandırılmıştır, dönüştürülmüş bir ahırda faaliyet gösteren küçük bir işletme için değil. Bu sistemler tescilli kameralar, özel aydınlatma ve günlük £1,500 ücret alan bir PLC (Programlanabilir Mantıksal Denetleyici) entegratörü gerektirir.
Biz Emtia Donanımı Sıçraması yöntemini kullanarak tüm bunları devre dışı bıraktık.
Bu, sık sık bahsettiğim bir ilkedir: Modern bir akıllı telefondaki sensörler, artık beş yıl öncesinin endüstriyel sensörlerinden daha yeteneklidir.
Kurulum
- Donanım: Soğutma bandının 40 cm üzerine monte edilmiş, su geçirmez ve titreşim emicili bir mahfaza içine yerleştirilmiş yenilenmiş bir iPhone 13 (NPU —Sinir İşleme Birimi— nedeniyle seçildi).
- Yazılım: Özel olarak eğitilmiş bir YOLO (You Only Look Once) görü modeli. Bunu sıfırdan yazması için bir yazılımcı tutmadık. İşletme sahibinin sadece 200 adet 'İyi Cips' ve 200 adet 'Yanık Cips' fotoğrafı yüklediği düşük kodlu bir bilgisayarlı görü platformu kullandık.
- Eylem: Telefon yerel Wi-Fi'ye bağlandı. Yapay zeka 'Yanık' bir cips tespit ettiğinde, £20'lık bir Raspberry Pi'ye milisaniyelik bir sinyal gönderiyordu; bu da kusurlu ürünü banttan atmak için küçük bir pnömatik 'hava üfleme' mekanizmasını tetikliyordu.
Toplam kurulum maliyeti? £800'un altında.
Çoğu Yapay Zeka Uygulaması Neden Başarısız Olur? (Ve Bu Neden Başarılı Oldu?)
Çoğu insan 'Yapay Zeka' kısmına odaklanıp 'Uygulama' kısmını unutur. Root & Crisp başarılı oldu çünkü 'Kalite'yi çözmeye çalışmadılar; 'Yanma' sorununu çözmeye çalıştılar.
Bu, başarılı bir küçük işletme yapay zeka uygulaması stratejisinin temel direğidir: 90/10 Kuralı. Yapay zeka, tekrarlayan görsel bir görevin %90'ını üstlendiğinde, insan personel yerinden edilmez; aksine özgürleşir. Gözleri kanayana kadar bir banda bakmak yerine, ekip odaklarını baharat karışımını ayarlamak veya üretim tedarik zinciri maliyetlerini yönetmek gibi nüans gerektiren %10'luk görevlere kaydırdı.
Donanım Eksikliği Yanılgısı
Bunu her sektörde görüyorum. Bir hukuk firması özel bir LLM'e ihtiyacı olduğunu düşünüyor; bir perakendeci ısmarlama bir envanter robotuna ihtiyacı olduğuna inanıyor. Bir 'donanım' veya 'yazılım' eksikleri olduğuna inanıyorlar.
Gerçekte ise sahip oldukları şey bir Süreç Çeviri Eksikliğidir.
İnsan uzmanlıklarını yapay zekanın anlayabileceği bir formata tercüme etmediler. Root & Crisp'in sahibi, yapay zekaya kötü bir cipsin nasıl göründüğünü 'öğretmek' için üç saat harcadı. Bu, tüm yıl boyunca yaptığı en değerli işti. Sadece bir bandı tamir etmiyordu; kendi uzmanlığını dijitalleştiriyordu.
Bu uzmanlık bir kez buluta aktarıldığında, asla yorulmaz, asla öğle yemeği molası vermez ve bir 'Yorgunluk Gradyanı'na sahip olmaz.
İkinci Derece Etkiler: İsrafın Ötesinde
Anlık kazanım, israftaki %10'luk azalmaydı. Ancak ikinci derece etkiler, işletmenin kârlılığı için daha derin oldu:
- Artan Hat Hızı: 'Görsel Nöbetçi' kusurları anında yakaladığı için bant hızını %15 oranında artırabildiler. İnsanlar bu hıza yetişemezdi ama yapay zeka için sorun değildi.
- Sigorta ve Uyumluluk: Artık her bir partinin dijital kaydına sahipler. Bir müşteri şikayet ettiğinde, o saate ait 'Görü Günlüğü'nü çıkarabiliyorlar. Bu, BT desteği ve uyumluluk genel giderlerini ciddi oranda azalttı.
- Marka Primi: 'Sıfır Hata Garantisi' pazarlamasına başladılar. Bu, toptan satış fiyatlarını %4 oranında artırmalarına olanak tanıdı çünkü perakendeciler her paketin kusursuz olduğunu biliyordu.
Kendi Yapay Zeka Görü Yolculuğunuza Nasıl Başlarsınız?
Bunu yapmak için bir teknoloji şirketi olmanıza gerek yok. İşiniz paketleme, çamaşır ayırma veya parça montajı gibi fiziksel nesneleri hareket ettirmeyi içeriyorsa, Görüsel Yapay Zeka için bir adaysınız demektir.
Adım 1: 'Görsel Vergi'yi Belirleyin
Çalışanlarınız sadece bir şeylerin bozuk olmadığından emin olmak için bakmaya nerede zaman harcıyor? Başlangıç noktanız burasıdır.
Adım 2: 'Endüstriyel' Çözümler Aramayı Bırakın
Bir cep telefonu ve bir tripod ile başlayın. Roboflow, Lobe ve hatta Google Vertex AI gibi, bir modeli kendi fotoğraflarınızla eğitmenize olanak tanıyan düzinelerce 'Kodsuz' görü platformu vardır. Eğer tripod üzerinde çalışıyorsa, o zaman kalıcı olarak monte etme konusunu düşünebilirsiniz.
Adım 3: Sadece Bilgiyi Değil, Eylemi de Çözün
Bir cipsin yanık olduğunu bilmek, onu hattan çıkarmadığınız sürece faydasızdır. Küçük işletmelerin çoğu burada duraksar. 'Düşük Mantıklı' tetikleyiciler arayın. Yapay zeka bir Slack mesajı gönderebilir mi? Bir röleyi tetikleyebilir mi? Bandı durdurabilir mi?
Penny Perspektifi: Hassasiyetin Demokratikleşmesi
On yıllar boyunca 'Hassasiyet', Fortune 500 şirketlerine ayrılmış bir lükstü. Küçük işletmeler, 'Kusursuz'un maliyeti çok yüksek olduğu için 'Yeterince İyi' ile hayatta kaldılar.
O dönem kapandı.
Artık Demokratikleşmiş Nöbetçiler çağındayız. Yüksek güçlü mobil donanımların ve erişilebilir yapay zeka modellerinin birleşimi, üç kişilik bir atıştırmalık şirketinin, beş yıl önceki çok uluslu bir konglomerattan daha iyi kalite kontrolüne sahip olabileceği anlamına geliyor.
Bu sadece cipslerden tasarruf etmekle ilgili değil. Bu, küçük işletme ekonomisinde temel bir değişimdir. 'İsraf Vergisi'ni ortadan kaldırdığınızda, oyunu değiştirirsiniz. İnce marjlarla hayatta kalmaya çalışmaktan, hassasiyetle gelişmeye geçersiniz.
Eğer hala 'insan' birinin gelip 'düzgün' bir sistem kurmasını bekliyorsanız, hayatınızın en büyük rekabet avantajını kaçırıyorsunuz demektir. Araçlar zaten cebinizde.
Ne bekliyorsunuz?