15 minut

Dowiedz się, jak sztuczna inteligencja rewolucjonizuje kontrolę jakości. Odkryj korzyści AI w procesach produkcyjnych!

Podziel się tym artykułem na

Jak wykorzystać AI w procesie kontroli jakości?

Transkrypcja odcinka podcastu LUQAM. Odsłuchaj treść odcinka tutaj: „Jak wykorzystać AI w procesie kontroli jakości?”

Jak sztuczna inteligencja rewolucjonizuje kontrolę jakości?

Sztuczna inteligencja zmienia sposób, w jaki firmy podchodzą do kontroli jakości i zapewniania standardów w procesach produkcyjnych. Tradycyjne metody kontroli, często manualne i czasochłonne, ustępują miejsca nowoczesnym rozwiązaniom, które pozwalają na wykrywanie defektów w czasie rzeczywistym oraz prewencyjne działanie jeszcze przed ich wystąpieniem. W tym artykule przyglądamy się, jak AI rewolucjonizuje kontrolę jakości, wskazując zarówno korzyści, jak i praktyczne zastosowania technologii.

Tradycyjna kontrola jakości a zapewnianie jakości – różnice i wyzwania

Przyjemny temat nam się dzisiaj trafił. Maszyna losująca wylosowała temat, który niezwykle Ci pasuje, czyli jak można wykorzystać sztuczną inteligencję (AI) w procesie kontroli jakości. Może na początek powiedz coś o kontroli jakości w takim standardowym znaczeniu.

Kontrola jakości to dla mnie taki trochę dyskusyjny temat, bo kontrola jakości ogólnie jest stratą. Lepiej zakładać, że kontrolowanie czegoś to strata, bo przede wszystkim chcielibyśmy produkować dobre wyroby. Natomiast jeżeli już mówimy o tej kontroli, to dobrze by było, żeby nie była to stricte kontrola, podczas której każdą sztukę kontrolujemy na wyjściu i wtedy mamy kontrolera jakości, dział jakości, który się tym zajmuje. W takim wypadku prowadzi to do podejścia, w którym „ja kontroluję, Ty produkujesz”, więc budują się dwa obozy. Przecież ja jako operator produkcyjny mam się zajmować produkcją, bo za to mi płacą, a Ty jesteś kontrolerem jakości, więc kontroluj. Absolutnie nie jest to podejście, które chcielibyśmy wdrażać i ja jako konsultant definitywnie odradzam takie podejście, więc bardziej mówmy o dziale czy też zapewnieniu jakości. Czyli tutaj mówimy o procesie zapewnienia jakości, a nie samego kontrolowania.

Ta jakość ma być zapewniona zgodnie z podejściem, które określiła dawno temu Toyota w swoim domu. Jeden z głównych filarów, czyli właśnie wbudowana jakość właśnie mówi o zastosowaniu narzędzi, które będą wykrywać defekty w momencie, kiedy one powstają, w trakcie tworzenia procesu, a nie na samym końcu, kiedy ten produkt jest już gotowy, bo to zdecydowanie za późno. Wtedy mamy już koszty złej jakości. Więc jeśli mówimy o zastosowaniu nowszych technologii, to jak najbardziej wpisujemy się w prewencję, tak samo jak jest prewencja maszyn, żeby nie dopuścić do awarii, to powinna być prewencja w kontekście procesu, tak żeby nie dopuścić do defektów jakościowych. Jest to nasz priorytet i myślę, że zastosowanie narzędzi związanych ze sztuczną inteligencją również, tak jak i w przypadku maszyn ma szerokie zastosowanie.

Czyli mówisz, że polskie wyrażenie „kontrola jakości” jest troszeczkę źle brzmiące? Może quality assurance z języka angielskiego lepiej by odpowiadało Twojemu poglądowi na temat kontroli jakości?

Tak, tak myślę. Chociaż nie do końca skupiałbym się na nomenklaturze. Bardziej bym tutaj poszedł w temat znowu świadomości. Te świadome osoby mówią o zapewnieniu jakości, a nie tylko o kontrolowaniu. Oczywiście ta kontrola też gdzieś tam się przejawia, ale nie powinniśmy skupiać się tylko i wyłącznie na tym.

Sztuczna Inteligencja w kontroli jakości - prowadzący podczas nagrywania odcinka o tej tematyce.

Rola działu zapewnienia jakości w nowoczesnej firmie

Powiedz jak tutaj właściwie powinna wyglądać praca takiego działu zapewniania jakości?

Wiesz co, mam jeszcze cały czas takie sytuacje, gdzie ten dział powiedzmy kontroli jakości ma takich swoich pracowników, inspektorów, ja niekiedy mówię Sherlock’ów Holmes’ów, bo to czasem jest taki człowiek, który przyjdzie na samym końcu procesu i powie „Stop, wykryłem błąd”.

I pewnie z reguły jest zadowolony, że go wykrył.

Tak, dokładnie, wykonał swoją pracę i idzie po medal… Super, że wykryłeś błąd, tylko tutaj przede wszystkim takie działy powinny się zająć budową świadomości w temacie tego zapewniania jakości, wspierać procesy produkcyjne w zapewnianiu jakości, a nie tylko kontrolowaniu, bo kontrolowanie nie jest sztuką. No więc takie działy przede wszystkim powinny robić różnego rodzaju audyty procesu, budować standardy, procedury, instrukcje wspierające pracowników produkcji. Te działy powinny szkolić tych pracowników produkcji, aby takie standardy później były stosowane, więc to jest ich rola. No i wspólnie z działem utrzymania ruchu oraz działem technologii powinni też wykrywać miejsca w procesach, w których mogłyby być stosowane rozwiązania zapewniające jakość. Powszechnie w Toyocie nazywamy to jidoka. Są to głównie narzędzia zapewniające jakość, odbudowujące jakość w procesach.

Automatyzacja w kontroli jakości – pierwsze kroki

Okej, no i tutaj przy pracy działu jakości można powiedzieć, że on aktualnie działa w sposób bardzo manualny, nie wydaje Ci się? Bo mi się wydaje, że te działania, które wykonują pracownicy takiego działu są dość manualne.

Jest to manualne i robione przez pracowników produkcji albo jakości, chociaż nie zawsze tak jest. Niektóre firmy już stosują jakieś tam podstawowe narzędzia wbudowane, ale często rzeczywiście jest to robione w sposób manualny, czasochłonny i na pewno minusem jest często to, że uzależnione jest to od kompetencji osób, które taką kontrolę jakości wykonują.

I przechodzimy wtedy do jakości samej kontroli jakości, bo ona też może nie być idealna.

Tak, tak. Pan Deming, który ma bardzo, bardzo duży wpływ na procesy jakościowe kiedyś stwierdził, że bodajże 85% przyczyn błędów i problemów, które pojawiają się w procesach, to są te wynikające z problematycznie ułożonych procesów albo braku procedur, instrukcji, czyli braku standaryzacji procesów, a nie z winy ludzkiej. Deming mówił, że trzeba koncentrować się na usprawnianiu i budowaniu dobrze tych procesów, na wbudowaniu jakości w proces, budowaniu standardów, a nie na nagabywaniu pracowników o więcej wysiłku. Więc nie chodzi o to, żeby znowu dociążać tego pracownika na linii i mówić „Słuchaj, Ty masz kontrolować to, co zrobiłeś, bo jak nie, to będzie niedobrze”. To absolutnie nie o to chodzi, więc sama kontrola jest związana też z pomyłkami, bo w zależności od tego jakie kto ma kompetencje, chęci, motywacje, to może być różnie.

Powiedz za co odpowiedzialny jest dział zapewnienia jakości w firmie.

Nadrzędnym elementem będzie na pewno to zapewnianie jakości no i w jaki sposób możemy to realizować. Podnosić świadomość, organizować szkolenia, budować odpowiednie standardy, ale przede wszystkim to dział jakości musi mieć odpowiednią świadomość. Często spotykam się z tym, że ten dział jakości jest do tego, żeby punktować produkcję za to, co jest źle, czyli organizujemy jakieś spotkanie i wtedy jakość wręcz niekiedy wyżywa się na tych zespołach produkcyjnych, no i w ten sposób budujemy silosy. Na pewno nie współpracujemy. Więc dział jakości ma współpracować z działem produkcji, technologii, utrzymania ruchu, a nie być jednostką nadrzędną nad wszystkimi jako jakość, „która pokaże co robicie źle”. Niech jakość pokaże co robić, żeby było dobrze, jakie są rozwiązania.

Analizą, którą moglibyśmy stosować w dziale jakości w połączeniu z technologią jest na przykład FMEA, które powinno dokładnie wskazywać słabe punkty procesu oraz to, jakie są oczekiwania każdego kroku procesu, jakie są zagrożenia w tym kroku. Dzięki temu razem myślimy co moglibyśmy zrobić, żeby wyeliminować te zagrożenia no i tym samym unikać problemów jakościowych. Często w miejscu tego, co moglibyśmy robić, żeby eliminować te zagrożenia pojawiają nam się rozwiązania typu samoczynne kontrole w trakcie procesu, czyli uniezależniamy proces od operatora, a wbudowujemy różnego rodzaju urządzenia, które ten proces kontrolują, np. czy jest dany otwór w jakimś produkcie, czy jest jakaś naklejka w odpowiednim miejscu, czy jest coś w odpowiednim momencie przykręcone, więc idziemy w tą stronę i tutaj dział jakości w tym powinien uczestniczyć.

A jeśli nie mamy jeszcze pieniędzy na inwestycję, to co zostawiamy to dla operatora? Chcemy wbudować tę kontrolę w proces i wykonywać ma ją operator? Sprawdzać czy właśnie jest gdzieś dany otwór czy są powiedzmy naklejki?

No tak, jeżeli byśmy nie mieli zasobów na taką automatyzację i rozwiązania, które same będą wykrywały tego typu sytuacje, to możemy bazować na odpowiednio przygotowanych standardach pracy. Kiedyś miałem taki przypadek, kojarzy mi się jedna pani, która opowiadała o produkowaniu jakichś obudów, czy korpusów i mnóstwo wysiłku zostało włożone w to, żeby skompletować taką linię, zatrudnić pracowników, przeszkolić ich i na końcu tej linii była wymagana właśnie kontrola obecności odpowiednich otworów, sprawdzenia czy te otwory tam są, czy jest odpowiedni gwint w tym otworze, no i musiał to robić pracownik. Osoba odpowiedzialna za kontrolę jakości przychodząc na taką linię, żeby zrobić szkolenie dla tych osób przekazała im, że te otwory tutaj muszą być i pracownicy muszą tej kwestii pilnować, „Dla tego procesu jest bardzo istotne, żeby po kontroli w miejscu przy otworach przykleić zieloną kropeczkę, która świadczyła o tym, że otwory zostały skontrolowane i to jest bardzo ważne! Pamiętajcie, że jak skontrolujecie te otwory, to musicie tą zieloną kropeczkę tutaj przykleić”. No i jakie było zdziwienie wszystkich jak później firma otrzymała reklamację, w której dziwne było, że otworów nie ma, za to są zielone kropeczki…

Dlaczego o tym mówię? Bo tutaj bardzo ważne jest właśnie podejście do tej standaryzacji. Dla osoby z działu jakości, która przeprowadzała szkolenie było oczywiste, że te otwory muszą tam być, a pracownicy muszą je po prostu skontrolować, ale nienaturalnym nagłym wymaganiem klienta były zielone kropki i skupiła się ona bardziej na tych zielonych kropkach przekazując pracownikom informacje. Natomiast dla ludzi, którzy przyszli, że tak powiem „z ulicy”, którzy wcześniej nie mieli doświadczenia z przemysłem. Oni wzięli sobie do serca te kropki, bo na tym skupiła się osoba z działu jakości, więc żeby takich sytuacji uniknąć, ale też jeżeli nie mamy zasobów finansowych to dobra standaryzacja jest kluczowa.

Przede wszystkim taka osoba z jakości powinna zrobić dokładne szkolenie. Na to musi być czas, do tego robimy karty standardowe, gdzie dla operatora ten detal jest pokazany na zdjęciu, otwór zaznaczony strzałką, podane są jego parametry. Jeżeli otwór jest okej, to masz postawić zieloną kropkę takim mazakiem w tym miejscu. No może się wydawać, że niekiedy są to standardy jak dla dziecka, ale one się sprawdzają, to jest standaryzacja procesu, która później dla każdego jest zrozumiała.

Dlaczego dane są kluczowe dla prewencji błędów?

Okej, czyli pierwszy krok to praca, która porządnie standaryzuje nam proces. A czy później jest jeszcze praca polegającą na analizie danych jakościowych?

Danych jakościowych płynących z czego?

Z procesu.

Z procesu… Ale te dane w jakiś sposób muszą być rejestrowane. No mogą to być jakieś karty kontrolne, na których operatorzy zapisują dane. Natomiast dalej jest to cały czas uzależnione od operatora w jakimś stopniu.

No, ale nawet jakieś standardowe dane odnośnie ilości braków, takie podstawowe rzeczy, które pracownicy powinni rejestrować. Te dane powinny być analizowane i jeśli wykonywane są zapiski na kartkach, to musimy je robić w sposób manualny.

Tak, no później musimy je gdzieś przepisywać, bo raczej już na kartkach się nie pracuje, ale to zapisywanie, jakość tego zapisu, później przepisywanie gdzieś i znowu gdzieś tam coś może nam uciec, a później też jeszcze ręczne analizowanie. To wszystko jest niezmiernie czasochłonne, na to potrzeba bardzo dużo czasu, więc tutaj jak najbardziej pójście w stronę jakiejś automatyzacji jest mile widziane.

Bo nawet jeśli mamy jakieś systemy, gdzie raportujemy kwestie błędów i które lądują już u nas w systemie, w jakiejś bazie danych, to następnie możemy sobie prowadzić jakieś analizy, ale to znowu generuje czas, który pracownicy muszą poświęcić, aby tych analiz dokonać.

No tak, tutaj znowu jest zaangażowany człowiek, jest czas i jest cały czas możliwość pomyłki.

Sztuczna inteligencja w zapewnianiu jakości

Wracając do naszego głównego tematu, widzimy trochę tych manualnych czynności, które są wykonywane i gdzieś zapala się taka lampka, czyli sztuczna inteligencja, która wydaje się być tutaj ciekawym rozwiązaniem do implementacji przy całym procesie zapewnienia jakości już na etapie samego procesu do monitorowania i następnie wysyłania danych, a może też dalej do tworzenia rozbudowanych analiz.

Zdecydowanie. Ja widzę taką ścieżkę wychodząc od tego, co założyła Toyota, że dobrze by było stosować to wbudowanie w proces. No to możemy sobie wyobrazić taką sytuację, że na tej linii kontrolującej ten otwór, mogłoby być tak, że te otwory sprawdza na końcu kontroler jakości, to stan zero. Dwa, może być tak, że otwory kontroluje pracownik, ale bez odpowiednich standardów. No i dochodzi do takich sytuacji, jak wspominałem, że i tak gdzieś tam te defekty przechodzą. Idąc dalej, można by te standardy odpowiednio opracować, przeszkolić tego pracownika i on wtedy już by to kontrolował z odpowiednią wiedzą. Do tego można by mu dołożyć odpowiedni sygnalizator świetlny, tak zwany ANDON. W momencie wystąpienia defektu wciska się guzik, zapala się lampka i wtedy jest odpowiednia reakcja pracownika działu jakości, bądź lidera, który kontroluje tego pracownika produkcyjnego. Idąc jeszcze dalej, stosując te założenia Toyoty można by było wbudować jakość w taki sposób, że postawimy kamerę wizyjną, która będzie wykrywała czy ten otwór jest, czy go nie ma, a jeśli tego otworu nie ma, to kamera samoczynnie zatrzymuje tę linię. To już jest super, bo nie uzależniamy pracy linii i procesu od myślenia człowieka, tego operatora. On nie jest już obciążony tymi dodatkowymi kontrolami, bo robi to za niego maszyna i to jest fajne.

No i teraz idąc tutaj w rozwiązania związane ze sztuczną inteligencją, o których mówimy, to na temat tych brakujących otworów można by jeszcze zbierać, tak jak powiedziałeś, odpowiednie dane, tworzyć bazy danych, które później będą analizowane, to w jakich okolicznościach tych otworów nie było, kiedy dochodziło do takich sytuacji, z czym to było powiązane. Więc poprzez zastosowanie algorytmów uczenia, będziemy budować te modele prewencji jakościowej, żeby już na wczesnym etapie zapobiegać defektom i brakom. Dzięki temu będziemy mogli mieć pewność, że te otwory zawsze będą w takich parametrach jakościowych, jak tego oczekujemy.

A co więcej później moglibyśmy rozbudowywać jeszcze nasze analizy i dowiedzieć się dlaczego doszło do takich sytuacji, których finalnie zapobiegliśmy, ale jakoś do nich doszło i też możemy wtedy tworzyć analizy analiz.

Tak, to jest jeszcze kolejne zastosowanie, czyli te wszystkie dane to niesamowity wkład do prowadzenia badań i analiz problem solving.

Więc tutaj też wiadomo, że część analiz musi stworzyć człowiek, ale jeśli mówimy o jakichś standardowych analizach, które chcemy na przykład przeprowadzać w danym miesiącu, żeby pokazać, że są jakieś wyniki, no to tutaj już może się to dziać w pełni zautomatyzowanie.

Jak najbardziej, więc nie będziemy wtedy nikogo angażować, ani czasu, ani właśnie pracowników do takiej operacji.

Sztuczna Inteligencja w kontroli jakości - prowadzący podczas nagrywania odcinka o tej tematyce.

Przykłady wykorzystania AI w kontroli jakości

A znasz jeszcze jakiś przykład zastosowania właśnie sztucznej inteligencji w celu zapewnienia jakości?

Wiesz co, w jednej firmie podczas pobytu widziałem rozwiązanie, które się cały czas rozwija, ale właśnie już idące zgodnie z tym nurtem nowoczesnej technologii. Mowa tutaj o zastosowanych na wtryskarce czujnikach, które pokazują parametry procesu. Powiedziałem o prewencji technicznej i teraz mówimy o prewencji jakościowej. Jak mówię o czujnikach to na takiej maszynie mogłyby być założone czujniki badające jakieś parametry typowo techniczne, np. czy wibrują jakieś tam łożyska, czy określone części pracujące w maszynie nie przekraczają jakichś ciśnień, temperatur…

Mowa jeszcze o czujnikach procesowych, bo na tej wtryskarce widziałem coś takiego, że były tam zainstalowane czujniki badające czas wtrysku, temperaturę wtrysku, ciśnienie w tej formie wtryskowej i dane zbierane w ten sposób powodowały znowu budowanie takich modeli, które na dużo wcześniejszym etapie w trakcie trwania produkcji informowały pracownika, że w krótkim czasie może dojść do pewnej anomalii w procesie produkcyjnym, pojawią się defekty i to był ten czas do odpowiedniej reakcji dla tego pracownika, który musiał albo powiadomić technologa, że dzieje się coś nie tak z procesem albo w ramach swoich kompetencji, jeśli takowe posiadał, sam odpowiednio zareagować.

Może być też tak, co widziałem kiedyś w firmie produkującej płytki PCB, płytki zintegrowane, elektroniczne, że kontrolowany był proces lutowania, wlutowywania elementów w płytkę i w momencie, kiedy coś było nie tak, czyli były kontrolowane parametry tej spoiny i jeżeli parametry nie były odpowiednie, to w tym momencie, bo to wszystko się dzieje bardzo szybko na tych liniach, parametry lutowania były kontrolowane i modyfikowane automatycznie już bez udziału operatora, czy też technologa. No i też budowała się oczywiście baza danych, która później mogła być wykorzystywana do wspomnianej przez nas metodyki problem solving i spotkań analizujących.

Z mojego doświadczenia kojarzy mi się jeszcze taka jedna sytuacja, kiedy pracowałem na lakierni, malowaliśmy obudowy do przemysłu AGD, do pralek i na całej linii wykorzystywano metodę malowania KTL, czyli malowanie zanurzeniowe w lakierze. Te obudowy wjeżdżając do wanny z lakierem wyjeżdżały już pomalowane, z powłoką antykorozyjną, później było suszenie i malowanie jeszcze w kabinie proszkowej i na końcu mierzono grubości powłok. Tam stał człowiek odbierający te obudowy. On mierzył te obudowy z czujnikiem lakieru. Monotonnie mierzył każdą z tych obudów i zdarzało się, że były one albo niedomalowane albo za grubo pomalowane. Ktoś może powiedzieć, że za grubo jest okej, ale nie jest okej, bo to strata dla firmy, więcej lakieru = więcej pieniędzy zużytych na pomalowanie. Jeżeli z kolei było go za mało, to dla klienta istniało ryzyko, że będzie występowała korozja. To były obudowy do pralki, a jeżeli byłaby to karoseria samochodu to byłoby to jeszcze bardziej istotne.

Ale jakie powiązanie mamy tutaj z tą technologią? No właśnie można by w tej wannie, przez którą przejeżdżają te produkty, zainstalować odpowiednie czujniki, które badałyby natężenie prądu, bo to natężenie warunkuje grubość aplikowanego lakieru i już na tym etapie jest możliwość kontrolowania jakie jest natężenie prądu oraz w związku z tym, jaka jest warstwa lakieru na produkcie. Zbierając te dane, budując taką bazę, później te modele prewencji jakościowej te regulacje natężenia mogłyby się odbywać samoczynnie…

…w miarę automatycznie i już w trakcie procesu, tak żebyśmy nie wygenerowali błędnego detalu.

Dokładnie, nie byłoby błędnego detalu, nie byłby potrzebny specjalny człowiek, który na końcu kontrolowałby te produkty, więc są mamy tutaj same korzyści.

Zautomatyzowana analiza danych jako wsparcie dla zespołów

Do tego dochodzi wyeliminowanie marnotrawstwa w postaci dodatkowej kontroli.

Dodatkowej kontroli, dodatkowego człowieka, kosztów i pewność, że później na linie montażowe dotrze produkt już taki, jak powinien być.

Jeszcze skojarzyła mi się jedna sytuacja, związana z tym, że jeszcze na linii okazuje się, że coś jest nie tak. Sytuacja dotyczy momentu, kiedy detale na linii lakierniczej, o której mówiłem wcześniej, są odbierane i człowiek kontroluje grubość lakieru. On kontroluje również wizualnie stan takiej obudowy i jak jest według niego nieodpowiednia, to ją odstawia, a jak jest OK, to jest ona puszczana na linię montażową, na której są kontrolerzy jakości, którzy też te obudowy kontrolują. Zdarzało się też tak, że jeszcze niektóre obudowy były odrzucane i to jest, tak jak powiedziałem wcześniej, często uzależnione od kompetencji pracowników, którzy przeprowadzają kontrole i subiektywnej oceny, która w konsekwencji przekłada się na naprawdę spore koszty w ciągu roku, jeżeli nie ma odpowiednich standardów.

Natomiast jeżeli byłaby możliwość wprowadzenia odpowiednich systemów wizyjnych zbierających te dane, budujących modele, to znowu wprowadzamy tutaj tą jakość wbudowaną, uzależnioną od samego procesu, a nie od człowieka i dodatkowo generujemy oszczędności.

Dzięki temu możemy sterować procesem i pewnie tworzyć nowe analizy, na temat tego, jak ten proces musi być sterowany w trakcie jego trwania, tego co powinno się tam dziać.

Tak, zgadza się. Jesteśmy wtedy w 100% zgodni z założeniem, że jakość ma być wbudowywana, a nie tylko kontrolowana i uniezależniona od człowieka.

Jak widzisz wykorzystanie sztucznej inteligencji przy kontroli jakości, to myślisz, że mamy tutaj duże pole do popisu?

Myślę, że podobnie jak przy prewencji maszynowej, tak i przy prewencji jakościowej jest przyszłość. Jak najbardziej myślę, że ten temat będzie się rozwijać i moglibyśmy jeszcze o tym porozmawiać przy kolejnych spotkaniach.

No tak, bo jednak ten ogrom danych czasem staje się trudny do analizy dla człowieka, a patrząc na szerokie spektrum, algorytmy sztucznej inteligencji mogą wysuwać ciekawe wnioski, tak jak było to widoczne w przykładach, o których wspominałeś.

Wiesz co, z jednej strony jest to trudne dla człowieka, bo tego jest dużo i jest to niezmiernie czasochłonne, więc w tym momencie robienie takich spotkań problem solving’owych jest problematyczne, bo jest dużo danych do analizy i rzadko robi się to w sposób modelowy. Natomiast jeżeli będziemy mieli te dane już w jakiś sposób przygotowane, przerobione, przeanalizowane i będzie to dla nas taki „wkład”, to jest też duże prawdopodobieństwo, że takie spotkania, czy warsztaty rozwiązywania problemów będą się odbywały częściej, będą angażowały więcej osób, wejdą one wszystkim w krew i będą bardziej przyjazne.

Czy AI zrewolucjonizuje kontrolę jakości?

Sama część sztucznej inteligencji, jej wdrażania mogłaby pewnie trwać dużo dłużej, bo każdy przypadek jest trochę indywidualny. Możemy obserwować i badać różne elementy, więc myślę, że na ten moment dobrze by było zatrzymać się na tym etapie, czyli dzisiejszym odcinku. Więc może tak na zakończenie powiedz czy AI zrewolucjonizuje kontrolę jakości i to, jak do tej kontroli podchodzimy?

Myślę, że może zrewolucjonizować jeśli tylko będziemy chcieli wykorzystać te możliwości, które daje. Tak więc potrzebna jest świadomość.

Czyli mówisz, że AI wyciąga do nas rękę, a my musimy ją tylko chwycić.

Dokładnie, bardzo dobrze to ująłeś.

Podsumowanie

Wprowadzenie sztucznej inteligencji do procesów kontroli jakości to nie tylko oszczędność czasu i redukcja kosztów, ale także uniezależnienie jakości produktów od ludzkich błędów. Wbudowanie jakości w procesy produkcyjne zgodnie z filozofią Toyoty oraz wykorzystanie nowoczesnych narzędzi, takich jak systemy wizyjne czy analiza danych, otwiera przed firmami nowe możliwości. AI nie tylko usprawnia kontrolę, ale także buduje podstawy do dalszego rozwoju poprzez lepsze zrozumienie i eliminowanie potencjalnych problemów.

Podziel się tym artykułem na
Inne artykuły, które mogą Ciebie zainteresować:

Wykres Gantta

Rafał Bortliczek | 19.07.2023

    Skontaktuj się z nami:








    Luqam Sp. z o.o. Sp.k.
    ul. Kamieńskiego 47, 30-644 Kraków
    KRS 0000442347 NIP 6793087067 REGON 122736324
    Prezes Zarządu LUQAM Sp. z o.o. Łukasz Ekiert
    Kapitał własny 250 000 PLN