Ako ustrážiť kvalitu, keď rozhodujú ľudia, čas a monotonická práca? Slovenská firma z oblasti kontroly kvality v automobilovom a výrobnom priemysle odpovedá pilotným nasadením umelej inteligencie, ktoré sleduje dodržiavanie pracovných postupov a prináša nové dáta aj istotu. Príbeh ukazuje, prečo nie vždy pomôžu roboty a ako môže AI pridať hodnotu už v prototypovej fáze.
Popoluška pri výrobe a čísla, ktoré zaväzujú
Firma sa už 23 rokov venuje kontrole kvality, reworku a technickej podpore naprieč Slovenskom, Českom a časťou Maďarska. Z jednej lokality vyrástla na 13 pobočiek a približne 460 pracovísk, pričom jej služby využívajú nielen veľkí výrobcovia ako Volkswagen, Kia či Škoda Auto, ale aj celé reťazce dodávateľov. V „popoluškovskej“ práci oddeľujú dobré diely od chybných a dokážu zasiahnuť v priebehu hodiny, keď sa na linke objaví problém.
Za poslednú dekádu im prešlo rukami takmer miliarda komponentov a miera reklamácií ostala pod 3,6 ppm, čo svedčí o precíznosti. Analýza reklamácií a 8D reportov však ukázala, že viac než polovicu chýb spôsobuje nedodržanie pracovného postupu. Pri dlhých a jednotvárnych kontrolách je lákavé kroky skracovať, najmä ak tisíc dielov po sebe vyzerá bezchybne. Ani odmeny či sankcie o štvrtej ráno tento ľudský faktor zásadne neprebijú.
Prečo nepomôže námatkovosť ani rýchla robotika
Námatkové kontroly sú drahé a na chyby narazia skôr so šťastím než systémovo. Klasická robotika a počítačové videnie zasa narážajú na praktické limity, keďže zákazky bývajú rýchloobrátkové: klient zavolá, tím do hodiny nastúpi a za dva dni skontroluje sklad aj linku. Kým by sa špecifická kamera či robotické pracovisko nastavili a odladenili, problém je vyriešený a výroba beží ďalej.
Technológie majú zmysel pri dlhodobých projektoch, no aj tam nemusí vyjsť ekonomika. Hľadalo sa teda riešenie, ktoré dokáže priniesť kontrolu nad postupom rýchlo, bez zásahu do linky a s pridanou hodnotou pre reporting. Odpoveďou sa stal pilot s umelou inteligenciou, zameraný na to, čo ľudia reálne robia pri kontrole dielov.
AI prototyp: sledovať cyklus, nie ľudí
V spolupráci s firmou Cognexa vznikol „zrýchlený“ konzultačno-implementačný projekt nad offline videami z pracoviska. Tím rýchlo zozbieral dáta, manuálne anotoval kľúčové udalosti (zobratie produktu, kontrola, vloženie do krabice) a otestoval algoritmy, ktoré merajú aktivitu v zónach. Už graf „activity measure“ ukázal periodický cyklus práce a odlišil okamihy, keď sa deje niečo iné (napríklad vkladanie papiera), hoci projekt riešil aj nástrahy ako miznúce ruky splývajúce s pozadím či artefakty z video kodeku.
Aj prototyp dostal modulárnu architektúru s výhľadom na škálovanie a nasadenie. Výstupom boli hodiny videí, anotácie, vyhodnotenia algoritmov, ukážky anotovaných záznamov a praktická tabuľka pre Excel: koľko kusov sa spracovalo, aký bol priemerný čas cyklu, koľko trval čistý pracovný úkon či kde vznikali prestoje. Navyše sa dajú odhaliť štatistické odchýlky – ak má kontrola štandardne 10 sekúnd a niekto ju robí za 6, riziko chyby rastie. Pilot tak prináša hodnotu už dnes: zlepšuje reporting, upozorňuje na rizikové správanie a zvyšuje istotu, že pracovné postupy sa dodržiavajú.