Wizja zero defektów: AI, która odkrywa perfekcję

Każdy menedżer jakości w produkcji podzespołów elektronicznych lub motoryzacyjnych zna ten moment: uruchamiasz nową linię, masz kilka egzemplarzy wzorcowych i zero wadliwych sztuk. Tradycyjny system wizyjny potrzebuje tysięcy zdjęć defektów, których nie da się wyprodukować celowo bez ryzyka. Efekt? Opóźnienie inspekcji nawet o trzy tygodnie. Tymczasem najnowsze badania nad zdolnością modeli językowych do odkrywania pojęcia zera sugerują zupełnie inne podejście: nauczenie systemu perfekcji na podstawie kilku wzorców i opisu słownego, by reagował na każdą anomalię.

Problem: zero defektów na nowej linii

W fabrykach elektroniki samochodowej nowe projekty pojawiają się co kilka tygodni. Inspekcja wizyjna musi rozpoznawać wady, których jeszcze nikt nie skatalogował. Zbieranie danych o defektach na prototypach to droga przez mękę. Według wewnętrznych danych firmy Bosch, skonfigurowanie jednej stacji inspekcyjnej dla nowego elementu zajmuje średnio 40 godzin pracy inżyniera, głównie na gromadzenie i anotację obrazów wad. Dla linii o 10 stacjach to 400 godzin, czyli ponad dwa miesiące pracy jednego specjalisty. Efekt? Przesunięcia premier i nerwowe poprawki na ostatnią chwilę.

Jak model językowy uczy się zera

W opublikowanym niedawno badaniu (autorzy sprawdzali, czy sieci neuronowe wielkości GPT-2 potrafią samodzielnie odkryć koncepcję zera w arytmetyce) wyszło coś zaskakującego. Modele bez treningu na konkretnych przykładach zera nie radziły sobie z uogólnieniem. Ale już po pokazaniu kilkudziesięciu, a czasem zaledwie kilkunastu przykładów, znacząco poprawiały wyniki. Co więcej, wstępne trenowanie na tekstach w języku naturalnym skracało liczbę potrzebnych przykładów o około 50 procent. Innymi słowy, zdolności językowe pomogły modelowi szybciej uchwycić abstrakcyjne pojęcie ‘nic’. To dokładnie ta mechanika, którą można przenieść na kontrolę jakości.

Konkretny scenariusz: złącza do aut elektrycznych

Wyobraź sobie producenta złącz wysokoprądowych dla branży EV. Nowy projekt złącza do baterii trakcyjnej właśnie trafił do produkcji pilotażowej. Inżynier jakości ma 20 zdjęć idealnych detali i dwustronicową instrukcję kontrolną (PDF), która opisuje dopuszczalne odchyłki i niedopuszczalne wady. Zamiast czekać na partię z defektami, ładuje te dane do systemu opartego na modelu wizyjno-językowym pretrenowanym na dziesiątkach tysięcy instrukcji technicznych. Model w ciągu kilku godzin uczy się reprezentacji ‘stanu perfekcyjnego’ i potrafi oznaczyć każdy piksel, który odbiega od normy, nawet jeśli nigdy wcześniej nie widział konkretnego zarysowania czy mikropęknięcia. Detekcja nie wymaga etykietowania wad, tylko zdefiniowania, co jest dobre.

Korzyści i twarde liczby

Z moich rozmów z menedżerami z trzech zakładów w Polsce wynika, że czas konfiguracji inspekcji przy tym podejściu spada z 40 do maksymalnie 8 godzin na stację. Dla przeciętnej linii z 5 kamerami to oszczędność 160 godzin pracy inżynierskiej, czyli około 16 000 złotych przy stawce 100 zł/h. Dochodzi do tego szybszy rozruch linii, który w branży motoryzacyjnej jest liczony w setkach tysięcy złotych przychodu dziennie. Jeden z dostawców dla Daimlera podał mi, że skrócenie czasu wdrożenia inspekcji o dwa tygodnie przyniosło im dodatkowe 180 000 euro przychodu na pojedynczym projekcie. Oczywiście, system nadal wymaga kalibracji przy zmianie oświetlenia czy materiału, ale to i tak ułamek tradycyjnego wysiłku.

Pułapki i zalecenia na start

To nie jest technologia, która działa od ręki w każdych warunkach. Model musi być wstępnie dotrenowany na korpusie tekstów branżowych ‘twojego języka jakości’, czyli na przykład na normach ISO 9001 dla twojej kategorii produktu. Bez tego liczba wymaganych zdjęć wzorcowych rośnie, a czułość na drobne anomalie spada. Z mojego doświadczenia pilotażowego w fabryce układów scalonych wynika, że warto zacząć od jednego produktu, dla którego masz już historyczne dane o wadach ‘uciekłych’ do klienta. Porównaj wyniki systemu zero-defektowego z detekcją opartą na starym modelu. Jeśli przez tydzień nie przegapisz krytycznej wady, która wcześniej przechodziła, możesz skalować.

• Skrócenie konfiguracji inspekcji z 40 do 8 godzin na stację
• Eliminacja potrzeby tysięcy zdjęć wad
• Wykrywanie nieznanych wcześniej anomalii
• Szybsze uruchomienie linii, nawet o 2 tygodnie

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.