Ocenění Internet Effectiveness Awards

Co je Direct Quality Feedback?

Projekt Direct Quality Feedback (DQF) přinesl revoluci do procesů identifikace a řešení chyb ve výrobním procesu společnosti Škoda Auto. Ve výrobním závodě v Kvasinách bylo cílem zrychlit zpětnou vazbu při odhalování chyb na výrobní lince. DQF díky nasazení umělé inteligence významně zrychlilo a zpřesnilo identifikaci závad, což nejen šetří čas pracovníků, ale také eliminuje opakování stejných chyb.

Klíčové přínosy DQF:

• Úspora času: Rychlejší identifikace a řešení závad.
• Eliminace chyb: Snížení rizika opakování stejných chyb.
• Zlepšení komunikace: Efektivnější školení a spolupráce pracovníků.
• Zvýšení efektivity výroby: Úspora času a snížení zátěže mistrů směn.

Výsledky mluví samy za sebe – aplikace dokáže odhalit a přiřadit více než 85 % závad konkrétní operaci a místu vzniku.

"Dohledávání vzniku závad a zodpovědností bylo velice komplikované a nyní je to otázka několika minut. Návratnost investice dokonce překročila 230 %. S řešením jsme nadmíru spokojeni, ceníme si hlavně přehledné uživatelské prostředí, ale i stabilitu a rychlost s jakou IT řešení pracuje. Řešení výrazně zjednodušilo proces hledání příčin závad a ušetřilo spoustu času. Obzvláště oceňuji profesionální přístup Etnetera Activate a Green:Code týmu - jako IT dodavatelé byli vždy připraveni pomoci a vzít v potaz návrhy na zlepšení. Výsledek naší společné práce je inovativní a spolehlivý systém. Důkazem velkého zájmu v našich provozech o toto řešení je právě probíhající nasazování systému na hale M13 v Mladé Boleslavi,” uvedl Josef Pilný, koordinátor montážní linky za společnost Škoda Auto.

‍

Výzvy a inovace při vývoji

Jedním z klíčových problémů při návrhu řešení byla potřeba vysoké přesnosti přiřazení závad k výrobním operacím. Standardní předtrénované modely umělé inteligence nedokázaly splnit požadavky na doménovou znalost a přesnost.

Bylo tedy zvoleno vícestupňové řešení:

• Předzpracování dat: Práce se znalostmi specifickými pro doménu, čištění dat, lemmatizace, tvorba korpusu.
• Statistické NLP metody: tf-idf, trénování embedding a klasifikačního modelu pomocí neuronových sítí.
• Technologie: Byly nasazeny technologie jako TensorFlow, Scikit-Learn, Pandas a PostgreSQL a celý projekt běží na platformě OpenShift.

Vývoj probíhal ve fázích, od experimentů přes trénink modelů až po integraci řešení do výrobních procesů Škoda Auto v Kvasinách.

Klíčovými předpoklady pro úspěšné nasazení řešení byly:

• digitalizace většiny výrobních systémů,
• propojení databází,
• identifikace více než 12 000 000 možných příčin závad a jejich kombinací.

Ocenění jako závazek k dalším inovacím

Z ocenění máme velkou radost a gratulujeme našemu AI týmu za skvěle odvedenou práci. Bereme to jako potvrzení své pozice na poli technologických inovací a zároveň jako výzvu k dalšímu zlepšování procesů nejen v průmyslové výrobě.

‍Zvažujete využití AI pro své podnikání?
‍Kontaktujte nás a zjistěte, jak vám můžeme pomoci. Nebo si přečtěte naše další články o tom, jak AI mění svět!