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!

‍

‍

Prestigious awards for use of innovative digital solutions were awarded on Thursday 28 November 2024 at the Internet Effectiveness Awards ceremony. And we came away with two first places.

We placed in the following categories with the Direct Quality Feedback project: 

• Utilisation of artificial intelligence
• Power engineering and industrial companies

What is Direct Quality Feedback?

The Direct Quality Feedback (DQF) project has revolutionised the processes of error identification and resolution in the area of production at Škoda Auto. The goal at the plant in Kvasiny was to speed up feedback when detecting errors on the production line. Thanks to implementation of artificial intelligence, DQF has become substantially faster and more accurate in identifying errors, which not only saves worker time, but also prevents the same mistakes from being repeated.

Key benefits of DQF:

• Saves time: Faster identification and resolution of defects.
• Eliminates errors: Reduction of the risk of repeating the same errors.
• Improved communication: More effective training and cooperation between workers.
• Increased production efficiency. Savings in time and reduction of the workload of shift foremen.

The results speak for themselves – the application is capable of detecting and assigning more than 85% of defects to a specific operation and place of origin.

‍

“Tracking the origin of defects and responsibilities used to be a very complex process and it is now just a matter of minutes, and the return on the investment has actually exceeded 230 %. We are extremely happy with the solution, we especially appreciate the user-friendly environment and also the stability and speed of the IT solution. The solution has made the process of tracking the causes of defects must easier and has saved a lot of time. I especially appreciate the professional approach by Etnetera Activate and the Green:Code team, who, as the IT suppliers, were always ready to help and consider suggestions for improvements. The result of our joint work is an innovative and reliable system. Ongoing implementation of the system at hall M13 in Mladá Boleslav is evidence of the great interest in this solution at our plants”, Josef Pilný, coordinator of the assembly line for Škoda Auto, stated.

‍

Challenges and innovations during development

One of the key issues when designing the solution was the need for very high accuracy in assigning the defects to manufacturing operations. The standard pre-trained AI models were unable to meet the requirements for domain knowledge and accuracy.

A multi-level solution was therefore chosen:

• Data pre-processing: Work with knowledge specific to the domain, data cleaning, lemmatization, creation of a corpus.
• Statistic TF-IDF NLP methods: embedding and classification model learning using neuron networks.
• Technologies: Technologies such as TensorFlow, Scikit-Learn, Pandas and PostgreSQL were implemented and the entire project runs on the OpenShift platform.

Development took place in stages, from experiments, through model learning, to integration of the solution into production processes at Škoda Auto in Kvasiny.

The key prerequisites for successful implementation of the solution were:

• digitalization of most manufacturing systems,
• database interconnection,
• identification of more than 12,000,000 possible defects and their combinations.

The award as an obligation to continue innovating

We are very pleased to have received the award and we congratulate our AI team for their excellent work. We consider this award to be confirmation of our position on the field of technological innovations and also as a challenge to keep improving processes, not only in industrial production.

‍

Are you considering using AI for your business?

‍Contact us and find out how we can help you.

‍