Odhalování chyb ve výrobě pomocí AI pro Škoda Auto
Zlepšení efektivity a přesnosti detekce chyb na výrobní lince.
Shrnutí projektu
Cílem projektu Direct QUality Feedback (DQF) pro Škoda Auto bylo ve výrobním závodě v Kvasinách (a následně na dalších pracovištích) zefektivnit proces a zrychlit zpětnou vazbu při odhalování chyb na výrobní lince.
Dříve při zjištění chyby ve výrobním procesu musel odpovědný pracovník tuto závadu zaevidovat a poté zpětně ručně dohledávat, při které výrobní operaci chyba vznikla, kdo byl v té době na směně a který pracovník je za chybu odpovědný
Zrychlením identifikace chyb ve výrobním procesu, došlo nejen k rychlejší zpětné vazbě pracovníkům, ale též ke snížení opakovaného vzniku chyb, čímž v konečném důsledku DQF zrychlilo výrobu vozů na lince.
Hlavní body spolupráce
- Řešení založené na umělé inteligenci
- Schopnost detekovat více než 85 % závad a přiřadit je ke konkrétní operaci
- ROI řešení přesahuje 230 %
Projektové výzvy a cíle
Dodané řešení
Řešení založené na umělé inteligenci
Při vývoji AI řešení jsme zjistili, že tradiční „předtrénované“ modely postrádají doménovou znalost. Museli jsme tak přijít s vícekrokovým rešením, kdy nejprve provádíme předzpracování jazyka klasickými statistickými metodami.
Tím jsme zajistili, že se neuronová síť výrazně rychleji učí a redukuje postupně množství potřebných trénovacích dat. Těmito kroky jsme se dokázali dostat na potřebnou přesnost celého řešení.
[.dlazdice][.karta][.nadpis]Experimenty[.nadpis][.radek]Zkoušení metod a přístupů, jejich propojení a zjištění, jaké řešení bude funkční.[.radek][.karta][.karta][.nadpis]Ověření úspěšnosti[.nadpis][.radek]Postupný trénink modelu na základě zpětné vazby klienta, čímž měl model šanci se učit a zdokonalovat.[.radek][.karta][.karta][.nadpis]Vývoj, integrace & nasazení[.nadpis][.radek]Samotný vývoj aplikace DQF a napojení AI řešení na ostatní systémy výroby ve Škoda Auto Kvasiny.[.radek][.karta][.karta][.nadpis]Zdokonalování & učení[.nadpis][.radek]V rámci MLOps jsme schopni v reálném čase provádět “retrénink” modelu na nové modely, výbavové stupně vozů, nebo výrobní postupy.[.radek][.karta][.dlazdice]
Výsledky
Hlavní předpoklady pro úspěšné nasazení našeho řešení byla digitalizace většiny systémů ve výrobě, propojení databází, identifikace množství závad a jejich kombinací (přes 12 milionů možností).
Škálování úspěšného AI řešení
Díky nové aplikaci DQF je Škoda Auto schopna odhalit a přiřadit více než 85 % závad konkrétní operaci a místu vzniku. Uspoří tak čas při odhalování chyb a dohledávání pracoviště, zvyšuje efektivitu výroby a také zkvalitňuje komunikaci mezi pracovníky i jejich rychlejší proškolení. Mimo to DQF snižuje zátěž mistrů směn v závodech.
Návratnost investice v úspoře času a zkvalitnění procesu výroby překračuje 230 %. Zároveň je cílem výsledné řešení převést do dalších provozů a nadále jej rozšiřovat o různé výbavové stupně (dodatkové / příplatkové výbavy, další modely apod.).
Vytvořme společně něco skvělého
Pomůžeme vám s tím.
