Skąd pomysł na stworzenie sztucznej inteligencji dla produkcji?

lean management.

I wygląda to tak: przychodzi firma doradcza, opracowuje techniki, wdraża je, a kiedy skończy pracę, wychodzi z firmy. I z punktu widzenia skuteczności wdrożenia, to jest kluczowy etap. Niestety wiele firm nie działa dalej z tym, co udało się wypracować, a sam lean zaczyna umierać. I dzieje się tak nierzadko, bo aż co trzecia firma nie osiąga założonych rezultatów.

To bardzo dużo. Dlaczego tak się dzieje?

Postanowiliśmy to zrozumieć lepiej, dlatego przeprowadziliśmy badania. I tak udało nam się zdiagnozować 5 tzw. blokerów: błędy w komunikacji w firmie, brak systematyczności w pracy nad leanem, opór pracowników przed dzieleniem się wiedzą, brak natychmiastowej informacji zwrotnej zniechęca, jesteśmy przyzwyczajeni już do lajków i serduszek natychmiast po publikacji w social media na przykład. Do tego złe nawyki i przyzwyczajenia pracowników.

Stąd pomysł na AI?

Zdecydowaliśmy na początku, że zbudujemy rozwiązanie, które będzie wspomagaczem wdrożenia leanu. Nie wiedzieliśmy jeszcze, co to będzie. Zależało nam jednak, żeby rozwiązanie gwarantowało, że zmiana wprowadzana np. przez konsultantów lean była trwała. Dlatego znów przeprowadziliśmy badania i określiliśmy obszary, w których powinno ono pomagać: 

I na przykład jednym z nich jest redukcja błędów. Postanowiliśmy poświęcić temu zagadnieniu więcej uwagi. 

I tu pojawia się machine learning, na który postawiliśmy. Przeanalizowaliśmy dane z naszego systemu ERP, dane z maszyn, z kamer i innych źródeł.  Stworzyliśmy modele predykcyjne – które trenowaliśmy tymi danymi. Dzięki temu opisaliśmy każdego pracownika – jego model behawioralny. 

Co to znaczy?

Jesteśmy w stanie stwierdzić na podstawie uzyskanych danych, kiedy pracownik jest w stanie popełnić błąd na produkcji. Możemy przewidzieć, kiedy spada jego wydajność. 

Jak to działa?

Tworzymy wzór: np. sposób ułożenia narzędzi na danym stanowisku. Wprowadzamy go do systemu, który potem dzięki sieci sensorów – czyli m. in. kamer, czujników zbiera dane i w czasie rzeczywistym porównuje je ze wzorcem. Dzięki temu system wie, że w danej chwili są one niewłaściwie odłożone.

Co się wtedy dzieje?

Wtedy wzbudza scenariusz działań naprawczych i motywujących dla danego pracownika – np. przypomnienie na ekranie “Ułóż, proszę narzędzia zgodnie ze standardem”. Co więcej system dostarcza instrukcji i przypomina, jak dany standard wygląda. Pracownik po wprowadzeniu korekt, potwierdza na ekranie, że zrealizował zadanie i jednocześnie otrzymuje feedback motywujący  “Super! Dobrze Ci idzie!”

Czyli wspiera organizację pracy i działanie standardu…

Ale nie tylko, bo troszczy się też o bezpieczeństwo. W tym zakresie są inne czynności, które Cassandra potrafi identyfikować i wkraczać, kiedy jest potrzebna. Weźmy firmę produkcyjną, która wycina coś z blachy. Obowiązek na takich stanowiskach to osłona i blokada na piłę. Jeśli Cassandra ten standard zna, to wie też  jak powinna być uruchamiana i używana piła. Jeśli tylko sygnały z sensorów wskażą, że osłona nie jest założona, natychmiast identyfikuje wysokie ryzyko wypadku i od razu reaguje. Informuje: kierownika, osobę odpowiedzialną za BHP i w tym samym czasie wysyła sygnał pracownikowi, któremu grozi wypadek.

Krzyczy “Stop!”, wysyła ostrzeżenia, wymierza karę?

Wysyła alerty, ale nikogo nie każe. Uruchamia feedback pozytywny. Oparliśmy Cassandrę na przekonaniu, że najlepsze rezultaty przynosi wspieranie. System prowadzi statystyki: wie jakie dany pracownik popełnia błędy i wie też, czy się poprawia. Wspiera ciągłe jego doskonalenie. Na przykład, jeśli na 5 detali ktoś aż 3 z nich psuje, to system sam zachęca do sprawdzenia, co zostało wykonane, jak, przenosi do instrukcji i przedstawia wzór – czyli jak z danym detalem powinno się pracować. A następnie monitoruje rezultaty.  

Dzięki temu ma realny wpływ na zmiany postaw, eliminację błędów i systematyczne doskonalenie procesów.

Ciekawy, jak Cassandra może sprawdzić się w Twojej firmie? Zobacz więcej szczegółów:

www.cfi.pl/cassandra