كيف يغيّر الذكاء الاصطناعي مراقبة الجودة في صناعة السيارات

إخفاقات الجودة مكلفة. ففي عام 2025، دفعت شركات تصنيع المركبات في الولايات المتحدة 20.81 مليار دولار من مطالبات الضمان، ووفقًا للإدارة الوطنية للسلامة المرورية على الطرق السريعة، أكثر من 29 مليون مركبة استُدعيت. ويعود كل رقم من هذه الأرقام إلى قطعة معيبة لم يُنتبه إليها أو لم تُفحص على النحو الصحيح، سواء أكان ذلك بسبب خطأ في التصميم و/أو عملية الفحص، أم لشيء حدث للمركبة بعد شحنها إلى أحد العملاء.

تتداخل عوامل كثيرة، تزداد تعقيدًا، عند محاولة اكتشاف العيوب على خط الإنتاج. فمع تحوّل الوظائف التي كانت ميكانيكية إلى وظائف يتحكم فيها البرنامج، وضيق هوامش التفاوت في المكونات الميكانيكية وبطاريات السيارات الكهربائية، لم يعد هناك مجال يُذكر للخطأ. وإضافة إلى ذلك، تزيد سلاسل التوريد العالمية من التباين الذي لا يستطيع مصنع واحد السيطرة عليه بالكامل. وكل ذلك يجعل ضمان وجود العملية المناسبة لاكتشاف العيوب على خط الإنتاج أكثر أهمية من أي وقت مضى. 

يتيح الذكاء الاصطناعي لفرق الجودة مجموعة مختلفة من الأدوات. فبدلًا من فحص عينة من القطع بعد الإنتاج والأمل في ألا تفلت المشكلات من الملاحظة، بات بإمكان الشركات المصنّعة مراقبة كل قطعة في الوقت الفعلي، ورصد الأنماط أو الانحرافات قبل أن تتحول إلى عيوب. وبعد سنوات من العمل مع مصنّعي السيارات والإطارات والبطاريات على هذه المشكلات، أود أن أوضح ما الذي يتغير فعلًا وما الذي يتطلبه إنجاح هذه البرامج.

اكتشاف المشكلات قبل تفاقمها

يتمثل أكبر تغيير يُحدثه الذكاء الاصطناعي في مجال الجودة في اتساع نطاق الفحص. فبفحص جميع المنتجات على خط الإنتاج، يمكنك اكتشاف الحالات الشاذة قبل أن تتحول إلى عيوب. فالخطأ من طبيعة البشر؛ وإذا اقتصرت على فحص عينة من خط الإنتاج واعتمدت على الفحص البصري البشري لمنتجاتك، فقد تمر بعض الحالات الشاذة دون اكتشاف. وقد يرجع ذلك إلى خطأ بشري يحول دون التعرف بصريًا على أحد العيوب، أو إلى الإرهاق الذي يجعل الموظفين أقل تدقيقًا مما كانوا عليه في بداية مناوبتهم.

يمكن أن يحقق تطور الكاميرات والذكاء الاصطناعي وتكاملهما فوائد كبيرة لقطاع السيارات. فليس بإمكانك البدء في اكتشاف مزيد من العيوب على خط الإنتاج فحسب، بل يمكنك، والأهم من ذلك، اكتشاف المشكلات قبل وقوعها. وقد بدأت الشركات المصنّعة تستفيد من استخدام الذكاء الاصطناعي لاكتشاف العيوب في الاختبارات الافتراضية، ليس للتنبؤ بالإخفاقات المحتملة فحسب، بل أيضًا لإنشاء اختبارات جديدة لإجرائها على منتجاتها. وإضافة إلى ذلك، يتيح استخدام الذكاء الاصطناعي على خط الإنتاج اكتشاف عيوب أكثر مما كان ممكنًا من قبل. وأظهر بحث أجرته McKinsey أن الشركات المصنّعة تمكنت من اكتشاف عيوب أكثر بنسبة 90% باستخدام الذكاء الاصطناعي على خطوط الإنتاج.

فحص يتحسن باستمرار

اكتشاف مزيد من العيوب ليس سوى جزء من الصورة. ويتمثل التغيير الثاني في أن الفحص المعتمد على الذكاء الاصطناعي يتحسن بمرور الوقت بدلًا من أن يظل على حاله. فلا يقتصر الأمر على اكتشاف عيوب أكثر؛ إذ يحلل النظام المدعوم بالذكاء الاصطناعي جميع البيانات التي تُدخَل إليه ويتعلم منها. ويتيح استخدام الذكاء الاصطناعي للتنبؤ بمخرجات الآلات اكتشاف الحالات التي لا تعمل فيها آلاتك وفق المواصفات. وإذا بدأت الآلات بالخروج عن حدود التفاوت المسموح بها، يمكنك تنبيه النظام ليعدّل قيم الآلات، فتعود المخرجات إلى حدود التفاوت وتطابق المنتجات المواصفات.

من أمثلة ذلك في صناعة الإطارات عملية وصل الأطراف. فباستخدام الذكاء الاصطناعي والرؤية الحاسوبية في عملية الوصل، يمكنك تقليل الوصلات التي تتجاوز حدود التفاوت المسموح بها، مع تحسين الأداء. ومن الأمثلة الأخرى في صناعة السيارات تحسين الفجوات واستواء الأسطح في ورشة الهيكل أو اللحام. وبما أنك أتحت للنظام التعلم من بياناتك الحالية والتاريخية، فإنه يعرف شكل الوصلة الجيدة وحدود التفاوت الهندسي المناسبة، ويبدأ بتعديل متغيرات عملية الآلات والروبوتات في الوقت الفعلي للحفاظ على العمل ضمن حدود التفاوت. وحلقة التعلم هذه هي ما يميز الفحص الحديث بالذكاء الاصطناعي عن الأتمتة السابقة. وتظل المعايير متسقة بين المناوبات وخطوط الإنتاج، بل وحتى المصانع في مناطق مختلفة، وهذا مهم لمصنّعي الإطارات وشركات صناعة السيارات التي تشغّل الأنظمة والطرازات نفسها في منشآت متعددة حول العالم.

من ضمان الحماية إلى ميزة استراتيجية

لطالما عوملت مراقبة الجودة بوصفها إجراءً وقائيًا، أي فحصًا نهائيًا يهدف إلى منع وصول القطع المعيبة إلى العملاء. لكن الذكاء الاصطناعي يحولها إلى أداة أقرب إلى رافعة استراتيجية. 

لا يمكنك اكتشاف مزيد من العيوب فحسب، بل يمكنك أيضًا البدء في فهم مواضع حدوثها. ويساعدك الفهم الأفضل لعملياتك على رصد الأنماط ومعالجة المشكلات قبل أن تتفاقم. وما إن تبدأ في تحديد مواضع حدوث هذه العيوب، يمكنك زيادة نسبة المنتجات المطابقة من المحاولة الأولى وخفض معدلات الهدر وإعادة العمل؛ ومع خفضهما، يمكنك زيادة الإنتاجية.

المؤشرات المهمة هنا ليست معقدة أو غير مألوفة. فنسبة المنتجات المطابقة من المحاولة الأولى، ومعدل الهدر وإعادة العمل، وشكاوى العملاء، ودقة الفحص، كلها مؤشرات كانت موجودة قبل ظهور الذكاء الاصطناعي. لكن ما يتغير هو سرعة قياس الشركات المصنّعة لها واتساق هذا القياس، وكذلك سرعة اتخاذها الإجراءات اللازمة بناءً عليها. فالعيب الذي يُكتشف على خط الإنتاج أقل تكلفة بكثير من العيب الذي يُكتشف بعد التجميع، وهذا الأخير أقل تكلفة بكثير من عيب يصل إلى العميل ويتحول إلى مطالبة ضمان أو عملية استدعاء.

لماذا تتعثر برامج الذكاء الاصطناعي الكثيرة

بالطبع، لا يحدث أيٌّ من ذلك تلقائيًا. فمجرد شراء الكاميرات وبرامج الذكاء الاصطناعي لا يعني أنك ستكتشف مزيدًا من العيوب. وهناك عاملان أساسيان اختلف فيهما أداء الشركات المصنّعة التي نجحت في تطبيق هذه العمليات. فقد حددت نقطة ضعف في خط الإنتاج لديها، وحاولت حلها باستخدام الذكاء الاصطناعي، بدلًا من الاندفاع إلى استخدامه ثم البحث عمّا يمكن توظيفه فيه. كما حرصت على وضع أهداف قابلة للقياس يمكنها مقارنة نتائجها بها. وبعد التأكد من نجاح المشروع التجريبي، يمكن النظر في توسيع نطاق العملية لتشمل مناطق أخرى من خط الإنتاج.

ومن الأمور الأخرى التي ينبغي التأكد من توافرها امتلاك فريقك للمهارات اللازمة. فقد يعرف فريق الجودة لديك كل شيء عن العملية، لكنه لم يسبق له استخدام تعلّم الآلة. أو ربما يعرف فريق علوم البيانات لديك كل شيء عن تعلّم الآلة، لكنه لا يعرف ما يجري على خط الإنتاج. إن ضمان توافر هذه المهارات متعددة التخصصات، إلى جانب الخبرة في توسيع نطاق العمليات، سيمكنك من تطبيق هذه العمليات على خط الإنتاج وفي مختلف أنحاء عملياتك.

إلى أين يتجه هذا المجال

لطالما كانت الجودة هي ما يحدد السمعة في قطاع السيارات. فخلل واحد يصل إلى السوق قد يؤدي إلى عمليات استدعاء تكلف مئات الملايين من الدولارات، ويقوض ثقة العملاء التي بُنيت على مدى سنوات. وما يتيحه الذكاء الاصطناعي هو اكتشاف هذا الخلل في وقت أبكر، وفهم سبب حدوثه، ومنع تكراره على كل خط إنتاج وفي كل مصنع، بدلًا من التعامل مع كل منها على حدة.

ليس بالضرورة أن تكون الشركات المصنّعة التي تحقق اليوم قيمة حقيقية من الذكاء الاصطناعي هي تلك التي تمتلك أحدث التقنيات. بل هي الشركات التي تتعامل مع الجودة بوصفها منظومة ينبغي فهمها وتحسينها باستمرار، وتعدّ الذكاء الاصطناعي جزءًا من هذه المنظومة لا المنظومة بأكملها. ومع استمرار تطور بنيات المركبات وارتفاع أحجام الإنتاج، ستزداد أهمية هذا النهج، لا العكس.