Як ШІ змінює контроль якості в автомобільній промисловості

Збої в контролі якості обходяться дорого. У 2025 році виробники автомобілів у США виплатили $20,81 млрд за гарантійними вимогами, а за даними Національного управління безпеки дорожнього руху США, понад 29 млн автомобілів було відкликано. За кожною з цих цифр стояла дефектна деталь, яку не помітили або належним чином не перевірили, — чи то через помилку під час проєктування та/або перевірки, чи через щось, що сталося з автомобілем після його відправлення клієнтові.

Під час пошуку дефектів на виробничій лінії доводиться враховувати безліч дедалі складніших змінних. Функції, які раніше реалізовувалися механічно, тепер керуються програмним забезпеченням, а допуски для механічних компонентів і акумуляторів електромобілів стають жорсткішими, тож місця для помилок майже не залишається. Крім того, глобальні ланцюги постачання створюють варіативність, яку окреме підприємство не може повністю контролювати. Усе це — додаткові причини подбати про належний процес виявлення дефектів на виробничій лінії.

Штучний інтелект дає командам із контролю якості новий набір інструментів. Замість того щоб перевіряти вибіркові деталі після виробництва й сподіватися, що проблеми не залишаться непоміченими, виробники тепер можуть відстежувати кожну деталь у реальному часі та виявляти тенденції або відхилення, перш ніж вони перетворяться на дефекти. Я багато років працював із виробниками автомобілів, шин та акумуляторів над вирішенням цих проблем, тож хочу розповісти, що саме змінюється і що потрібно, аби такі програми працювали.

Виявлення проблем до того, як вони набудуть масштабу

Найважливіша зміна, яку ШІ приносить у контроль якості, — це масштаб. Перевіряючи всю продукцію на виробничій лінії, можна виявляти аномалії до того, як вони перетворяться на дефекти. Людям властиво помилятися, тож якщо перевіряти лише вибіркову частину продукції та покладатися на візуальний огляд працівників, аномалії можуть залишитися непоміченими. Це може статися через людську помилку — коли працівник не здатен візуально розпізнати дефект, — або через втому, яка заважає людям бути такими ж уважними до деталей, як на початку зміни.

Розвиток камер і ШІ та їхнє поєднання можуть принести автомобільній галузі значну користь. Виробники можуть не лише почати виявляти більше дефектів на виробничій лінії, а й, що особливо важливо, знаходити проблеми ще до їх виникнення. Використовуючи ШІ для виявлення дефектів під час віртуальних випробувань, виробники почали не тільки прогнозувати можливі несправності, а й створювати нові випробування для своєї продукції. Крім того, застосування ШІ на виробничій лінії дає змогу виявляти більше дефектів, ніж будь-коли раніше. Дослідження McKinsey показало, що завдяки використанню ШІ на виробничих лініях виробники змогли виявляти на 90% більше дефектів.

Інспекція, що вдосконалюється сама

Виявлення більшої кількості дефектів — лише частина історії. Друга важлива зміна полягає в тому, що точність перевірок на основі ШІ з часом зростає, а не залишається незмінною. Система на основі ШІ не лише виявляє більше дефектів, а й аналізує всі отримані дані та навчається. Прогнозування за допомогою ШІ результатів роботи обладнання дає змогу виявляти, коли воно працює не відповідно до заданих специфікацій. Якщо обладнання починає виходити за межі допусків, можна сповістити систему й налаштувати її так, щоб вона скоригувала параметри обладнання, повернула випуск у межі допусків, а продукцію — до відповідності специфікаціям.

Приклад із шинної галузі — зрощування стиків. Використання ШІ та комп’ютерного зору під час цього процесу дає змогу зменшити кількість стиків, що виходять за межі допусків, і водночас підвищити якість. В автомобільному виробництві прикладом є вдосконалення контролю зазору та врівень установлених поверхонь у кузовному або зварювальному цеху. Оскільки система навчається на поточних та історичних даних, вона знає, як має виглядати якісне зрощення і якими є належні геометричні допуски, та починає в реальному часі коригувати параметри технологічного процесу й роботу роботів, щоб не виходити за межі допусків. Саме цей цикл навчання відрізняє сучасну інспекцію на основі ШІ від попередніх видів автоматизації. Стандарти залишаються незмінними в різні зміни, на різних виробничих лініях і навіть на підприємствах у різних регіонах. Це важливо для виробників шин і автомобілів, які використовують однакові системи та моделі на багатьох підприємствах по всьому світу.

Від захисного бар’єра до стратегічної переваги

Довгий час контроль якості вважали захисним бар’єром — фінальною перевіркою, покликаною не допустити потрапляння бракованих деталей до клієнтів. ШІ перетворює його на щось ближче до стратегічного важеля.

Можна не лише виявляти більше дефектів, а й з’ясовувати, де саме вони виникають. Краще розуміння виробничого процесу дає змогу виявляти тенденції та усувати проблеми до того, як вони стануть серйозними. З’ясувавши, де виникають дефекти, можна підвищити вихід придатної продукції з першого проходу та знизити рівень браку й переробки, а зменшення браку та обсягів переробки дає змогу збільшити пропускну здатність виробництва.

Важливі тут показники не є чимось незвичним. Вихід придатної продукції з першого проходу, рівень браку й переробки, скарги клієнтів і точність перевірок існували й до появи ШІ. Змінюється швидкість і послідовність, із якими виробники можуть вимірювати ці показники та вживати заходів. Дефект, виявлений на виробничій лінії, обходиться набагато дешевше, ніж дефект, знайдений після складання; а виявити дефект після складання набагато дешевше, ніж тоді, коли він потрапляє до клієнта й призводить до гарантійної вимоги або відкликання продукції.

Чому так багато програм зі ШІ заходять у глухий кут

Звісно, усе це не відбувається автоматично. Сам факт купівлі камер і програмного забезпечення на основі ШІ не означає, що ви почнете виявляти більше дефектів. Виробники, яким вдалося успішно впровадити такі процеси, вирізняються кількома важливими підходами. Вони визначили проблемне місце на виробничій лінії й спробували розв’язати цю проблему за допомогою ШІ, а не кинулися впроваджувати ШІ, намагаючись з’ясувати, для чого його можна використати. Також вони подбали про те, щоб мати вимірювані цілі, з якими можна було порівняти результати. Переконавшись, що пілотний проєкт успішний, можна розглянути масштабування процесу на інші ділянки виробничої лінії.

Ще одна річ, про яку варто подбати, — це потрібні компетенції у вашій команді. Можливо, ваша команда з контролю якості знає про процес усе, але ніколи не використовувала машинне навчання. Або ж ваша команда з аналізу даних знає все про машинне навчання, але не розуміє, що відбувається на вашій виробничій лінії. Наявність таких міжфункціональних компетенцій, а також досвіду масштабування дасть змогу впроваджувати ці процеси на виробничій лінії та в усіх ваших операційних процесах.

Що чекає попереду

В автомобільній галузі якість завжди визначала репутацію. Один-єдиний дефект, що потрапить на ринок, може спричинити відкликання автомобілів, яке обійдеться у сотні мільйонів доларів, і підірвати довіру клієнтів, на формування якої пішли роки. ШІ дає змогу раніше виявити такий дефект, зрозуміти, чому він виник, і запобігти його повторній появі на кожній виробничій лінії та на кожному заводі, а не по одному за раз.

Виробники, які сьогодні отримують реальну користь від ШІ, не обов’язково мають найсучасніші технології. Це ті, хто сприймає якість як систему, яку потрібно розуміти й постійно вдосконалювати, а ШІ — як одну з її складових, а не як систему в цілому. Архітектури автомобілів і далі змінюватимуться, а обсяги виробництва зростатимуть, тож така дисципліна матиме ще більше значення, а не менше.