AI pomáhá odhalovat chyby ve výrobě: Jak DQF mění procesy ve Škoda Auto
Umělá inteligence
Ve světě moderní výroby rozhoduje každá sekunda. A právě ve Škoda Auto vědí, že čas znamená nejen peníze, ale i kvalitu. Projekt Direct Quality Feedback (DQF) je důkazem, že umělá inteligence není jen módní slovo, ale nástroj, který přináší konkrétní výsledky. Jeho cílem bylo zrychlit a zpřesnit zpětnou vazbu při odhalování chyb na výrobní lince – a to se povedlo víc než úspěšně.
Ještě nedávno to fungovalo klasicky – když se ve výrobním procesu objevila chyba, někdo ji musel ručně zapsat, pak dohledat, kdy a kde vznikla, kdo byl na směně, a teprve potom se informace dostala zpátky ke konkrétnímu pracovníkovi. V praxi to znamenalo časové prodlevy, komplikace při směnném provozu a riziko, že se chyba zopakuje, protože se k jejímu původci informace vůbec nedostala. Právě zde nastoupil DQF. Díky integraci umělé inteligence systém automaticky vyhodnocuje data z výroby, dokáže přiřadit chybu ke konkrétní operaci a osobě, a především – okamžitě předává zpětnou vazbu. Tím dochází nejen k úspoře času, ale i ke zvýšení kvality a plynulosti výroby.
Vytvoření takového systému ale rozhodně nebyla procházka růžovým sadem. Standardní jazykové modely totiž selhávaly – chyběla jim doménová znalost a přesnost při spárování chyb s konkrétními výrobními kroky byla nedostačující. Proto byl zvolen vícestupňový přístup: od předzpracování jazyka pomocí statistických metod, přes zrychlené učení neuronové sítě až po optimalizaci s minimem trénovacích dat. Technologický stack teď mluví sám za sebe:
TensorFlow, Scikit-Learn, Pandas – pro práci s daty a trénink modelů
React – frontend řešení
Databricks, PostgreSQL, OpenShift – robustní datová infrastruktura
F5 – zabezpečení a správu přístupu
Jak to celé probíhalo?
Experimentování – Ověřování různých přístupů, testování a ladění metodiky.
Trénování modelu – Postupné učení systému na základě reálných dat a zpětné vazby od klienta.
Vývoj a nasazení – Spojení AI s výrobními systémy Škoda Auto v Kvasinách.
Neustálé učení a rozšiřování – Díky MLOps se dokážou modely automaticky přizpůsobovat novým vozům, výbavám i změnám ve výrobě.
Díky aplikaci DQF tedy dnes Škoda Auto dokáže automaticky identifikovat více než 85 % závad a přiřadit je ke konkrétní operaci a místu vzniku. Co to znamená v praxi? Zrychlení výroby. Zlepšení školení zaměstnanců. Zefektivnění komunikace. Úleva pro mistry směn a návratnost investice přesahující 230 %. A co dál? DQF se již úspěšně rozšiřuje do dalších provozů a přizpůsobuje různým modelům i výbavovým stupňům vozidel. Co začalo v Kvasinách, dnes přetváří celý výrobní ekosystém. DQF je krásným příkladem toho, jak může AI zefektivnit i tak komplexní a precizní proces, jakým je automobilová výroba. A když se do toho opře zkušený tým, výsledky se dostaví – rychle, přesně a s výrazným dopadem.
