Så kan AI fånga kvalitetsproblem redan i designfasen

Hugo Nordell, vd och medgrundare på Encube, fick upp ögonen för problemet under sina år inom industrin. 

Hans bild är att produktionen i många fall blivit mycket mer avancerad. Samtidigt menar han att beslut som får stor betydelse för kostnad och kvalitet fortfarande kan fattas långt tidigare utan att man ta hänsyn till alla relevanta perspektiv.

– Rotorsaken är att rätt människor inte är på plats för att säkerställa rätt avvägningar i rätt del av värdekedjan.

Ett mått kan få stora konsekvenser

Ett exempel är toleranser.

En konstruktör anger hur mycket ett mått får avvika. Ett snävt toleranskrav ställer högre krav på både tillverkning och kontroll. Om den precisionen inte behövs kan kostnaden öka i onödan.

– Varför i hela världen designar vi inte så att ett skjutmått räcker? Varför behöver vi en CMM-process här?

En CMM, eller koordinatmätmaskin, används för avancerad kontroll av en komponents geometri. Valet av en sådan mätprocess kan få stor påverkan på kostnaden.

– Kopplar du på CMM-processen, då blir detaljen direkt 40, 50 eller 60 procent dyrare, beroende på hur komplex den är.

Hårdvaruutvecklingen har samtidigt blivit så specialiserad att en konstruktör inte kan förväntas kunna överblicka alla konsekvenser längre fram i produktionen.

– Det är orimligt att kräva av konstruktörerna att de ska sitta på all den här kompetensen.

Rätt personer kommer in för sent: ”Fabriken måste gå”

De som har hand om designfasen i produktionen finns ofta i andra delar av verksamheten – inom kvalitet, tillverkning och på fabriksgolvet.

De behövs i den löpande produktionen, menar Hugo Nordell.

– Fabriken måste gå, så de har inte möjlighet att bara försvinna i en halvdag och sitta i ett rum eller på ett Teams-samtal och dividera kring vad som skulle kunna vara en bättre måttsättning, säger han.

Det kan få följden att deras kunskap riskerar att komma in i ett sent skede i konstruktionen och när det sker kan leverantörer redan vara inkopplade. Ritningar kan vara på väg att låsas och produktionsprocesser är redan planerade. Då blir ändringar både svårare och dyrare.

Företaget får i många fall då acceptera den högre kostnaden och försöka effektivisera produktionen i efterhand.

– Människorna i processen gör ju ett fantastiskt jobb. Men det som händer är att man bara sväljer merkostnaden i stället och då sätter man ett continuous improvement- eller lean-team på att identifiera flaskhalsar i produktionen.

Mycket förbättringsarbete sker när konsekvenserna redan har inträffat trots att större handlingsutrymme fanns när produkten fortfarande gick att förändra.

Det innebär också en möjlighet att flytta delar av kvalitetsarbetet tidigare i processen. 

AI ska hjälpa till med letandet: ”Det finns väl ingen som vill jobba på det sättet”

Plattformen Encube ska göra det lättare att få in fler perspektiv tidigare i utvecklingen. AI används för att minska mängden manuellt granskningsarbete.

En teknisk ritning kan innehålla stora mängder mått, toleranser och andra krav som behöver kontrolleras. Granskningen är viktig för kvaliteten och riskerar att ta mycket av personalens värdefulla tid, menar Hugo Nordell.

– Ingen vill sitta med linjal och minutiöst granska varenda mått på en ritning.

När nästa version av konstruktionen kommer behöver det kontrolleras att överenskomna ändringar verkligen har genomförts – och att inga andra förändringar har tillkommit av misstag.

– Enda sättet att säkerställa det är att göra exakt samma sak en gång till. Det finns väl ingen som vill jobba på det sättet. Men det är så man jobbar.

AI kan gå igenom underlaget och uppmärksamma ingenjören på sådant som avviker eller behöver granskas närmare.

Men Hugo Nordell är tydlig – AI ska inte ta över själva beslutsfattandet.

– Vi bygger AI uteslutande som beslutsunderlag. Vi bygger inte AI för att ta beslutet åt dig.

Ingenjören bör fortfarande avgöra vad en avvikelse betyder och vilken åtgärd som är rimlig. Det kan handla om att ändra konstruktionen, justera ett toleranskrav eller konstatera att den befintliga lösningen är rätt.

AI ska framför allt minska tiden som går åt till att hitta frågorna som behöver bedömas.

– I stället för att du lägger 80 procent av tiden som du egentligen inte har på att bara identifiera om det finns ett problem så kan AI lyfta upp det till ytan.

Därför räcker många AI-verktyg inte till

Generella AI-verktyg har begränsningar i industriprocesser.

De kan fungera bra för exempelvis textarbete, sammanfattningar och generella frågor. Men en industriprocess kräver kunskap om det enskilda företagets produkter, maskiner, standarder och arbetssätt. Något som inte en vanlig språkmodell kan lova.

– Den kan ge dig övergripande, svepande svar. Men den kan inte säga exakt varför det här är ett problem för er.

I produktionen finns dessutom ett stort behov av förutsägbarhet då företag vill veta att en process reagerar likadant när förutsättningarna är desamma.

Bygger inte lösningen för alla: ”Om du inte kartlagt din process..”

En mer specialiserad AI-lösning kräver också ett grundarbete.

Företaget behöver först förstå vilken process som ska förbättras, vilket nuläge man utgår från och hur nyttan ska mätas.

– Om du inte kartlagt din process, då måste du göra det. Du måste våga vilja mäta vad du tror att förbättringen är. För annars har du ingen aning om vad din baseline är.

Företaget behöver veta vad som ska bli bättre och vad man behöver följa upp för att se om förändringen ger effekt.

AI-arbetet blir därmed en del av verksamhetsutvecklingen.

– AI är ett verktyg, inte en magisk trollstav. Då måste du ha gjort grundjobbet.