فورد، هر سال بیش از 300 هزار پیکاپ F‑150 از روی نوار خارج میکند؛ خودرویی با تنوع بالای تیپها، سیمکشیها، نشانها، گلگیرها و ترکیبهای مختلف صندلی و سختافزار الکتریکی. میان صدای ماشینآلات و دستان کارگران با دستکشهای ایمنی، اعضای تازهنفس تیم تضمین کیفیت فورد هیچوقت حواسپرت نمیشوند: دوربینهایی مجهز به هوش مصنوعی.
فورد طی سال 2024 دو سامانه داخلی مبتنی بر بینایی ماشین را در کارخانههایش بهکار گرفته است
AiTriz و MAIVS. AiTriz که در دسامبر 2024 پایدار شد و نامش را از خالق اسپانیاییاش “بئاتریز گارسیا کولادو” گرفته، با یادگیری ماشین و پخش ویدیوی زنده به شکار ناهماهنگیهای در حد میلیمتر میپردازد. MAIVS که ژانویه 2024 معرفی شد، از عکسهای ثابتِ گوشیهای هوشمندی استفاده میکند که روی پایههای چاپ سهبعدی نصب شدهاند تا مطمئن شود همه قطعات درست و بهموقع روی خودرو سوار شدهاند.
هدف مشترک هر دو، یافتن ایراد در همان ایستگاه، پیش از آنکه به ادعاهای گارانتی، ریورک، یا فراخوانهای پرهزینه تبدیل شوند؛ حوزهای که فورد پس از صدرنشینی در آمار فراخوانها در چهار سال از پنج سال اخیر، مصمم است بهبودش دهد.
چرا تشخیص در لحظه مهم است؟
جف تورنابین، مدیر کاربردهای بینایی در مرکز توسعه و فناوری تولید فورد، به بیزنس اینسایدر میگوید: «تصور کنید هر دقیقه یک خودرو به شما میرسد؛ چندین کار متفاوت باید انجام دهید و هیچ دو خودرویی دقیقاً مثل هم نیست. وقتی سیستم کنترل دستورالعمل را میداند و سیستم بینایی آن را چک میکند، مثل این است که یک جفت ساسپندر حمایتی دارید که مطمئن شود قطعه درست روی خودروی درست مینشیند.» این یعنی بهجای صبر تا انتهای خط یا ایستگاههای پایانی، کنترل فرآیند در همان ایستگاه بهتر میشود؛ تغییری که پاتریک فرای، مدیر مهندسی در کارخانه دیربورن، «بهوضوح مفید» توصیف میکند.
پیش از AiTriz، بسیاری از ایرادهای الکتریکی تازه در بازرسی نهایی مشخص میشدند—اگر اصلاً دیده میشدند. تعمیر دیرهنگام آنها در مواردی مستلزم بیرونآوردن موکت یا بازکردن صندلیها بود. با افزایش نمایشگرها، حسگرها و سختافزارهای کمکرانندگی، حتی یک اتصال نیمهلق میتواند دردسرساز شود. فرای میگوید: «با دستکشها برای محافظت از دستها و سروصدای کارخانه، همیشه صدای کلیک یا حس قفلشدن دو کانکتور را متوجه نمیشوید.» اینجاست که دوربینها با بزرگنمایی و تحلیل پیکسلی، تفاوتهای نامحسوس را بهوضوح نشان میدهند.
AiTriz و MAIVS دقیقاً چه میکنند؟
- MAIVS از عکسهای ثابت (استیل ایمیج) با زاویه و نور استاندارد بهره میگیرد؛ گوشیهای هوشمند روی پایههای چاپ سهبعدی ثابت شدهاند تا خطاهای نصبِ قابل مشاهده را بررسی کنند: آیا سوکت در جای درست نشسته؟ آیا بست و خار در موقعیت صحیح است؟ آیا برچسبها با «نسخه دستور کار» خودرو همخوان است؟
- AiTriz ویدئوی زنده را فریمبهفریم تحلیل میکند؛ این مزیت باعث میشود با «انسداد دید» هم کنار بیاید—چه وقتی اپراتور از جلوی دوربین عبور میکند، چه وقتی قطعه ورقکاری لحظهای جلوی اتصال الکتریکی را میپوشاند. بهعلاوه، حرکت و دینامیک اتصال (مثل سرعت و زاویه فرو رفتن فیش) را هم میسنجد؛ امری که در عکس ثابت قابل رؤیت نیست.
برندن تولسما، مهندس بینایی در MTDC فورد، میگوید: «هرچه خودرو جلوتر میرود، دسترسی به برخی اجزا سختتر میشود. نتیجههای آنی کلید صرفهجویی در زماناند. خیلی از کانکتورهای معیوب در گذشته چون تماس الکتریکی اولیه داشتند، از بازرسی نهایی عبور میکردند، اما بعد در دنیای واقعی لق میشدند. AI حالا آن تفاوتهای میلیمتری را میبیند—even اگر پشت ورق یا موکت پنهان شده باشد.»
مقیاس استقرار و اثر عملیاتی
این سیستمها حالا در دهها ایستگاه در آمریکای شمالی نصب شدهاند: AiTriz در 35 ایستگاه و MAIVS در نزدیک به 700 ایستگاه. بهگفته فرای، «بهجای انتظار تا پایان خط، کنترل فرآیند درون ایستگاه بهتر میشود.» چنین سرعتی برای جلوگیری از ریورک و جلوگیری از عبور نقصها به مراحل بعد حیاتی است. برای اپراتوری که هر دقیقه باید کاری متفاوت روی خودروی متفاوت انجام دهد، این «چشم دوم دیجیتال» بار شناختی را سبک میکند و کیفیت یکنواختتری میسازد.
پیوند AI با درد مزمن فراخوانها
فورد امسال با رکورد 94 فراخوان مواجه شد—بخش عمده برای خودروهای پیش از 2023—رقمی که بهگفته گزارشها، بیشترین تعداد بولتنهای ایمنی منتشرشده توسط یک برند بزرگ در یک سال کامل است، در حالی که هنوز اوایل اوت است. این بولتنها میلیونها دلار هزینه روی دست شرکت گذاشتهاند. مثلاً یک فراخوان نشت سوخت برای 694,271 دستگاه از مدلهای برونکو اسپرت و اسکیپ حدود 570 میلیون دلار برآورد شده است. آنچه فورد امروز روی خط تولید انجام میدهد، در واقع نوعی پیشگیریِ نزدیک به منبع است؛ هر نقصی که همانجا شناسایی و اصلاح شود، یک ادعای گارانتی یا یک فراخوان بالقوه را حذف میکند.
جای انسان کجاست؟
تورنابین تأکید میکند این ابزارها جایگزین نیروی انسانی نیستند، بلکه پشتیبان آناند: «وقتی سیستم کنترل دستورالعمل را میداند و سیستم بینایی آن را چک میکند، ترکیب کمربند و ساسپندری است برای اطمینان.» بهویژه با پیچیدهترشدن مدلها و ورود حسگرها، تراشهها و پردازندههای بیشتر برای تحقق اهداف خودران فورد، ابزارهای بینایی میتوانند به اپراتورها کمک کنند در میان شلوغی، هر اتصال همانطور که باید انجام شود.
تحلیل بیرونی: امید زیاد، اما با احتیاط
دیوید ویستون، تحلیلگر مورنینگاستار، میگوید AI در افق بلندمدت برای کاهش فراخوانها امیدبخش است، اما هنوز در ابتدای راه: «اگر درست انجام شود، میتواند هزینههای گارانتی و فراخوان را طی یک دهه و بیشتر پایین بیاورد؛ اما تضمینی نیست.» در واقع، هوش مصنوعی اگر هم در تولید و هم در طراحی و مهندسی بهصورت پیشگیرانه بهکار رود، نتیجهاش باید کاهش خطاهای سیستمی باشد.
فورد میگوید «این پایان راه نیست، شروع یک برنامه است» تا این فناوری را به «تغییردهنده بازیِ کیفیت» بدل کند. مسیر طبیعیِ بلوغ از چکلیستهای بصری استاندارد، به تشخیصهای ترکیبی (cross‑check قطعات، دستورالعملها و دادههای تست) و سپس «بستن حلقه» با دادههای طراحی و مهندسی میگذرد—چیزی شبیه نخ دیجیتال که خطا را از منبع حذف میکند. در کوتاهمدت، گسترش ایستگاههای AiTriz و ارتقای MAIVS، استانداردسازی نور و زاویه دوربینها و غنیسازی دیتاستها برای مدلها، محور اجرا خواهد بود.
برای مطالعه اخبار بیشتر اینجا کلیک کنید.
دوربینهای هوش مصنوعی فورد—AiTriz و MAIVS—با دید دقیقتر از چشم انسان و سرعتی فراتر از بازرسیهای انتهای خط، در حال تبدیلشدن به حلقهای حیاتی در تضمین کیفیت هستند. اگر این روند تداوم یابد و با مهندسی و طراحی همافزا شود، میتواند نرخ خطاهای پنهان، ریورک، ادعاهای گارانتی و نهایتاً فراخوانهای پرهزینه را پایین بیاورد. اما همانطور که تحلیلگران هشدار میدهند، مسیر از اثبات میدانی تا مقیاس سراسری، نیازمند دادههای بیشتر، انطباق با خطوط مختلف، و مراقبت از «نقش انسان در حلقه» است.
خلاصه خبر در یک نگاه
- دو سامانه داخلی AI در فورد: AiTriz (ویدئوی زنده، تشخیص ناهماهنگیهای میلیمتری، مقاوم در برابر انسداد دید) و MAIVS (تصاویر ثابت با گوشیهای هوشمند روی پایههای چاپ سهبعدی).
- استقرار فعلی: AiTriz در 35 ایستگاه و MAIVS در نزدیک به 700 ایستگاه در آمریکای شمالی.
- مسئلهای که حل میشود: اتصالهای نیمهنشسته، خطاهای نصب پنهان، و ایرادهای الکتریکی که پیشتر تا انتهای خط یا حتی پس از تحویل قابل تشخیص نبودند.
- انگیزه مالی: فورد امسال با 94 فراخوان رکورد زده؛ نمونهای از هزینهها، فراخوان نشت سوخت 570 میلیون دلاری برای برونکو اسپرت و اسکیپ.
- اثر عملیاتی: کنترل فرآیند درون ایستگاه، کاهش ریورک و جلوگیری از عبور نقصها به مراحل غیرقابلدسترسیِ بعدی.
- نگاه بازار: مورنینگاستار میگوید پتانسیل بلندمدت مثبت است اما موفقیت به اجرای درست و داده کافی وابسته است.
- فلسفه اجرا: کمک به نیروی انسانی، نه جایگزینی؛ «این آغاز» نقشه راه کیفیت مبتنی بر بینایی ماشین در خطوط فورد است.
نظر شما در مورد این مطلب چیه؟