Dział jakości w zakładzie produkcyjnym spędza dużo czasu na dokumentach: reklamacjach, raportach, świadectwach, procedurach i audytach. W tej pracy AI pomaga już dziś, bez dotykania samej oceny jakości. Opisujemy, gdzie AI ma sens, czego nie powinno robić i jak wdrożyć je bezpiecznie.
W skrócie
- AI najlepiej sprawdza się w pracy z dokumentami jakościowymi: reklamacjach, raportach, świadectwach i procedurach.
- Przyczynę wady, decyzję o partii i działania korygujące ustala dział jakości, a nie model.
- Największy efekt daje AI połączone z rejestrem reklamacji i danymi o partiach.
- Rysunki i dokumentacja klientów wymagają narzędzi, które nie trenują modeli na waszych danych.
Spis treści
Gdy mowa o AI w jakości, wiele osób myśli o kamerach, które same wykrywają wady na linii. To ciekawy obszar, ale wymaga inwestycji w sprzęt, danych treningowych i miesięcy pracy. Tymczasem w większości działów jakości dużo czasu ginie gdzie indziej: w dokumentach. Reklamacja wymaga zebrania danych z kilku miejsc i napisania raportu. Świadectwo od dostawcy trzeba sprawdzić. Procedura musi zostać zaktualizowana, a klient czeka na odpowiedź w określonym terminie.
W tej pracy AI pomaga od razu, bez nowego sprzętu i bez ryzyka dla samej oceny jakości, jeśli korzysta się z niego z głową. Poniżej opisujemy, gdzie AI ma sens w dziale jakości, gdzie przebiega granica i jak chronić dane klientów.
Gdzie AI pomaga w dziale jakości
Przyjmowanie reklamacji
Reklamacja przychodzi jako mail z opisem, zdjęciami i załącznikiem w formacie klienta. AI wyodrębnia z niej wyrób, numer partii, ilość, opis wady i oczekiwany termin odpowiedzi. Dane trafiają do rejestru reklamacji, a system dołącza informacje o partii z ERP. Pracownik jakości zaczyna od kompletu danych, a nie od przepisywania i szukania. Rejestr reklamacji opisujemy na stronie reklamacje i dokumentacja jakości.
Szkice raportów reklamacyjnych
Wielu klientów przemysłowych wymaga raportu w określonym formacie, na przykład 8D. Struktura jest zawsze ta sama, a dużą część treści tworzą dane, które już są w systemie: opis problemu, dane partii, działania natychmiastowe. AI przygotowuje szkic raportu z danych w rejestrze i notatek działu jakości. Analiza przyczyny i działania korygujące to praca ludzi, ale AI pomaga ją opisać jasno i w formie oczekiwanej przez klienta.
Odpowiedzi do klientów
Odpowiedź na reklamację musi być rzeczowa, uprzejma i zgodna z ustaleniami. AI przygotowuje szkic odpowiedzi na podstawie raportu i decyzji działu jakości, w tonie zakładu i w języku klienta. Pracownik jakości sprawdza i wysyła.
Kontrola świadectw od dostawców
Świadectwa materiałowe i atesty przychodzą w różnych formatach. AI sprawdza, czy dokument zawiera wymagane pozycje: gatunek materiału, numer wytopu lub partii, wyniki badań, podpis. Brakujące pozycje trafiają na listę do wyjaśnienia z dostawcą. O samym obiegu zakupów piszemy na stronie zakupy i dostawcy.
Procedury i instrukcje
Asystent AI na dokumentach zakładu odpowiada na pytania o procedury, instrukcje i wymagania klientów, wskazując dokument, z którego pochodzi odpowiedź. Nowy pracownik jakości szybciej znajduje informacje, a doświadczeni nie odpowiadają w kółko na te same pytania. O budowie takich asystentów piszemy na stronie asystent AI na firmowej wiedzy.
Analiza historii reklamacji
Gdy reklamacje są w jednym rejestrze, AI może pomóc pogrupować je według rodzaju wady, wyrobu, maszyny czy dostawcy, także wtedy, gdy opisy są pisane różnymi słowami. To nie zastępuje analizy, ale skraca przygotowanie danych do przeglądu jakości.
Czego AI nie robi
Granica jest prosta: AI porządkuje dane i pomaga pisać, a nie ocenia jakości i nie podejmuje decyzji. W praktyce oznacza to, że AI:
- nie ustala przyczyny wady ani nie zatwierdza działań korygujących,
- nie decyduje o zwolnieniu lub zablokowaniu partii,
- nie ocenia zgodności wyrobu ze specyfikacją,
- nie wysyła odpowiedzi do klienta bez sprawdzenia przez człowieka.
Modele językowe piszą przekonująco również wtedy, gdy się mylą. Raport reklamacyjny z błędną przyczyną może kosztować zakład utratę klienta. Dlatego każdy dokument, który wychodzi z działu jakości, sprawdza odpowiedzialna osoba.
Dane klientów i poufność
Rysunki, specyfikacje i reklamacje klientów przemysłowych są często objęte zapisami o poufności. Przed wdrożeniem AI warto ustalić kilka zasad:
- korzystacie z narzędzi w wersji, która nie wykorzystuje waszych danych do trenowania modeli,
- wiadomo, gdzie dane są przetwarzane, a umowy z klientami na to pozwalają,
- do modelu trafia tylko to, co potrzebne do zadania,
- zespół wie, czego nie wklejać do ogólnych narzędzi AI.
Jeśli dokumenty i rejestry są w nieładzie, warto zacząć od porządku w danych, o czym piszemy w artykule porządek w danych przed AI i automatyzacją.
Ogólny czat czy AI połączone z rejestrem
| Cecha | Ogólny czat AI | AI połączone z rejestrem reklamacji |
|---|---|---|
| Dane o partii | Trzeba je wkleić | Dołączane automatycznie |
| Format raportu klienta | Trzeba opisywać za każdym razem | Wbudowany szablon |
| Historia reklamacji | Brak | Dostępna przy każdej reklamacji |
| Kontrola nad danymi | Zależy od wersji i ustawień | Ustalona przy wdrożeniu |
| Terminy odpowiedzi | Brak | Pilnowane przez system |
Ogólny czat w płatnej wersji firmowej wystarcza do redagowania odpowiedzi i streszczeń. Gdy zakład chce, żeby AI korzystało z danych o partiach, szablonów raportów i historii reklamacji, potrzebne jest rozwiązanie połączone z rejestrem. Szerzej o AI w całym zakładzie piszemy na stronie AI w zakładzie produkcyjnym.
Przykład: reklamacja z raportem 8D
To przykład ilustracyjny. Klient zgłasza pęknięcia na części detali z jednej partii i wymaga raportu 8D w określonym terminie. Reklamacja trafia do rejestru z numerem partii odczytanym z maila. System dołącza datę produkcji, maszynę, materiał i świadectwo dostawcy. AI przygotowuje szkic pierwszych części raportu: opis problemu, skład zespołu, działania natychmiastowe zapisane przez dział jakości. Zespół ustala przyczynę i działania korygujące, a AI pomaga je opisać. Kierownik jakości zatwierdza raport, a system przypomina o weryfikacji skuteczności działań po ustalonym czasie.
Audyty klientów i certyfikacyjne
Przed audytem dział jakości zbiera dokumenty: zapisy z reklamacji, działania korygujące, świadectwa, protokoły z przeglądów, wyniki pomiarów. Gdy te dokumenty są w rejestrach, zestawienie powstaje w kilka minut, a nie w kilka dni. AI może dodatkowo przygotować podsumowanie reklamacji z okresu objętego audytem i listę działań korygujących z ich statusem. Audytor i tak sprawdza źródła, ale dział jakości nie spędza tygodnia na składaniu dokumentów.
Jak mierzyć efekt
Przed wdrożeniem warto zapisać punkt wyjścia: ile czasu mija od zgłoszenia reklamacji do pierwszej odpowiedzi, ile odpowiedzi wychodzi po terminie wymaganym przez klienta, ile godzin zajmuje przygotowanie raportu. Po kilku tygodniach porównajcie te liczby z nowymi i sprawdźcie, jak często szkic raportu wymagał przepisania od nowa. Jeśli często, problemem są zwykle niekompletne dane w rejestrze albo zbyt ogólny szablon, a nie sam model.
Jak zacząć
Najprościej zacząć od rejestru reklamacji i odczytu danych z maili. To porządkuje pracę od pierwszego dnia, a szkice raportów i odpowiedzi można dołożyć, gdy rejestr działa. Równie ważne jak narzędzie jest przygotowanie zespołu: jak formułować polecenia, jak sprawdzać wynik i czego nie wklejać. Pomagamy w tym podczas szkoleń AI dla zespołów. Jeśli chcecie zobaczyć, jakie inne procesy w zakładzie opłaca się uporządkować, zajrzyjcie do artykułu co zautomatyzować w zakładzie produkcyjnym.
Najczęściej zadawane pytania
Czy AI może napisać raport 8D?
Może przygotować szkic z danych w rejestrze i notatek zespołu. Przyczynę i działania ustala dział jakości, który też zatwierdza raport.
Czy AI oceni, czy wyrób jest zgodny ze specyfikacją?
Nie w naszych wdrożeniach. Ocena zgodności należy do działu jakości. AI pomaga w dokumentach wokół tej oceny.
Czy możemy wklejać rysunki klientów do ChatGPT?
Tylko do wersji firmowej, która nie trenuje modeli na waszych danych, i tylko jeśli umowy z klientami na to pozwalają.
Czy potrzebujemy kamer i systemów wizyjnych?
Nie, żeby zacząć. AI w dokumentach jakościowych nie wymaga nowego sprzętu.
Od czego zacząć korzystanie z AI w dziale jakości?
Od rejestru reklamacji z odczytem danych z maili, a potem od szkiców raportów i odpowiedzi.
Jak możemy pomóc
Autor
Marcin Wróbel
AI / Automation Project Manager
Marcin prowadzi w Automation Minds projekty automatyzacji i wdrożeń AI, od pierwszej rozmowy o procesie aż po uruchomienie i opiekę po starcie. Pracuje z zespołami sprzedaży, finansów, HR i obsługi klienta, łącząc systemy, które wcześniej nie wymieniały między sobą danych. W Poradniku pisze o tym, co widzi przy wdrożeniach: gdzie automatyzacja szybko się zwraca, a gdzie lepiej się wstrzymać.