지난 몇 주 동안 세계에서 가장 큰 두 자동차 브랜드에서 IoT가 리콜 및 보증 청구를 피하는 데 어떻게 도움이 될 수 있는지 보여주는 몇 가지 주요 발표가있었습니다.
알림
GM은 수년간 자체 연구와 테스트를 거친 후 첫 번째는 GM이 나왔는데, GM은 미국 고속도로 교통 안전청이 리콜 항소를 거부 한 후 미국에서 XNUMX 만 대의 차량을 리콜한다고 발표했다. .
가장 최근의 제품은 Ford에서 나온 것으로, 보증 비용 상승을 억제하기위한 조치를 취했다고 발표했습니다.. 이러한 비용을 상쇄하기위한 새로운 계획의 일부는 회사가 보증 관련 문제 비용의 절반을 공급 업체에 선불로 청구하는 것입니다.
이 두 경우 모두 분명히 많은 문제가 있습니다. 무엇보다도 차량에 탑승 한 운전자와 승객의 안전입니다. 둘째, 대량 리콜 또는 보증 청구가 급증하는 경우 OEM 브랜드에 대한 피해입니다. 그리고 마지막으로, 이러한 회사들이 가져가는 재정적 타격입니다. Ford는 현재 공급 업체와 공유 할 것이라고 말하고 있습니다. 이는 의심 할 여지없이 가치 평가와 주주 수익에 심각한 영향을 미칠 현실입니다.
이 두 경우 모두 누락 된 스토리의 중요한 부분이 있습니다. 자동차 제조업체, OEM 및 공급 업체는 리콜 및 보증 청구와 같은 문제가 전혀 발생하지 않도록 방지하기 위해 무엇을하고 있습니까?
에어백 제조업체가 새로운 테스트 프로토콜을 개발 했습니까? 제조업체와 OEM은 이러한 문제를 감지하고 방지하기 위해 최신 기술을 사용하고 있습니까? 아니면 이러한 유형의 리콜 범위를 제한하는 데 도움이됩니까? 그리고 Ford의 경우 비용 책임으로 분배를 어떻게 계산하고 있습니까? 부품 제조업체에 가격을 되 돌리는 것이 진정으로 품질에 대한 새로운 초점을 의미합니까?
사전 대응 적 대응
사후 대응이 아닌 사전 대응이 어떻습니까?
리콜 비용 외에도 자동차 브랜드 및 부품 공급 업체는 의심 할 여지없이 법률 비용은 말할 것도없고 자체 테스트를 수행하는 데 상당한 돈을 투자합니다. 그리고 복잡한 보증 비용 분담 프로그램을 만들고 관리하는 데 시간과 자원을 투자하는 대신 제조업체가 공급 업체와 협력하여 보증 청구를 대폭 줄일 수있는 제조 및 조립 과정에서 문제를 제거하기 위해 새로운 기술을 테스트 할 수 있을까요?
스톱 갭 조치 대신 AI와 머신 러닝 기술은 제조업체가 사후 대응에서 사전 대응으로 전환하는 데 도움이 될 수 있습니다. 이는 단기 및 장기적으로 상당한 비용을 절약 할 수있는 투자입니다.
현재 기술과 고급 비전 솔루션이 제공 할 수있는 몇 가지 기능과 이점을 살펴 보겠습니다.
모든 부품에 대한 데이터 캡처
차량용으로 제조 된 것과 같은 중요한 부품의 경우 모든 측면에 대한 검사 및 데이터가 필수적입니다. 고급 AI 비전 플랫폼은 최신 카메라 / 이미징 기술을 사용하여 각 부품의 고해상도 이미지를 캡처하고 기타 중요한 센서 및 기계 데이터를 수집합니다.
각 부품에 대해 수집 된 모든 이미지 및 프로세스 데이터에는 고유 한 식별자가 할당되며 완전한 추적 성을 위해 온라인 플랫폼을 통해 사용할 수 있습니다. 즉, 제조업체는 다양한 데이터 소스에 액세스해야 할 때가 아니라 데이터가 손끝에 있었기 때문에 문제가 발생했을 때 근본 원인 분석을 실행할 수 있으며 필요한 정보를 정확히 가져 오는 것이 번거롭고 매우 수동적이었습니다.
진정으로 의미있는 데이터
원시 데이터는 확장 가능한 AI 배포에 적합하지 않습니다. 산업 제조 앱lications, 고급 비전 플랫폼은 최종 사용자가 가장 중요한 데이터에 집중하거나 간단히 말해서 이전에는 볼 수 없었던 것을 볼 수 있도록 설계되었습니다. 고급 비전 플랫폼은 또한 데이터를 정규화하여 최종 사용자가 여러 기계 및 라인에서 사과와 사과를 비교할 수 있도록합니다. 이는 여러 사이트에서 기술을 확장하려는 경우에 매우 중요합니다.
원활한 피드백 루프는 AI 모델 학습 프로세스를 가속화하여 대규모 데이터 세트에 대한 요구 사항을 제거합니다. 준비가되면 사용자가 제어 할 수 있습니다. 그들은 자신의 속도에 맞춰 AI의 가치를 발휘하고 솔루션을 선택한 산업 플랫폼에 통합하여 프로세스의 의사 결정을 자동화 할 수 있습니다.
지속적인 학습 및 개선
고급 AI Vision 플랫폼은 여기서 멈추지 않습니다. 이들은 사용자에게 프로덕션에서 모델의 결과를 추적하고 공유 할 수있는 기능을 제공하는 협업 모니터링 및 개선 도구 역할을합니다.
제조업체는 또한 도구 세트를 사용하여 품질 출력에 관계없이 허용 가능한 제품 생산과 처리량 기준 유지 사이의 최적 지점을 찾습니다. 그들은 자신의 프로세스에 대해 지속적으로 배우고 항상 더 나아질 수 있으며 문제가 발생하면 훨씬 빠르게 해결합니다. 이전에 사용할 수 없었던 기계 및 공정 데이터는 마우스 클릭 또는 화면 탭 한 번으로 제조업체가 가장 복잡한 문제를 해결할 수 있도록 지원합니다. 기술 채택을 추진하는 것은 자급 자족하는 것처럼 보일 수 있지만, 현재 진행중인 전염병은 제조업체, 특히 후 발주자에게 일깨워주는 요청이었습니다. 다양한 연구에 따르면 기술을 더 빨리 채택하는 기업이 이전 수익 수준으로 돌아갈뿐만 아니라 수익 성장을 달성하는 속도가 빨라지고 있습니다.
자동차 제조업체 (모든 대규모 제조업체)의 경우 높은 기어로 전환하고 리콜 및 보증 문제를 백미러에서 희미한 이미지로 만드는 것에 대해 적극적으로 대처할 때입니다.
출처 : https://www.iotforall.com/automotive-manufacturing-and-advanced-artificial-intelligence
