Nas últimas semanas, houve alguns anúncios importantes de duas das maiores marcas automotivas do mundo que mostram como a IoT pode ajudá-los a evitar recalls e reclamações de garantia.

Anúncios

Depois de conduzir vários anos de suas próprias pesquisas e testes, o primeiro veio da GM, que anunciou que faria o recall de seis milhões de veículos nos EUA depois que a National Highway Traffic Safety Administration negou o recurso de recall, dizendo que a montadora não havia estabelecido que o recall era desnecessário .

O mais recente veio da Ford, que anunciou que tomou medidas para conter o aumento dos custos de garantia. Parte do novo plano para compensar esses custos envolve a empresa cobrar dos fornecedores a metade do custo de questões relacionadas à garantia. 

Em ambos os casos, obviamente há muito em jogo. Em primeiro lugar, é a segurança dos motoristas e passageiros nos veículos. Em segundo lugar, é o dano às marcas dos OEMs quando ocorrem grandes recalls ou picos nas reivindicações de garantia. E, finalmente, é o golpe financeiro que essas empresas levam - que a Ford agora diz que será compartilhado com seus fornecedores - uma realidade que sem dúvida terá um impacto severo na avaliação e no retorno para os acionistas.

Em ambos os casos, há uma parte importante da história que está faltando. O que os fabricantes automotivos, OEMs e fornecedores estão fazendo para evitar que problemas como recalls e reclamações de garantia aconteçam?

Os fabricantes de airbag desenvolveram novos protocolos de teste? Os fabricantes e OEMs estão usando a tecnologia mais recente para detectar e evitar esses problemas ou estão ajudando a limitar o escopo desse tipo de recall? E para a Ford, como eles estão calculando a distribuição na responsabilidade dos custos? Transferir os preços de volta para os fabricantes de peças realmente representa um foco renovado na qualidade?

Proativo sobre reativo

Que tal ser proativo em vez de reativo? 

Além do custo dos recalls, marcas automotivas e fornecedores de peças, sem dúvida, investem uma quantia significativa de dinheiro conduzindo seus próprios testes, sem falar em taxas legais. E em vez de investir tempo e recursos para criar e gerenciar um programa complicado de compartilhamento de custos de garantia, os fabricantes poderiam trabalhar com os fornecedores para testar novas tecnologias para eliminar problemas durante a fabricação e montagem que poderiam reduzir enormemente os pedidos de garantia?

Em vez de medidas paliativas, a adoção de IA e aprendizado de máquina as tecnologias podem ajudar os fabricantes a deixar de ser reativo para ser proativo - um investimento que pode economizar muito dinheiro a curto e longo prazo. 

Vamos explorar alguns dos recursos e benefícios que a tecnologia atual e uma solução de visão avançada podem oferecer.

Captura de dados para cada parte

Com peças críticas como as fabricadas para veículos, a inspeção e os dados sobre todos os aspectos são essenciais. Uma plataforma de visão AI avançada apresenta a mais recente tecnologia de câmera / imagem para capturar as imagens de alta resolução de cada parte e coleta outros sensores críticos e dados de máquina. 

Todos os dados de imagem e processo coletados para cada peça recebem um identificador exclusivo e estão disponíveis por meio de nossa plataforma online para rastreabilidade completa. Isso significa que os fabricantes podem executar a análise da causa raiz quando ocorre um problema porque os dados estavam ao seu alcance em vez de antes, quando eles tinham que acessar várias fontes de dados, e extrair exatamente o que precisavam era complicado e altamente manual.

Dados verdadeiramente significativos 

Como os dados brutos não se prestam a implantações de IA escaláveis ​​dentro aplicativo de manufatura industriallicitações, plataformas de visão avançada são projetadas para permitir que os usuários finais se concentrem nos dados mais importantes ou, simplesmente, ver o que era impossível ver antes. As plataformas de visão avançada também normalizam os dados, permitindo que os usuários finais comparem maçãs com maçãs em várias máquinas e linhas. Isso é crítico quando eles procuram dimensionar a tecnologia em vários locais. 

Um ciclo de feedback contínuo acelera o processo de treinamento do modelo de IA, eliminando a necessidade de grandes conjuntos de dados. Quando estiver pronto, o usuário está no controle. Eles podem desvendar o valor da IA ​​em seu ritmo e integrar a solução à plataforma industrial de sua escolha, automatizando a tomada de decisão do processo. 

Aprendizagem e Melhoria Contínua

As plataformas avançadas de AI Vision não param por aí. Eles servem como uma ferramenta colaborativa de monitoramento e melhoria que fornece aos usuários a capacidade de rastrear e compartilhar os resultados dos modelos na produção.  

Os fabricantes também usam o conjunto de ferramentas para encontrar o ponto ideal entre a produção de produtos aceitáveis ​​e a manutenção de uma linha de base de rendimento, independentemente da qualidade da saída. Eles aprendem continuamente sobre o seu processo, permitindo-lhes sempre melhorar e, caso haja um problema, cheguem a uma resolução muito mais rápida. Os dados de máquina e processo anteriormente indisponíveis estão a apenas um clique do mouse ou toque na tela, permitindo que os fabricantes resolvam alguns de seus problemas mais complexos. Embora impulsionar a adoção da tecnologia possa parecer interesse próprio, a pandemia em curso tem sido um alerta para os fabricantes - especialmente os retardatários. Vários estudos descobriram que as empresas que adotam a tecnologia mais rapidamente estão se recuperando mais rapidamente e não apenas retornando aos níveis de receita anteriores, mas também alcançando um crescimento de receita. 

Para os fabricantes automotivos (todos fabricantes de grande porte), é hora de engatar uma marcha alta e ser proativos sobre como fazer recalls e questões de garantia uma imagem esmaecida em seus espelhos retrovisores.

Fonte: https://www.iotforall.com/automotive-manufacturing-and-advanced-artificial-intelligence