كيف يستخدم موردو المستوى الأول في صناعة السيارات الذكاء الاصطناعي لتلبية معايير جودة مصنعي المعدات الأصلية

أحد موردي المستوى الأول في صناعة السيارات في ولاية ميشيغان، المتخصص في تصنيع مكونات التعليق المختومة، شهد انخفاض تصنيف الجودة لديه مع أحد مصنعي المعدات الأصلية الرئيسيين من "A" إلى "B" بعد شحن دفعتين بانحرافات أبعاد خارج المواصفات الداخلية الأكثر صرامة للعميل (والتي كانت أضيق من تفاوت الرسم الهندسي). أدى انخفاض التصنيف إلى زيادة متطلبات الفحص، واحتمال تقليص حصص الإنتاج المخصصة، والتهديد الحقيقي بخسارة العقد. كان أمامهم 90 يومًا للعودة إلى تصنيف "A". تضمن الحل نشر نظام مراقبة عمليات قائم على الذكاء الاصطناعي يكتشف الانحراف في الأبعاد قبل أن يصل حتى إلى الحدود الداخلية الأكثر صرامة للعميل.

مشهد جودة مصنعي المعدات الأصلية

يفرض مصنعو المعدات الأصلية في صناعة السيارات (فورد، جنرال موتورز، تويوتا، ستيلانتس، وغيرهم) متطلبات جودة على موردي المستوى الأول تتجاوز بكثير شهادة ISO 9001 أو IATF 16949 الأساسية. لكل مصنع معدات أصلية دليل جودة الموردين الخاص به، وعملية اعتماد القطع الخاصة به (PPAP)، ومتطلبات قدرة العملية الخاصة به (غالبًا Cpk بقيمة 1.67 أو أعلى، مقارنة بـ 1.33 التي يتطلبها معيار IATF 16949)، وإجراءات التصعيد الخاصة به لمشاكل الجودة.

أنظمة التقييم صارمة ولها عواقب وخيمة. تصنيف BIQS (الجودة المدمجة للموردين) من جنرال موتورز، وحالة Q1 من فورد، وتصنيف الجودة من تويوتا، كل منها يترجم أداء الجودة إلى تصنيف للمورد يؤثر مباشرة على توزيع الأعمال. المورد الذي ينخفض من المستوى الأعلى إلى المستوى الثاني قد يخسر ملايين الدولارات من الإيرادات السنوية حيث يحول مصنع المعدات الأصلية الحجم إلى منافسين ذوي تصنيف أعلى.

بالنسبة لموردي المستوى الأول، يتطلب الحفاظ على هذه التصنيفات ليس فقط تلبية المواصفات، بل إثبات التحسين المستمر، والحفاظ على التحكم الإحصائي في العمليات، وحل مشاكل الجودة بسرعة، وتوفير شفافية البيانات التي يطالب بها مصنعو المعدات الأصلية بشكل متزايد.

أين يتناسب الذكاء الاصطناعي في إطار IATF 16949

يتطلب معيار IATF 16949 (معيار نظام إدارة الجودة في صناعة السيارات) عدة ممارسات يوفر فيها الذكاء الاصطناعي قيمة مباشرة. التحكم الإحصائي في العمليات (SPC) مطلوب لجميع الخصائص الخاصة. يتضمن التحكم الإحصائي التقليدي قيام المشغل بقياس كل قطعة رقم N ورسم النتيجة على مخطط تحكم. يستخدم التحكم الإحصائي القائم على الذكاء الاصطناعي أنظمة قياس مدمجة في خط الإنتاج (ميكرومترات ليزرية، أنظمة رؤية، أو مجسات لمس على ماكينات CNC) لقياس 100% من القطع ويطبق أساليب إحصائية متطورة تكتشف تحولات العملية بشكل أسرع من مخططات X-bar وR التقليدية.

يتطلب المعيار أيضًا تحليل نظام القياس (MSA)، ودراسات قدرة العملية، وتحليل أنماط وآثار الفشل (FMEA)، وعمليات الإجراءات التصحيحية (8D). توجد الآن أدوات ذكاء اصطناعي لكل من هذه المتطلبات: تحليل Gage R&R الآلي الذي يحدد تدهور نظام القياس بمرور الوقت، ومراقبة قدرة العملية المستمرة التي تنبه إلى تغييرات Cpk في الوقت الفعلي، وتحليل FMEA بمساعدة الذكاء الاصطناعي الذي يقترح أنماط فشل بناءً على عمليات مماثلة في قاعدة بيانات الصناعة، وأنظمة 8D التي تستخدم معالجة اللغة الطبيعية للبحث عن إجراءات تصحيحية سابقة قد تكون ذات صلة بمشكلة جديدة.

التحكم الإحصائي في العمليات في الوقت الفعلي بالذكاء الاصطناعي

يفحص التحكم الإحصائي التقليدي قطعة واحدة من كل 25 أو 50 قطعة ويطبق قواعد ويسترن إلكتريك لاكتشاف الأنماط غير العشوائية. تعني تكرارية أخذ العينات أن تحول العملية قد ينتج من 25 إلى 100 قطعة خارج المواصفات قبل اكتشافه. يكتشف التحكم الإحصائي القائم على الذكاء الاصطناعي مع القياس بنسبة 100% التحولات فورًا ويطبق خوارزميات كشف أكثر حساسية.

يتعلم نموذج الذكاء الاصطناعي نمط التباين الطبيعي للعملية (والذي نادرًا ما يكون طبيعيًا تمامًا في التصنيع الفعلي، على الرغم مما تفترضه الكتب المدرسية) ويكتشف الانحرافات عن هذا النمط المُتعلَّم. يمكنه التمييز بين تباين الأسباب الشائعة (عشوائي، متأصل في العملية) وتباين الأسباب الخاصة (منهجي، يشير إلى تغيير في العملية) بدقة أكبر من قواعد مخططات التحكم القياسية لأنه يأخذ في الاعتبار التوزيع الفعلي للبيانات بدلاً من افتراض التوزيع الطبيعي.

بالنسبة لمورد مكونات التعليق، راقب نظام التحكم الإحصائي بالذكاء الاصطناعي 7 أبعاد حرجة في كل قطعة باستخدام محطة قياس ليزرية مدمجة في خط الإنتاج بعد عملية التشكيل النهائية. عندما تسببت درجة حرارة القالب في انزياح بمقدار 0.015 مم في قطر ثقب حرج (ضمن تفاوت الرسم الهندسي ولكنه يتجه نحو الحد الداخلي لمصنع المعدات الأصلية)، نبّه النظام إلى ذلك خلال 3 قطع. قام المشغل بتعديل تبريد القالب وتم تصحيح الانزياح قبل أن تتجاوز أي قطعة حتى مواصفات العميل الأكثر صرامة. في ظل النظام القديم، كان سيتم اكتشاف هذا الانزياح عند فحص التحكم الإحصائي التالي، بعد 50 قطعة، بعد أن تكون 15 إلى 20 قطعة قد تجاوزت بالفعل الحد الداخلي للعميل.

التتبع وشفافية البيانات

يطالب مصنعو المعدات الأصلية بشكل متزايد ببيانات جودة في الوقت الفعلي من مورديهم. مبادرة المؤسسة المتصلة من جنرال موتورز، ونظام مراقبة الإنتاج من تويوتا، وبرامج مماثلة تتطلب من موردي المستوى الأول مشاركة بيانات العمليات (نتائج التحكم الإحصائي، نتائج الفحص، بيانات الاختبار) إلكترونيًا، غالبًا في الوقت شبه الفعلي. تولّد أنظمة الذكاء الاصطناعي هذه البيانات كمنتج ثانوي لوظيفة المراقبة الخاصة بها، مما يجعل الامتثال لمتطلبات مشاركة البيانات أمرًا سهلاً.

التتبع الكامل للقطع هو متطلب آخر من مصنعي المعدات الأصلية يسهّله الذكاء الاصطناعي. من خلال ربط بيانات قياس كل قطعة بمعاملات العملية المحددة الخاصة بها (أي ماكينة، أي قالب، أي دفعة مواد، أي مشغل، أي وقت)، ينشئ نظام الذكاء الاصطناعي خيطًا رقميًا كاملاً لكل قطعة. عندما تظهر مشكلة جودة في الميدان، يمكن لفريق التصنيع تتبع الظروف الدقيقة التي أُنتجت فيها القطع المتأثرة وتحديد نطاق المشكلة، غالبًا في غضون دقائق بدلاً من الأيام أو الأسابيع التي تتطلبها تحقيقات التتبع التقليدية.

تقليل تكاليف الضمان

بالنسبة لموردي المستوى الأول، تمثل رسوم استرداد الضمان من مصنعي المعدات الأصلية تكلفة كبيرة. عندما يتم إصلاح مركبة تحت الضمان بسبب مكون أنتجه مورد المستوى الأول، يسترد مصنع المعدات الأصلية تكلفة القطعة والعمالة وغالبًا رسوم معالجة. يمكن أن تمثل رسوم استرداد الضمان من 1% إلى 3% من إيرادات مورد المستوى الأول، وتقليلها له تأثير مباشر على صافي الأرباح.

تقلل أنظمة جودة الذكاء الاصطناعي من التعرض للضمان بطريقتين. أولاً، تمنع شحن القطع المعيبة من خلال اكتشاف انحرافات العملية في وقت أبكر وبشكل أكثر موثوقية. ثانيًا، توفر البيانات اللازمة للاعتراض على رسوم الاسترداد غير المبررة. عندما يدعي مصنع المعدات الأصلية أن مكونًا فشل قبل أوانه، يمكن للمورد تقديم بيانات العملية الكاملة لتلك القطعة المحددة، مما يثبت أنها صُنعت ضمن المواصفات. بدون هذه البيانات، غالبًا ما يقبل الموردون رسوم استرداد لا ينبغي لهم قبولها لأنهم لا يستطيعون إثبات العكس.

التطبيق للموردين متوسطي الحجم

الموردون الكبار من المستوى الأول (بإيرادات تتجاوز 500 مليون دولار) يطبقون أنظمة جودة الذكاء الاصطناعي منذ عدة سنوات. التحدي بالنسبة للموردين متوسطي الحجم (بإيرادات من 20 مليون إلى 200 مليون دولار، والذين يمثلون غالبية قاعدة موردي المستوى الأول) هو أن نفس متطلبات جودة مصنعي المعدات الأصلية تنطبق عليهم، لكن الميزانية والبنية التحتية لتكنولوجيا المعلومات لتطبيق الذكاء الاصطناعي أكثر محدودية.

خفضت منصات جودة الذكاء الاصطناعي السحابية نقطة الدخول بشكل كبير. يمكن لمورد متوسط الحجم تطبيق التحكم الإحصائي بالذكاء الاصطناعي على خط إنتاج حرج واحد بتكلفة تتراوح بين 30,000 و75,000 دولار (بما في ذلك أجهزة القياس المدمجة في خط الإنتاج) والتوسع إلى خطوط إضافية مع إثبات العائد على الاستثمار. يجعل التسعير القائم على الاشتراك لمعظم المنصات (من 1,000 إلى 3,000 دولار لكل ماكينة شهريًا) التكلفة قابلة للتنبؤ وتتناسب مع حجم الإنتاج.

كلّف التعافي خلال 90 يومًا لمورد مكونات التعليق 62,000 دولار (محطة قياس مدمجة في خط الإنتاج، واشتراك برنامج الذكاء الاصطناعي لمدة 12 شهرًا، والتكامل مع نظام إدارة الجودة الحالي لديهم). تمت استعادة تصنيف جودة مصنع المعدات الأصلية إلى "A" في غضون 60 يومًا بناءً على بيانات التحكم المحسّنة في العمليات التي تمكنوا من إثباتها. قُدّرت القيمة السنوية للحفاظ على تصنيف "A"، من حيث توزيع الحجم وتجنب تكاليف متطلبات الفحص المعززة، بـ 1.2 مليون دولار. جعلت نسبة الاستثمار إلى القيمة القرار واضحًا، لكن الأمر تطلب أزمة لتحفيز الإجراء، وهو للأسف النمط الشائع في استثمارات جودة موردي صناعة السيارات.