Bottom Line: i dati più preziosi dei produttori vengono generati quotidianamente nelle officine, portando con sé la sfida di analizzarli per trovare rapidamente intuizioni prescrittive e un problema ideale per l’apprendimento automatico da risolvere.
La produzione è l’industria più prolifica dei dati che ci sia, generando in media 1,9 petabyte di dati ogni anno secondo il McKinsey Global Insititute . Catene di approvvigionamento, approvvigionamento, operazioni di fabbrica e fasi di conformità e gestione della qualità generano la maggior parte dei dati.
I dati più importanti di tutti provengono da ispezioni sui prodotti che possono trovare immediatamente fornitori eccezionalmente forti o deboli, gestione della qualità e pratiche di conformità in una fabbrica. Il grosso problema della produzione consiste nell’ottenere i risultati dell’ispezione di qualità in modo sufficientemente rapido tra marchi e rivenditori, altre fabbriche, fornitori e venditori per fare la differenza nella futura qualità del prodotto.
In che modo l’avvio di Machine Learning sta rivoluzionando le ispezioni dei prodotti
Immagina di essere un marchio o un rivenditore importante e ti affidi a una rete di fabbriche in Bangladesh, Cina, India e Sud-Est asiatico per produrre le tue nuove linee di prodotti di consumo non alimentari, compreso l’abbigliamento. Fabbriche, agenzie di ispezione, fornitori e venditori a cui marchi e rivenditori come te fanno affidamento variano su etica, approvvigionamento responsabile, qualità del prodotto e trasparenza. Con tutte le linee di prodotti di consumo (e le vendite future) a rischio in base ai fornitori, alle fabbriche e alle agenzie di ispezione dei prodotti che scegli, tu e il futuro delle vostre aziende state cavalcando le decisioni che prendete.
Queste sfide di carriera e di scommesse aziendali e la frustrazione di ottenere una maggiore visibilità di ciò che sta accadendo nelle catene di fornitura ai piani di produzione hanno portato Carlos Moncayo Castillo e i suoi fratelli Fernando Moncayo Castillo e Luis Moncayo Castillo a lanciare Inspectorio . Sono stati invitati a partecipare al Target + Techstars Retail Accelerator nell’estate del 2017, una competizione che hanno vinto con la loro piattaforma di ispezione basata su cloud che include AI e apprendimento automatico e supporto pervasivo per le tecnologie mobili. Obiettivo si basa su di loro oggi per portare maggiore trasparenza alle loro catene di approvvigionamento. “Ho lavorato per anni nella produzione di prodotti di beni di consumo non alimentari, osservando i molti disconnessi tra ispezioni e fornitori, la mancanza di collaborazione e il modo in cui le lacune nelle informazioni creano troppe opportunità di corruzione – ho dovuto fare qualcosa per risolvere questi problemi, “Carlos ha detto. I numerosi problemi che la mancanza di ispezione e visibilità della supply chain creano sono diventati il pain Inspectorio focalizzato sulla risoluzione immediata di marchi e rivenditori. Quello che segue è un grafico della loro piattaforma:
Di seguito sono riportati alcuni dei molti modi in cui la combinazione di una piattaforma cloud di ispezione scalabile combinata con AI, apprendimento automatico e tecnologie mobili sta migliorando le ispezioni, la qualità del prodotto e la visibilità della supply chain:
Consentendo la creazione di flussi di lavoro personalizzati per ispettori che imparino nel tempo e siano personalizzati per prodotti specifici come mobili, giocattoli, articoli per la casa e indumenti, le fabbriche in cui vengono prodotti, la qualità dei materiali utilizzati. La ricerca interna di Inspectorio ha rilevato che il 74% di tutte le ispezioni vengono eseguite manualmente utilizzando carta e penna, con risultati riportati in Microsoft Word, Excel o PDF, rendendo la collaborazione lenta e impegnativa. Migliorare l’accuratezza, la velocità e la scala dei flussi di lavoro di ispezione, inclusi gli aggiornamenti in tempo reale sulle reti di produzione, aumentano notevolmente la qualità e le prestazioni della supply chain.
L’applicazione di algoritmi e logica basati su vincoli per capire perché ci sono grandi differenze nei risultati delle ispezioni tra le fabbriche sta consentendo a marchi e rivenditori di gestire la qualità più velocemente e più completamente. Il caricamento delle ispezioni in tempo reale dai dispositivi mobili a una piattaforma di ispezione che contiene applicazioni di apprendimento automatico e di apprendimento automatico che analizzano rapidamente i dati per approfondimenti prescrittivi è il futuro della qualità della produzione. Sono prese in considerazione variazioni in tutte le dimensioni della qualità, compresa la competenza di fabbrica, il fornitore e la qualità dell’assemblaggio di produzione. Nel giro di poche ore, i dati basati sulle ispezioni forniscono le informazioni necessarie per evitare problemi di qualità importanti per ogni membro di una rete di produzione.
Ridurre il rischio, il potenziale di frode, migliorando al tempo stesso la qualità del prodotto e del processo sulla base delle conoscenze acquisite con l’apprendimento automatico sta forzando il punto di flessione dell’ispezione. Quando le ispezioni sono automatizzate utilizzando tecnologie mobili e i risultati vengono caricati in tempo reale su una piattaforma sicura basata su cloud, gli algoritmi di apprendimento automatico possono fornire informazioni che riducono immediatamente i rischi e il potenziale di frode. Uno dei catalizzatori più potenti che guidano il punto di flesso delle ispezioni è la combinazione di flussi di lavoro automatizzati che forniscono dati di alta qualità che l’apprendimento automatico produce intuizioni prescrittive. E queste intuizioni sono condivise sui dashboard delle prestazioni di ogni marca, rivenditore, fornitore, fornitore e fabbrica coinvolti nelle strategie di produzione condivise oggi.
Abbinare l’ispettore più esperto per una determinata fabbrica e l’ispezione del prodotto aumenta drasticamente la precisione e la qualità.Quando l’apprendimento automatico viene applicato alla selezione dell’ispettore e al processo di assegnazione, la qualità e l’accuratezza delle ispezioni aumentano. Per la prima volta, i marchi, i rivenditori e le fabbriche hanno una visione chiara e quantificata dell’analisi della produttività dell’ispettore nell’intera squadra di ispettori disponibili in una determinata regione o paese. Le ispezioni vengono caricate in tempo reale sulla piattaforma Inspectorio, dove vengono applicati ai dati dati analitici avanzati e algoritmi di apprendimento automatico aggiuntivi, fornendo maggiori approfondimenti prescrittivi che sarebbero stati possibili utilizzando metodi legacy manuali. L’apprendimento automatico sta anche formando raccomandazioni agli ispettori su quali difetti cercare in primo luogo sulla base dei modelli di dati ottenuti dalle precedenti ispezioni.
Sapendo perché fabbriche e prodotti specifici hanno generato più azione correttiva / azione preventiva (CAPA) di altri e quanto velocemente sono stati chiusi in passato e perché è ora possibile. L’apprendimento automatico sta rendendo possibile per l’intera rete di produzione sapere perché specifiche combinazioni di fabbrica e prodotto generano il maggior numero di CAPA. Usando la logica basata sui vincoli, l’apprendimento automatico può fornire informazioni prescrittive su ciò che deve essere migliorato per ridurre i CAPA, inclusa la causa principale.
