Shrnutí
Detekce vnitřních a vnějších vad nátěru se tradičně opírala o ruční kontroly prováděné zkušenými odborníky. Tento přístup se však ukázal jako časově náročný, náročný na zdroje a náchylný k chybám, což vedlo ke zpožděním v poskytování služeb zákazníkům. Aby Asian Paints tyto výzvy překonala, snažila se tento proces optimalizovat a zkrátit dodací lhůty.
NTT DATA vyvinula řešení no-code AI na platformě Google Cloud (GCP), které přesně detekuje vady nátěrů na vnitřních i vnějších površích na základě parametrů, jako je poloha, barva, struktura a typy vad. Řešení zajistilo komplexní pokrytí, zefektivnilo proces a urychlilo zákaznický servis.
Výchozí situace a cíle
Při zavádění umělé inteligence bylo třeba řešit tři klíčové výzvy:
Nákladově efektivní automatizace
Vývoj škálovatelného řešení, které dokáže přesně detekovat více než 15 typů vad bez nadměrných výdajů
Optimalizované využití zdrojů
Minimalizace spotřeby cloudových zdrojů tím, že se zabrání souběžným kontrolám všech typů vad
Aktivace modelu na vyžádání
Zajištění toho, aby nasazený model fungoval pouze v konkrétních časových oknech vyvolaných požadavky API
S radostí oznamujeme, že jsme spustili funkci automatické detekce chyb. Chtěl bych vám všem poděkovat za vaši neúnavnou podporu projektu a za vaše upřímné úsilí. Doufáme, že v budoucnu tuto funkci rozšíříme na další typy chyb, a těšíme se na další spolupráci.
Navržené řešení
Automatická a přesná detekce vad pomocí umělé inteligence a cloudu
Společnost NTT DATA vyvinula řešení založené na umělé inteligenci s funkcemi počítačového vidění a strojového učení, které využívá platformu Google Cloud Platform (GCP) a pomáhá společnosti Asian Paints přesně vizuálně identifikovat vnitřní i vnější vady. Tato platforma nevyžadující programování eliminovala potřebu odborných znalostí v dané oblasti a nabízí flexibilitu a přesnost nezbytnou pro detekci povrchových vad.
Model umělé inteligence identifikoval více než 150 vad souvisejících s nátěrem na základě konkrétních kritérií, včetně jejich polohy (nad, pod nebo na povrchu) a charakteristik, jako je barva a struktura. Řešení pokrývalo různé typy vad, jako jsou řasy, puchýře, bubliny, částice písku, odlupování, nerovnoměrnost a blednutí odstínů, čímž zajišťovalo komplexní detekci vad napříč kategoriemi.
K vytvoření low-code modelu pro víceznačkovou klasifikaci byl použit AutoML od GCP. Tento přístup zjednodušil proces, protože k detekci více typů vad byl použit jediný model, přičemž přesnost byla zachována díky shlukování na základě prahové hodnoty spolehlivosti. AutoML byl vybrán pro svou schopnost zefektivnit vývoj modelu bez nutnosti hlubokých znalostí v oblasti strojového učení.
Obrázky poskytnuté klientem byly roztříděny podle typů vad a nahrány do služby Google Cloud Storage za účelem trénování modelu. K trénování a anotování modelu byla použita služba Vertex AI, která zajistila plynulé sledování datových sad, modelů a nasazení. Následně byla k nasazení modelu jako API využita služba Cloud Run, což klientovi umožnilo snadnou integraci do jeho pracovních postupů.
Toto řešení automatizovalo detekci vad a poskytlo škálovatelný a nákladově efektivní rámec pro zlepšení procesů kontroly laků.
Dosažené výsledky a přínosy
Vysoká přesnost, rychlejší kontroly a efektivnější využití zdrojů
Společnost NTT DATA do této implementace vnesla komplexní škálu dovedností a odborných znalostí, přičemž spojila pokročilé znalosti v oblasti umělé inteligence a cloudových technologií s hlubokým porozuměním specifickým potřebám klienta. Náš tým – složený ze zkušených datových vědců, inženýrů a projektových manažerů – úzce spolupracoval s klientem v každé fázi projektu. Zaměřili jsme se na technickou realizaci a zajistili jsme, aby řešení bylo v souladu s obchodními cíli klienta a nabízelo správnou rovnováhu mezi škálovatelností, efektivitou a flexibilitou.
Díky našim zkušenostem s implementací komplexních řešení jsme byli schopni řešit jedinečné výzvy spojené s detekcí vad laku, přičemž jsme měli na paměti dlouhodobé cíle klienta. Schopnost společnosti NTT DATA dodávat vysoce kvalitní výsledky včas, spolu s naší nepřetržitou podporou, zajistila, že řešení bylo úspěšně integrováno do provozních procesů klienta. Odborné znalosti našeho týmu v oblasti řízení celého životního cyklu projektu, od strategie až po nasazení, pomohly usnadnit hladkou a účinnou transformaci, která prokázala skutečnou hodnotu spolupráce a partnerství.
Hlavní přednosti:
93% přesnost modelu
Dosáhli jsme 93% přesnosti modelu při detekci vad, což vede k vysoké účinnosti při odhalování vad
150+ zjištěných vad s lakováním
S přesností jsme detekovali více než 150 typů vad souvisejících s lakováním
Zvýšená efektivita
Automatizovaná detekce vad zkrátila dobu kontroly a optimalizovala alokaci zdrojů
Rychlejší řešení
Včasná identifikace vad umožnila rychlejší opravy, čímž se snížily zpoždění a náklady