מקרה בוחן - תעשייה

Document AI לבקרת איכות

יצרן תעשייתי אירופי החליף עיבוד ידני של מסמכי בקרת איכות מספקים ב-Document AI. 78% מהמסמכים מעובדים אוטומטית מקצה לקצה על פני יותר מ-30 תבניות ספקים, והפרויקט החזיר את עלותו בתוך 8 חודשים.

נקודת הפתיחה

יצרן תעשייתי אירופי המייצר רכיבי דיוק לתחומי הרכב, התעופה והמכונות התעשייתיות, עם כ-1,400 עובדים בשלושה אתרי ייצור. חומרי גלם ורכיבים נכנסים הגיעו עם תיעוד בקרת איכות של הספק: תעודות התאמה, דוחות הרכב חומרים, דוחות בדיקה ממדית ורשומות פעולה מתקנת כאשר במשלוחים קודמים היו חריגות. מדי שבוע הגיעו כ-1,200 מסמכים כאלה, הפזורים על פני יותר מ-30 תבניות של ספקים - מקובצי PDF מובנים ונקיים ועד תבניות ישנות סרוקות.

צוות של חמישה טכנאי בקרת איכות עיבד כל מסמך ידנית: חילוץ שדות מפתח, השוואה למפרט שבהזמנת הרכש, סימון חריגות והזנת נתונים מובנים למערכת ה-ERP. התהליך היה צוואר הבקבוק בשחרור רכיבים לייצור. מנהל האיכות רצה לבדוק אם Document AI יכול לקלוט את המקרים השגרתיים ולהשאיר את הטכנאים ממוקדים בחריגות אמיתיות.

מה היה קשה כאן

שונות קיצונית בין המסמכים

יותר מ-30 תבניות ספקים בלי סכימה משותפת. חלקן קובצי PDF מובנים ונקיים מספקים גדולים, אחרות תבניות ישנות סרוקות מספקים קטנים, ולעיתים תיקונים בכתב יד. גישה כללית של OCR ועוד מודל שפה הייתה מסתכנת בשגיאות חילוץ שקטות דווקא בתבניות הישנות.

שילוב הדוק עם ה-ERP

הנתונים שחולצו היו צריכים להיכתב למערכת ERP קיימת, ותיקה אך מרכזית, עם כללי אימות נוקשים לכל שדה. מסמך שכמעט נותח היה צריך להיכשל באופן נקי, ולא לכתוב נתונים חלקיים ולפגום ברשומת האיכות.

יכולת הנדסית פנימית

לצוות ה-IT של היצרן היה ניסיון חזק ב-ERP ובשילובים, אך חשיפה מועטה ל-AI ולמידת מכונה. מודל ההתקשרות היה צריך להעביר מספיק ידע כדי שהצוות יוכל לתחזק ולהרחיב את המערכת אחרי המסירה, ולא לקבל קופסה שחורה.

איך יושמה המתודולוגיה

משך ההתקשרות הכולל: 16 שבועות לשלבים 1 עד 3, בתוספת ליווי מורחב בשלב 4 לתמיכה בצוות הפנימי במהלך הבנייה ועד הייצוב.

שלב 1 - גילוי (שבועיים)

ההיקף הוגדר כתהליך מסמכי בקרת האיכות של הספקים בלבד, ללא מסמכי איכות פנימיים שיש להם ממשל אחר וצרכנים אחרים. מדד הבסיס: מסמכים מעובדים לטכנאי ליום, שעמד על כ-48 מסמכים ביום. סיווג סיכון: סיכון מוגבל לפי מסגרת EU AI Act. החלטת היקף בולטת בשלב הגילוי: מסמכי פעולה מתקנת הוצאו מההיקף הראשוני, משום שהם מפעילים התחייבויות חוזיות בהמשך הדרך ונחשבו מסוכנים מדי לפריסה ראשונה.

שלב 2 - ארכיטקטורה (3 שבועות)

צינור חילוץ היברידי: תבניות מובנות, כ-12 מתוך 30, נותבו למחלץ שדות דטרמיניסטי. תבניות לא מובנות או ישנות נותבו ל-Document AI, כלומר OCR ומודל שפה עם סכימת פלט מובנית. לכל שדה חושב ציון ביטחון, ומסמך שבו שדה כלשהו ירד מתחת לסף ביטחון הניתן להגדרה נותב לתור הבדיקה הידנית במקום להיכתב ל-ERP. השילוב נעשה דרך טבלאות ההיערכות של ה-ERP, עם כללי אימות הנאכפים שם: כישלון אימות דחה את המסמך כולו לטיפול ידני.

שלב 3 - תכנון ממשל (שבועיים, במקביל לשלב 2)

יושם בסיס 12 הבקרות. בחירות בולטות: ההחזרה לאחור הוגדרה כדגל תצורה לכל ספק בנפרד, כך שאפשר להחזיר ספק מסוים לעיבוד ידני בלי לכבות את המערכת כולה אם התבנית שלו השתנתה במפתיע. הניטור תפס דיוק חילוץ לכל ספק ולכל שדה, עם דוחות סחיפה שבועיים. האחריות הוטלה בשם מפורש על מנהל האיכות, עם מנהל מערכות המידע כגורם הסלמה.

שלב 4 - ליווי ההטמעה (9 שבועות)

את הפיתוח ביצע הצוות הפנימי במלואו, בעוד Slavin AI סיפקה סקירות ארכיטקטורה שבועיות, משוב ברמת הקוד בבדיקות הממשל ומפגשי תכנון משותפים על דפוסי החילוץ המורכבים יותר. שתי בדיקות ממשל: הראשונה בשבוע 4 (דיוק החילוץ מול מערך הזהב), השנייה בשבוע 7 (שילוב ה-ERP ואימות ההחזרה לאחור). הצוות בחר במפורש לחבר ספקים בגלים של 5 עד 6 תבניות ולא את כל 30 בבת אחת: הגל הראשון אימת את ארכיטקטורת הצינור, והגלים שאחריו היו מהירים יותר.

נמדד מול קו הבסיס

עיבוד אוטומטי מקצה לקצה

78% מהמסמכים הנכנסים עובדו ללא התערבות אדם. 22% הנותרים נותבו לתור הבדיקה הידנית, בשל ביטחון נמוך בשדה כלשהו או משום שהתבנית טרם חוברה.

הסטת כוח אדם בבקרת האיכות

מחמישה תקנים מלאים בעיבוד מסמכים לשני תקנים המטפלים בתור הבדיקה הידנית ובמקרים חריגים. שלושת התקנים שהתפנו עברו לעבודת שיפור איכות מול ספקים, שלא היה לצוות פנאי אליה קודם לכן.

דיוק חילוץ ברמת השדה

96% עד 99% לכל צירוף של ספק ותבנית במצב יציב. ספקים שירדו מתחת ל-95% נבדקו לאיתור שינויי תבנית והוחזרו לעיבוד ידני עד לחיבור מחדש.

תקופת החזר

8 חודשים מהעלייה לאוויר, בחישוב מול עלות ההתקשרות בתוספת עלות ההנדסה הפנימית ועלות התשתית השוטפת. המניע העיקרי: הסטת כוח האדם וקיצור זמן העיכוב בייצור עבור חומר נכנס שגרתי.

זמן עיכוב בייצור

ירד מממוצע של 26 שעות לפחות מ-4 שעות עבור רכיבים עם תיעוד איכות שגרתי. רכיבים הדורשים בדיקת איכות ידנית נותרו ללא שינוי.

איכות המסירה

מסירה תפעולית מלאה בחודש השישי. לא נדרשה התקשרות המשך עם Slavin AI לצורך תמיכה. בששת החודשים שלאחר המסירה חיבר הצוות באופן עצמאי 4 תבניות ספקים נוספות.

מה היינו משנים

גלי החיבור צריכים להיות קטנים ומהירים יותר, ורבים יותר

גלי חיבור הספקים הראשונים, בני 5 עד 6 תבניות, נמצאו גדולים מדי: חלק מהתבניות בגל היו מורכבות בהרבה מאחרות והאטו את הגל כולו. בהתקשרויות הבאות: 2 עד 3 תבניות בגל, יותר גלים, קצב מהיר יותר.

להחזיר את מסמכי הפעולה המתקנת להיקף מוקדם יותר

הוצאת מסמכי הפעולה המתקנת מההיקף הראשוני הייתה ההחלטה הנכונה בשלב הגילוי, אבל כעבור חצי שנה כבר היו לצוות הביטחון והבשלות לטפל בהם, והעיבוד הידני שלהם הפך לצוואר הבקבוק החדש. בהתקשרויות הבאות: לשוב ולבחון את רשימת ההחרגות בחודש הרביעי עד השישי, ולא בחודש השנים-עשר והלאה.

דגלי התצורה לכל ספק היו החלטת הארכיטקטורה הבולטת

הבחירה בשלב 2 להפוך את ההחזרה לאחור לפעולה ברמת הספק ולא ברמת המערכת התבררה כנושאת משקל. שלושה ספקים שינו תבניות במפתיע בשנה הראשונה, וכל אחד מהם הוחזר לעיבוד ידני בתוך שעות מהגילוי, בלי שום השפעה על 27 הספקים האחרים. בהתקשרויות הבאות: רזולוציית החזרה לאחור לכל מקור היא ברירת המחדל, לא שכלול.

התקשרויות נוספות

שירותים פיננסיים - עוזר לקציני ציות

בית השקעות בינוני, עוזר AI לקציני ציות, פי 3.1 בתפוקת הבדיקה עם ייחוס מקורות ברמת ביקורת.

קראו את מקרה הבוחן

המתודולוגיה

מודל ההתקשרות בן ארבעת השלבים שהוביל את מקרה הבוחן הזה.

לעמוד המתודולוגיה

מתכננים יוזמת AI בתעשייה?

סקירת ארכיטקטורה מזהה את התהליך בעל המנוף הגדול ביותר, את החלטות ההחרגה מההיקף ואת אילוצי השילוב שיעצבו את הבנייה.