2025 m. „Amazon“ nutraukė savo DI pagrįstos kompiuterinės regos paslaugos veiklą. „Google“ specializuotą gamybos kokybės patikros įrankį integravo į platesnę platformą pereidama prie „Vertex AI“ (šaltinis anglų kalba). Dvi didžiausios pasaulio technologijų bendrovės bandė sukurti universalius DI kokybės kontrolės įrankius, tačiau galiausiai atsisakė jų kaip atskirų produktų.
Tuo metu specializuotos DI kokybės kontrolės platformos toliau sėkmingai auga. Tokios įmonės kaip „Keyence“, „Cognex“, „Landing AI“ ir „Instrumental“ plečia savo veiklą, o individualiai kuriami sprendimai konkrečiose gamybos linijose ir toliau pasiekia rezultatų, kurių standartiniai produktai dažnai negali pasiūlyti.
Prognozuojama, kad DI sprendimų gamybos kokybės kontrolei rinka išaugs nuo maždaug 15,3 mlrd. eurų 2026 m. iki beveik 111 mlrd. eurų 2034 m. (šaltinis anglų kalba). Su kokybe susijusios sąnaudos gamintojams gali sudaryti 15–20 % metinių pardavimo pajamų (šaltinis anglų kalba). Todėl klausimas jau nebe tas, ar diegti DI kokybės kontrolę, o kokį kelią pasirinkti.
Šiame straipsnyje apžvelgiame pagrindinius pasirinkimus ir realius kiekvieno jų kompromisus. Ne pardavimo pristatymas, o žemėlapis, padedantis pasirinkti tinkamą kryptį.
Rinka: kokie sprendimai iš tiesų egzistuoja?
Prieš sprendžiant, ar sistemą kurti, ar pirkti, svarbu suprasti, ką „pirkti“ iš tiesų reiškia 2026 m. Rinkoje galima išskirti keturias pagrindines kategorijas, kurių ekonomika ir pritaikymo galimybės iš esmės skiriasi.
1 kategorija: su technine įranga susietos kompiuterinės regos sistemos
Tai tradicinės mašininės regos bendrovės, kurios savo sprendimus papildė DI. Kamera ir programinė įranga perkamos kartu – tiekėjas valdo visą technologinę sistemą.
2 kategorija: tik programinės įrangos DI platformos
Tai naujos kartos sprendimai, nepririšantys kliento prie konkrečios techninės įrangos. Naudojamos jūsų kameros ir tiekėjo DI. Sistemą galima diegti debesijoje, įmonės infrastruktūroje arba kraštiniuose įrenginiuose.
3 kategorija: specializuotos nišinės platformos
Šios platformos kuriamos konkrečiam sektoriui. Jos sprendžia vieną aiškią problemą ir dažnai tai daro geriau nei universali platforma.
4 kategorija: debesijos platformos individualiems sprendimams kurti
Tai infrastruktūra individualiems sprendimams kurti, o ne paruošti naudoti produktai. Patikros programą kuriate patys, naudodami platformos teikiamus įrankius.
„Kurti“: ką individualus DI sprendimo kūrimas reiškia praktikoje?
„Amazon Lookout for Vision“ paslaugos nutraukimas (šaltinis anglų kalba) yra signalas, į kurį verta atkreipti dėmesį. Jei AWS, turėdama milžiniškus inžinerinius išteklius, duomenis ir platinimo galimybes, nesugebėjo paversti universalaus DI kokybės kontrolės sprendimo gyvybingu atskiru produktu, tikėtina, kad užduotis yra gerokai sudėtingesnė nei tiesiog „apmokyti modelį“.
Universalios platformos geriausiai veikia tada, kai skirtingi klientai sprendžia iš esmės tą pačią problemą. DI kokybės kontrolėje taip būna ne visada. Kiekvienoje gamybos linijoje skiriasi apšvietimas, defektų tipai, medžiagos, gamybos greitis ir priimtini kokybės standartai. Baziniai modeliai gerai sprendžia tai, kas bendra daugeliui sektorių, tačiau paskutinis konkurencinio pranašumo sluoksnis slypi konkrečios jūsų gamybos aplinkos specifikoje – apšvietime, konkrečiuose defektų požymiuose ir medžiagų variacijose. To joks standartinis produktas negali visiškai atkartoti.
Būtent čia atsiranda individualaus sprendimo kūrimo poreikis.
Ką paprastai apima individualaus DI kokybės kontrolės sprendimo kūrimas?
• Kamerų parinkimą ir pozicionavimą – tinkamas apšvietimas dažnai yra sudėtingiausia projekto dalis
• Duomenų rinkimą ir žymėjimą – kokybiškų gaminių ir skirtingų defektų variantų vaizdus
• Modelio architektūros pasirinkimą ir mokymą – YOLO, Mask-RCNN ar individualias architektūras
• Diegimą kraštiniuose įrenginiuose, kad modelis galėtų veikti realiu gamybos greičiu
• Integraciją su esamomis MES, PLC ir broko atmetimo sistemomis
• Nuolatinio modelių permokymo procesą atsirandant naujiems defektų tipams
• Klaidingų teigiamų rezultatų valdymą ir operatorių grįžtamojo ryšio ciklus
Naujausi CNN pagrįsto defektų aptikimo tyrimai (šaltinis anglų kalba) rodo, kad individualios architektūros gali pasiekti 98,7 % tikslumą, kai išvados apskaičiavimo laikas siekia vos 3,53 ms. Tačiau toks tikslumas pasiekiamas modelį mokant su konkrečiais jūsų duomenimis, o ne naudojant universalų modelį.
Čia svarbi tampa ir duomenų infrastruktūra. Kuriant individualią DI kokybės kontrolės sistemą reikia platformos, kurioje būtų galima saugoti, versijuoti ir apdoroti patikros duomenis. Atvirojo kodo „data lakehouse“ sprendimai, tokie kaip „Ilum“ (šaltinis anglų kalba), gali suteikti infrastruktūros sluoksnį didelio masto gamybos duomenims valdyti. Tačiau pačius patikros modelius vis tiek reikės kurti savo komandoje arba su kompiuterinės regos konsultacijų partneriu.
Sprendimų modelis: pirkti, papildyti, kurti ar sujungti?
Dvejetainis pasirinkimas „kurti ar pirkti“ šiandien jau per siauras. 2026 m. praktiškai egzistuoja bent keturi keliai:
| Pasirinkimas | Ką tai reiškia? | Kada tinka? |
|---|---|---|
| Pirkti | Įsigyti paruoštą platformą arba techninės įrangos sistemą | Standartinės patikros užduotys, žinomi defektų tipai ir aiškūs gamybos kokybės kontrolės procesai, kuriuos gerai atitinka rinkoje esanti platforma |
| Papildyti | Pradėti nuo platformos ir papildomai pritaikyti ją konkretiems jūsų defektams | Dažniausias scenarijus: apie 80 % poreikio padengia standartinė platforma, o likusiems 20 % kuriami individualūs modeliai konkretiems produktams |
| Kurti | Visiškai individualus sprendimas – nuo kamerų pasirinkimo iki diegimo gamyboje | Nauji defektų tipai, nestandartinė gamybos aplinka, patentuoti ar išskirtiniai procesai, kelių tipų jutiklių poreikis |
| Sujungti | Integruoti kelias skirtingas platformas naudojant individualų tarpinį programinės įrangos sluoksnį | Kelių etapų patikros procesai, kuriuose skirtingoms gamybos operacijoms reikia skirtingų technologijų |
Kaip pažymi CIO.com (šaltinis anglų kalba), šiuolaikiniai DI projektai dažniausiai būna sėkmingi tada, kai organizacijos tiekėjų modelius sujungia su savo vidiniais agentais ir valdo juos pagal bendrą valdymo sistemą. Paprastas pasirinkimas „kurti arba pirkti“ nebeatspindi realybės – daug sėkmingų DI kokybės kontrolės projektų yra hibridiniai.
Šeši veiksniai, lemiantys tinkamą pasirinkimą
Prieš rinkdamiesi įvertinkite, kur esate dabar
Viena dažniausių DI kokybės kontrolės projektų nesėkmių priežasčių – pasirinktas sprendimas neatitinka įmonės skaitmeninės brandos. Pavyzdžiui, 1 skaitmeninės brandos etape esanti įmonė, kurioje daug procesų vis dar atliekama rankiniu būdu, gali nepasiekti rezultatų net įsigijusi pažangią verslo DI platformą. Ne todėl, kad pati platforma bloga, o todėl, kad organizacijai trūksta duomenų infrastruktūros, kompetencijų ir procesų jai išnaudoti. Prieš investuodami į DI kokybės kontrolės įrankius atlikite mūsų skaitmeninės brandos testą. Jis užtrunka apie 5 minutes ir padeda suprasti, kokiai sprendimų kategorijai jūsų organizacija jau pasirengusi.
Kainų palyginimas: kiek iš tiesų kainuoja skirtingi keliai?
| Sprendimas | Pradinė kaina | 1 metai (apytiksliai) | 5 metai (apytiksliai) | Geriausiai tinka |
|---|---|---|---|---|
| Keyence IV3 | apie 1 800 € | apie 1 800 € + diegimas | apie 1 800 € + priežiūra | Paprastos vienos patikros stoties užduotys |
| Cognex In-Sight 2800 | apie 4 500 € | apie 5 400–7 100 € | apie 5 400–8 900 € | Sudėtingesnės vienos patikros stoties užduotys |
| Elementary VisionStream | apie 4 000 € už kamerą | apie 4 500–13 400 € | apie 4 500–13 400 € | Vidutinės klasės sprendimas, mokant už kamerą |
| Landing AI Enterprise | 0 € (nemokamas planas) | apie 44 600–133 900 € | apie 223 200–669 500 € | Lanksti, tik programine įranga pagrįsta kompiuterinė rega |
| Instrumental | 0 € (bandomasis projektas) | apie 44 600–89 300 € | apie 223 200–446 300 € | Elektronika ir testavimo duomenys |
| Zanus AI | apie 17 800 € | apie 22 300–44 600 € | apie 22 300–44 600 € | Bendro pobūdžio DI sistema gamybai |
| TOMRA rūšiavimo sistema | nuo maždaug 44 600 € | apie 49 100–535 600 € | apie 67 000–714 100 € | Didelės apimties maisto perdirbimas |
| Individualus sprendimas su partneriu | 0 € | apie 60 000–220 000 € | apie 120 000–350 000 € | Unikalūs procesai, nauji defektų tipai, kelių jutiklių sprendimai |
Šaltinyje, kuriame remiamasi „Gartner“ duomenimis (anglų kalba), teigiama, kad organizacijos dažnai neįvertina 50–70 % visų programinės įrangos nuosavybės sąnaudų – integracijų, mokymų, individualių pakeitimų, aplinkinių procesų ir licencijų kainų augimo. Tai taikoma tiek individualiai kuriamai, tiek standartinei programinei įrangai. „Capgemini Research Institute“ tyrimas (šaltinis anglų kalba) taip pat rodo, kad DI dideliu mastu diegiančios organizacijos pasiekia reikšmingai geresnę investicijų grąžą, o gamintojai yra tarp aktyviausių šių technologijų diegėjų. Nesėkmės dažniausiai kyla dėl netinkamo sprendimo pasirinkimo – o toks neatitikimas neretai prasideda praleidus vertinimo etapą.
Kaip priimti sprendimą: praktinis procesas
Įvertinkite dabartinę situaciją
Prieš vertindami bet kurį sprendimą išmatuokite dabartinius kokybės kontrolės rezultatus. Praslydusių defektų dalis, klaidingai teigiamų rezultatų rodiklis, patikros ciklo trukmė ir vieno patikrinto gaminio kaina. Neturėdami pradinio atskaitos taško negalėsite objektyviai įvertinti pagerėjimo.
Aiškiai apibrėžkite reikalavimus
Dokumentuokite defektų tipus – žinomus ir naujus, gamybos greitį, apšvietimo sąlygas, produktų variacijas ir integracijos poreikius. Paprasta patikra gerai kontroliuojamoje gamybos linijoje yra visiškai kitokia užduotis nei daugybę produktų variantų turinti linija, kurioje atsiranda sunkiai prognozuojami defektai.
Atlikite struktūruotą bandomąjį projektą
Naudokite trijų etapų „Shadow – Parallel – Live“ patvirtinimo modelį. „Shadow“ režime DI stebi procesą, tačiau nepriima veiksmus sukeliančių sprendimų – tai leidžia surinkti daug daugiau realios informacijos nei tiekėjo demonstracija. „Parallel“ etape DI ir žmogus tikrina gaminius nepriklausomai vienas nuo kito, todėl galima patikrinti tikslumą. Tik pasiekus nustatytas ribas pereinama prie „Live“ režimo, kuriame sistema realiai veikia gamybos procese.
Apsvarstykite hibridinį variantą
„Buy, Boost, or Build“ modelis (šaltinis anglų kalba) siūlo maždaug 60 % reikalingų funkcijų įsigyti iš esamų platformų, o 40 %, kurie kuria konkurencinį pranašumą, sukurti individualiai. DI kokybės kontrolėje tai dažnai reiškia standartinės kamerų platformos, pavyzdžiui, „Keyence“ ar „Cognex“, naudojimą bazinei patikrai ir individualių modelių kūrimą tiems sudėtingiems defektams, kuriuos standartinė sistema praleidžia.
„Agmis“ praktikoje tokį modelį matome dažnai: individualus kompiuterinės regos sprendimas automobilių sėdynių gamintojui patikrą pagreitino 27 kartus, pasiekė 99 % defektų aptikimo tikslumą ir maždaug 30 kartų mažesnes sąnaudas, palyginti su rankine patikra. Tokia investicijų grąža buvo pasiekta todėl, kad sprendimas buvo pritaikytas konkretiems defektams ir gamybos aplinkai, o ne paremtas universalia platforma.
Kurį kelią rinktis?
| Jūsų situacija | Tinkamiausias kelias | Kodėl? |
|---|---|---|
| Standartiniai defektai, viena produktų linija | Pirkti („Keyence“, „Elementary“ arba „Landing AI“) | Nereikia programuoti, sprendimai išbandyti su žinomais defektais, mažiausia pradinė investicija |
| Sudėtingi defektai, didelis greitis, keli produktų tipai | Papildyti platformą individualiais modeliais | Platforma sprendžia bazines užduotis, individualūs modeliai – sudėtingiausius likusius atvejus |
| Nauji arba sunkiai prognozuojami defektai | Kurti individualiai arba naudoti „Instrumental“ | Reikia sprendimo, gebančio aptikti ir anksčiau nematytus defektus |
| Labai didelės apimties maisto perdirbimas | TOMRA arba panaši techninė sistema | Esant labai didelėms apimtims fizinės rūšiavimo sistemos gali būti efektyvesnės už vien programine įranga paremtus sprendimus |
| Elektronikos gamyba, reikalingi ir testavimo duomenys | Instrumental | Platforma vienoje vietoje sujungia vizualinės ir funkcinės patikros duomenis |
| Šviežių vaisių ir daržovių tiekimo grandinė | Clarifresh | Specialiai šviežios produkcijos patikrai sukurta mobilioji platforma |
| Unikalus, patentuotas ar kelių tipų jutiklių reikalaujantis procesas | Kurti individualų sprendimą | Standartinė platforma tiesiog neatitinka konkretaus proceso poreikių |
Esmė
DI kokybės kontrolės rinka auga pakankamai sparčiai, kad joje būtų vietos įvairiems sprendimo modeliams. Svarbiausia ne nustatyti, kuris iš jų apskritai yra „geriausias“, o kuris geriausiai atitinka jūsų gamybos aplinką, komandą, defektų tipus ir skaitmeninės brandos lygį.
Su technine įranga susieti „Keyence“ ir „Cognex“ sprendimai yra patikimi ir gerai išbandyti praktikoje, tačiau dideliu mastu gali tapti brangūs. Tik programine įranga pagrįstos „Landing AI“ ir „Cogniac“ platformos suteikia daugiau lankstumo, tačiau nėra tinkamos kiekvienam naujam ar sunkiai prognozuojamam defektui. Specializuoti įrankiai, tokie kaip „Instrumental“ ar „Clarifresh“, savo nišose gali būti itin efektyvūs, tačiau jų pritaikymo sritis siaura. O kai kuriais atvejais tinkamiausias atsakymas yra kurti individualų sprendimą – ne todėl, kad būtinai norite kurti nuo nulio, o todėl, kad jūsų problema pakankamai specifinė ir rinkoje nėra ją tinkamai sprendžiančios platformos.