AI hlídá zmetkovitost a upozorní vás včas
Tradiční report řekne, kolik zmetků jste vyrobili včera. My místo toho data analyzujeme v reálném čase: AI rozpozná anomálii, ať jde o náhlý nárůst, plíživý trend, nebo jejich kombinaci, a upozorní správného člověka dřív, než dopad doroste. Cíl je jednoduchý: zkrátit reakční čas a výrazně omezit zmetkovitost.
Testováno na reálných výrobních datech
Souhrnné číslo přijde pozdě
- Zmetkovitost se měří, ale pozná se až ve chvíli, kdy je škoda hotová.
- Denní report ukáže, že pracoviště mělo špatný den. Směna je už ztracená.
- Plíživý nárůst je nejnebezpečnější. Týdny si ho nikdo nevšimne, pak přijde skok a kvartál je v háji.
- Než se informace dostane ke správnému člověku, problém běží dál.
- Příčiny se hádají na schůzce kvality. Nikdo nemá tvrdá data, kdy přesně to začalo.
Náklady: pozdní reakce znamená celé směny zmetků, řešení míří na následek místo příčiny a opakující se incidenty znamenají, že chybí včasné upozornění. Klíčem není víc dat, ale včasná informace u toho, kdo může zasáhnout.
Od dat k včasné notifikaci
AI nepřetržitě sleduje vaše zmetkovitostní data a sama si řekne, kdy je něco jinak. Pět kroků, z nichž poslední dělá ten největší rozdíl.
Tři vzory, které AI pozná
Náhlé skoky vidí každý dashboard. Plíživý trend ne. AI hlídá oba i jejich kombinaci a u driftu upozorní hodiny až dny dřív, než se projeví v denním reportu.
Něco se právě zvrtlo
Špatná výměna nástroje, posunutý parametr, jiná šarže materiálu. Prudký skok nad běžný stav.
Pomalý drift
Opotřebení formy, postupný drift kalibrace, sezónní vliv. Oko ho v reportech přehlédne.
Víc signálů naráz
Například náhlý skok na pozadí plíživého trendu. Nejzávažnější situace, kterou je třeba řešit přednostně.
Čtyři pohledy na jeden modul
Modul „Zmetkovitost" má čtyři záložky. Od živých incidentů přes historii a backtest až po průhled do kvality modelu.
Aktivní zmetkovitost
Živé incidenty právě teď, se severitou, stavem a kontextem. To, co potřebujete na ranní poradě.
Historie
Časový průběh podílu zmetkovitosti a času běhu, s vyznačenými incidenty v daném rozsahu.
Backtest
Virtuální incidenty: co by model zachytil na vaší historii, podle typu a trvání. Export do CSV.
Stav detekce
Kvalita modelu (skóre 0 až 100), trénink a hlídání, zda detekce skutečně běží.
| Typ | Kontext | Úroveň | Trvání | Severita | Význam. |
|---|---|---|---|---|---|
| Náhlý | Svařovna | Pracoviště | 2 h 15 min | 18,5 % | 12 |
| Plíživý trend | Montáž | Pracoviště | 7 h 30 min | 6,6 % | 8 |
| Kombinace | Lisovna | Pracoviště | 13 h 15 min | 28,2 % | 14 |
Ilustrativní ukázka. Každý incident má typ, kontext, severitu (jak moc nad běžný stav) a statistickou významnost.
Vyzkoušejte to na vlastní historii
Než cokoliv pustíte do provozu, necháte model přehrát vaši historii. Uvidíte virtuální incidenty: kolik by jich bylo, jakého typu (náhlé vs. plíživé) a jak dlouho by trvaly. Podle toho doladíme citlivost, ať vás to nezahltí ani nepřehlédne. Žádná černá skříňka.
Co byste zachytili
Přehled virtuálních incidentů na historii: počet, rozpad na náhlé a plíživé, průměrné trvání.
Ladění citlivosti
Víc upozornění proti méně falešným poplachům. Nastavíme pro každou řadu zvlášť.
Export do CSV
Výsledky backtestu si vezmete ven a probereme je společně, na vašich datech.
Vidíte, jak na tom model je
Detekce pracuje bez učitele, nemá tedy předem označené „správné" odpovědi. Proto otevřeně ukazujeme, jak kvalitní data model má. Kde je dat málo, řekneme vám, že je výsledek méně spolehlivý.
0 až 100 pro každou řadu
Skóre mísí objem dat, pokrytí dnů, hustotu zmetků a délku historie. Hodnocení od „Výborná" po „Nedostatečná".
Automaticky i ručně
Model se přetrénovává pravidelně (měsíčně) a kdykoliv ho spustíte ručně. Trénink je idempotentní, lze ho bez rizika opakovat.
Pozná, když data přestanou chodit
Pokud nepřibývají nové biny, systém to nahlásí (Detekce neběží). Nedozvíte se to až ve chvíli, kdy chybí incident.
Notifikace tam, kde se dá zasáhnout
Detekce sama o sobě zmetkovitost nesníží. Sníží ji včasná akce. Proto je notifikace jádrem modulu: jde k tomu, kdo s tím něco udělá, a v okamžiku, kdy to ještě má smysl.
Správnému člověku
Mistrovi na směně, technologovi pracoviště. Ne do obecného reportu, který nikdo nečte.
S kontextem
Kde, kdy, jaký typ, jak moc nad běžný stav a jak jistá detekce. Hned víte, co řešit.
Kanálem, který sledujete
Mobilní push (Android i iOS), SMS i e-mail. Upozornění vás zastihne, i když nejste u obrazovky.
Co AI nedělá
Co modul potřebuje
Technické předpoklady: nasazená platforma TPM&M s TPM Analytics a MES s průběžným tokem dat (biny). Kvalita detekce roste s objemem a délkou historie, model proto otevřeně ukazuje skóre kvality pro každou řadu. Modul je nyní v testovacím provozu, předpoklad uvolnění v létě 2026.
Co se nás ptají nejčastěji
Nyní běží v testovacím provozu na reálných výrobních datech. Uvolnění plánujeme na léto 2026. Pokud chcete být mezi prvními, ozvěte se a domluvíme pilotní testování.
Model se učí bez označených dat, ale potřebuje dostatek historie, aby poznal vaše běžné chování. Kde je dat málo, otevřeně ukáže nižší skóre kvality.
Ano. Model má vestavěné prahy minimálního počtu nenulových binů, takže nehlásí falešné poplachy na řadách s mizivým výkonem.
Citlivost je nastavitelná pro každou řadu. Před spuštěním uděláme backtest na vaší historii a ukážeme, kolik upozornění byste dostali. Společně doladíme rovnováhu.
Doplňkově. Vaše prahy z SPC zůstávají. AI chytá to, co statistická regulace mine: drift pod hranicí a kombinované signály.
Automaticky v pravidelném intervalu (měsíčně) a kdykoliv ho spustíte ručně. Pokud přestanou chodit data, systém upozorní, že detekce neběží.
Chcete být mezi prvními?
Modul testujeme na reálných výrobních datech. Ukážeme vám ho naživo a domluvíme, jak ho vyzkoušet u vás dřív, než vyjde.
Domluvit představení