Podsumowanie
Tradycyjny proces wykrywania wewnętrznych i zewnętrznych wad lakierniczych opierał się na ręcznej inspekcji wykonywanej przez wykwalifikowanych specjalistów. Takie podejście okazało się jednak czasochłonne, zasobochłonne i podatne na błędy, co spowalniało realizację procesów obsługi klienta.
Aby sprostać tym wyzwaniom, Asian Paints postanowiło zoptymalizować ten proces i skrócić czas obsługi. NTT DATA opracowała zaawansowane rozwiązanie AI przy wykorzystaniu Google Cloud Platform, które umożliwia precyzyjne wykrywanie wewnętrznych i zewnętrznych wad lakierniczych na podstawie takich parametrów jak położenie, typ koloru i rodzaj wady, w tym wycieki, pęcherze oraz łuszczenie się powłoki.
Rozwiązanie zapewniło kompleksowe usprawnienie procesu, przyspieszyło działania operacyjne i obsługę klientów.
Potrzeba biznesowa
Obniżenie kosztów i zwiększenie efektywności dzięki AI
Wdrożenie AI wiązało się z trzema kluczowymi wyzwaniami:
Opłacalna automatyzacja
Stworzenie skalowalnego rozwiązania, które precyzyjnie wykrywa ponad 15 typów wad bez nadmiernych nakładów kosztowych.
Optymalne wykorzystanie zasobów
Ograniczenie zużycia zasobów chmurowych dzięki unikaniu jednoczesnego sprawdzania wszystkich typów wad.
Uruchamianie modelu na żądanie
Zapewnienie, że wdrożony model działa tylko w określonych oknach czasowych, uruchamiany przez zapytania API.
Cieszymy się, że udało nam się uruchomić funkcję automatycznego wykrywania wad. Chciałbym podziękować wszystkim za rzetelne wsparcie projektu i zaangażowanie. Mamy nadzieję rozszerzać tę funkcjonalność o kolejne wady w przyszłości i liczymy na dalszą współpracę
Rozwiązanie
Automatyczne i precyzyjne wykrywanie wad z wykorzystaniem AI oraz chmury
NTT DATA opracowała rozwiązanie oparte na AI, wykorzystujące wizję komputerową i uczenie maszynowe. Dzięki Google Cloud Platform rozwiązanie umożliwia Asian Paints wizualną identyfikację wewnętrznych i zewnętrznych wad lakierniczych z dużą precyzją. Platforma oparta na chmurze eliminuje konieczność korzystania z wiedzy domenowej na potrzeby wykrywania wad i znacząco ogranicza potrzebę ręcznej analizy wymaganej przy klasycznych systemach rozpoznawania obrazów.
Model AI zidentyfikował ponad 15 typów wad lakierniczych na podstawie konkretnych kryteriów: położenia, czyli czy znajduje się nad, pod lub na powierzchni, oraz innych cech, takich jak kolor i tekstura. Rozwiązanie obejmowało różne typy wad, między innymi wycieki, pęcherze, ubytki piasku, łuszczenie się powłoki i widoczne plamy. Pozwoliło to na uzyskanie precyzyjnego i wspieranego danymi systemu wykrywania wad w różnych kategoriach.
AutoML zostało wykorzystane do stworzenia niskokodowego, wieloetykietowego modelu klasyfikacyjnego. Takie podejście uprościło proces, umożliwiając jednemu modelowi wykrywanie wielu typów wad przy zachowaniu wysokiej dokładności dzięki dostrajaniu progu ufności. AutoML wybrano ze względu na możliwość usprawnienia prac nad modelem bez konieczności zaawansowanej wiedzy z zakresu deep learning.
Obrazy przesłane przez zespół klienta były kategoryzowane według typów wad i trafiały do Google Cloud Storage na potrzeby trenowania modelu. Vertex AI posłużyło do trenowania i adnotacji modelu, zapewniając sprawne śledzenie zbiorów danych, modeli i wdrożeń. Do uruchomienia modelu jako API wykorzystano Cloud Run, co umożliwiło klientowi integrację rozwiązania z istniejącymi procesami.
Rozwiązanie zautomatyzowało wykrywanie wad i zapewniło skalowalne oraz kosztowo efektywne ramy dalszego usprawniania procesów inspekcji lakierniczych.
Rezultaty
Wysoka dokładność, szybsze inspekcje i lepsze wykorzystanie zasobówNTT DATA wniosła do projektu szeroki zakres kompetencji i doświadczenia, łącząc zaawansowaną wiedzę z obszaru AI, technologii chmurowych oraz dogłębne zrozumienie specyficznych potrzeb klienta. Zespół doradców i ekspertów technicznych NTT DATA pracował blisko z klientem na każdym etapie projektu. Skupiał się na dostosowaniu rozwiązania AI do wyzwań klienta, zapewniając jednocześnie właściwą równowagę między skalowalnością, efektywnością i elastycznością.
Dzięki doświadczeniu we wdrażaniu złożonych rozwiązań NTT DATA była w stanie odpowiedzieć na unikalne wyzwania związane z wykrywaniem wad lakierniczych, nie tracąc z pola widzenia długoterminowych celów klienta. Zdolność NTT DATA do dostarczania wysokiej jakości wyników na czas, wraz z ciągłym wsparciem, zapewniła sprawną integrację rozwiązania z działalnością klienta. Dojrzałość naszych ram projektowych i metodyczne podejście oparte na strategii chmurowej umożliwiły płynną i skuteczną transformację, potwierdzając wartość współpracy oraz innowacyjnego partnerstwa.
Najważniejsze efekty:
93% dokładności modelu
Osiągnięto 93% dokładności modelu w wykrywaniu wad, co przełożyło się na wysoką skuteczność identyfikacji defektów
Wykrywanie ponad 15 wad lakierniczych
Rozwiązanie precyzyjnie wykrywa ponad 15 typów wad powłoki lakierniczej
Większa efektywność
Automatyczne wykrywanie wad skróciło czas inspekcji i zoptymalizowało wykorzystanie zasobów
Szybsze rozwiązywanie problemów
Wczesna identyfikacja wad umożliwiła szybsze naprawy, ograniczając opóźnienia i koszty