Przeciążenie informacyjne (information overload) coraz częściej staje się jednym z realnych zagrożeń dla bezpieczeństwa i jakości pracy. Paradoksalnie, wraz z rozwojem cyfryzacji i sztucznej inteligencji, które generują ogromne ilości danych, jest to jeszcze większe wyzwanie. W środowisku produkcyjnym, gdzie liczy się każda decyzja, kluczowe staje się nie samo zbieranie informacji, lecz ich właściwa selekcja, interpretacja i przełożenie na konkretne działania.
W praktyce oznacza to, że technologia, w tym AI, nie może być traktowana jako samodzielne rozwiązanie problemów operacyjnych – wdrożenie tego typu rozwiązań to dopiero początek.
Systemy oparte na sztucznej inteligencji znacząco zwiększają poziom bezpieczeństwa i stoją na straży jakości, szczególnie w obszarach krytycznych, gdzie człowiek nie jest w stanie manualnie kontrolować wszystkiego w sposób ciągły. Natomiast jednocześnie generują one ogromne ilości nowych danych, które również trzeba umiejętnie przetworzyć i zinterpretować.
– Jeszcze kilkanaście lat temu analizowano głównie wielogodzinne awarie. Dziś pod lupę trafiają nawet kilkuminutowe przestoje. O bezpieczeństwie, jakości i kosztach często decydują drobne zakłócenia i odchylenia od standardu, które powtarzają się setki razy. To dlatego tak ważne jest nie samo zbieranie danych, ale ich selekcja i ułożenie w jasne priorytety działań. Technologia pomaga nam wychwycić nawet najmniejsze odchylenia w jakości produktu. System generuje raport podsumowujący działanie, który pokazuje zagregowany wynik i najważniejsze wnioski. A czytelny obraz sytuacji, jaki otrzymuje operator na linii, pozwala mu szybko reagować i zapobiegać przestojom – mówi Bartosz Kamiński, Factory Manufacturing Excellence & Digital Transformation Manager, Unilever.
Jakość to nie kwestia przypadku
W fabrykach takich jak zakład Unilever w Bydgoszczy, produkujących setki milionów sztuk produktów rocznie, jakość nie może być kwestią przypadku. W fabryce wdrożono system inspekcji oparty na dwuwarstwowej sztucznej inteligencji. Takie podejście pozwala lepiej chronić tzw. złoty standard jakości i minimalizować odchylenia efektywniej niż model jednowarstwowy. System monitoruje kosmetyki w butelkach produkowane w fabryce, wśród których są żele pod prysznic i szampony Dove czy balsamy Vaseline.
– W praktyce oznacza to, że każdy kontrolowany produkt – ponad 1.3 mln sztuk tygodniowo - przechodzi automatyczną weryfikację w czasie rzeczywistym. System uczy się tzw. złotego standardu i porównuje z nim 100% produkcji. Analizujemy zarówno produkt jednostkowy, jak i opakowanie zbiorcze, dzięki czemu nawet minimalne odchylenia są wychwytywane natychmiast, jeszcze zanim opuszczą halę – zaznacza Bartosz Kamiński.
To odejście od kontroli wyrywkowej na rzecz pełnej, ciągłej i automatycznej inspekcji – od formuły kosmetyku, przez jego ilość w opakowaniu, po sprawdzenie samego opakowania z dokładnością poniżej milimetra. Efekt? Większa powtarzalność jakości, mniej strat i stabilniejszy proces. Operator na linii produkcyjnej wspiera i kontroluje to, czy system uczy się właściwie, a całość działa w oparciu o konkretne kryteria jakości produktu w tym: waga, weryfikacja pozycji etykiety czy odczyt i porównanie kodów.
W rezultacie rola pracownika naturalnie ewoluuje: z osoby wykonującej manualne kontrole w stronę nadzorcy, sprawdzającego jakość działania technologii. Taka zmiana zachodzi, gdy technologia nie tylko zbiera dane, ale potrafi je właściwie przetworzyć i odpowiednio zaprezentować wyniki. To ten krok pozwala sprowadzić chaos informacyjny do wiedzy, na podstawie której można podejmować odpowiednie decyzje.
O Unilever:
Unilever jest jednym z wiodących, światowych dostawców produktów Beauty & Wellbeing, Personal Care, Home Care, Foods, który prowadzi sprzedaż na terenie 190 krajów, docierając do 3,7 miliarda konsumentów dziennie. Zatrudnia 96 000 pracowników. Przychody ze sprzedaży w 2025 r. wyniosły 50,5 mld euro.
Więcej informacji o Unilever i naszych markach można znaleźć na stronie www.unilever.com
źródło: Unilever
