Adakah mungkin terlalu bersemangat tentang automasi? Industri automotif, yang dahulunya menjadi contoh utama kilang tanpa lampu dan barisan pemasangan yang hanya dikendalikan robot, telah membayar harga yang tinggi untuk mempelajari bahawa jawapannya ialah ya. Hari ini, pengajaran yang mahal itu secara senyap-senyap membentuk semula cara pengeluar peranti perubatan memikirkan kualiti - dan peranan yang tidak boleh diketepikan oleh kepakaran kejuruteraan manusia.
Godaan itu mudah difahami. Dalam usaha menghapuskan kebolehubahan, beberapa pengeluar kereta berusaha mengautomasikan hampir setiap stesen pemeriksaan, dengan mempercayai bahawa kamera dan algoritma akan mengesan kecacatan yang mungkin terlepas daripada pandangan manusia. Namun, sesuatu yang aneh berlaku di beberapa lantai pengeluaran yang diautomasi secara berlebihan ini. Kecacatan kimpalan yang dapat dikesan oleh juruteknik berpengalaman hanya melalui perubahan halus pada bunyi arka terlepas begitu sahaja daripada sistem penglihatan. Algoritma yang dilatih menggunakan data sempurna menjadi lemah apabila berdepan dengan kekacauan harian seperti kelompok bahan, perubahan suhu dan kehausan alat. Kecacatan bukan sahaja terlepas daripada pengesanan; kecacatan itu turut diperbesar pada kelajuan tinggi, sehingga menyebabkan penarikan balik produk yang mahal. Apa yang sepatutnya menjadi kemuncak kualiti telah berubah menjadi penjana kecacatan berkelajuan tinggi. Mungkinkah usaha membuta tuli mengejar automasi sebenarnya telah merosotkan kualiti?
Punca asasnya, seperti yang diakui oleh orang dalam industri kemudian, bukanlah robot - tetapi penghapusan pemikiran kejuruteraan daripada proses tersebut. Automasi dianggap sebagai pengganti pengetahuan proses yang mendalam, bukannya sebagai pengembangannya. Apabila sesuatu menyimpang daripada spesifikasi, tiada sesiapa di lantai pengeluaran yang memiliki intuisi metalurgi untuk mentafsir data, mempersoalkan sensor dan menghentikan barisan. Kilang yang paling berjaya ternyata ialah kilang yang menggunakan automasi untuk melaksanakan perkara yang terlebih dahulu ditentukan oleh jurutera berpengalaman, dengan manusia terus memerhatikan pengecualian. Mesin boleh mengukur, tetapi mesin tidak boleh memahami. Dan pemahaman, rupa-rupanya, ialah asas kualiti sebenar.
Bagi pengeluar peranti perubatan, apabila satu gerigis yang tidak dikesan pada instrumen pembedahan boleh menyebabkan trauma kepada pesakit, kisah peringatan ini amat memberi kesan. Daya tarikan pemeriksaan visual berkuasa AI dan robot kolaboratif memang tidak dapat dinafikan, tetapi risiko mengautomasikan proses yang hanya difahami separuh jauh lebih menakutkan. Bayangkan satu sel penyambungan kateter: sensor mungkin mengesahkan bahawa suhu dan masa berada dalam spesifikasi, namun terlepas perubahan halus dalam aliran polimer yang menghasilkan kelemahan mikro. Hanya jurutera yang telah bertahun-tahun merasai bahan tersebut, menghidu proses pengawetannya dan mentafsir petunjuk visual yang paling samar mungkin dapat mengesan masalah sebelum satu kelompok dihantar. Bolehkah sistem automasi anda memberitahu anda apabila sistem itu yakin tetapi sebenarnya salah?
Pusingan U pembetulan industri automotif kini sedang berlangsung sepenuhnya. Pengilang mengambil semula juruteknik penyelesaian masalah berpengalaman dan mereka bentuk semula sistem untuk memaparkan data bukan sekadar pada papan pemuka, tetapi juga demi pertimbangan manusia. Kualiti sekali lagi dibingkaikan sebagai perbualan antara jurutera dengan mesin, bukan monolog daripada algoritma. Mesej untuk industri teknologi perubatan jelas: automasi tidak mengurangkan keperluan anda terhadap pakar - automasi menuntut pakar yang lebih tajam. Jika anda menyerahkan proses anda kepada robot tanpa terlebih dahulu menguasainya dengan tangan dan fikiran sendiri, anda tidak sedang membina kualiti. Anda hanya sedang memperbesar kejahilan.
Jadi, sebelum anda memasang sel pemeriksaan seterusnya, tanyakan kepada diri sendiri: adakah anda telah melabur sekurang-kurangnya sedalam itu dalam jurutera yang akan mencabar hasilnya seperti pelaburan anda dalam teknologi itu sendiri? Industri automotif membelanjakan berbilion-bilion untuk mempelajari semula pengajaran tersebut. Adakah industri anda perlu melakukan perkara yang sama?
