Izraditi ili kupiti gotovo AI rješenje u proizvodnji: kako odlučiti?

Kupite kada je problem standardan, a vaše je ograničenje vrijeme. Izradite kada je proces doista vaš, kada podaci ne smiju napustiti pogon, ili kada proizvod rješava većinu problema, a ostatak je ondje gdje je novac. Za većinu srednje velikih proizvođača pošten odgovor za prvi projekt jest kupiti, a dva projekta kasnije često izraditi vlasti rješenje. Odluka nije ideološka i nije trajna.

U proizvodnji je to teže nego u softveru jer su ograničenja fizička. Demonstracija dobavljača radi na njihovom osvjetljenju, njihovim stezaljkama i njihovim komadima. Vaša linija ima tri generacije strojeva, rasvjetu koju nitko nije podešavao od 2019. i varijantu proizvoda uvedenu prošlo tromjesečje koju nitko nije spomenuo. U tom procjepu, a ne u modelu, zapravo se odlučuje izraditi ili kupiti.

Što zapravo dobivate kupnjom?

Brže sustav koji radi i, kada se pokvari, tuđi problem. Za standardne zadatke sa standardnim hardverom komercijalna vision ili platforma za održavanje dolazi s riješenim odabirom kamere, preporukom rasvjete, spajanjem na PLC i ugovorom o podršci. Taj paket vrijedi mnogo, a timovi koji ga odbacuju obično podcjenjuju koliko velik dio AI projekta nije model.

Ono što gubite jest pristajanje i poluga. Sustav radi ono što je dobavljač odlučio, Vaša se klasifikacija grešaka mora prilagoditi njegovim kategorijama, a vaš je razvojni put njegov razvojni put. Nasljeđujete i ovisnost: ako usklađenost pita kako je odluka donesena, možete odgovoriti samo iz dokumentacije koju dobavljač odluči dati.

Koliko izrada zapravo košta?

Više od modela, a u tom procjepu pucaju budžeti. Model su često tjedni. Sustav oko njega, dakle prikupljanje podataka sa strojeva koji nisu građeni za dijeljenje, označavanje koje rade ljudi s drugim poslovima, integracija u MES ili PLC, rezervni put kada zaključivanje nije dostupno, praćenje i osoba koja u devetom mjesecu ponovno trenira, čini većinu posla i gotovo cijeli tekući trošak.

Izrada doista pobjeđuje ondje gdje su ti troškovi ionako neizbježni. Ako strojne podatke morate prikupljati u svakom slučaju, ako morate označavati jer nijedan dobavljač ne zna vaše greške, i ako morate integrirati u sustav koji nijedan proizvod ne podržava, onda je velik dio troška izrade zapravo trošak samog projekta, a kupnja dodaje licencu odozgo ne uklanjajući ga.

Kada je kupnja jasno ispravna?

U četiri situacije, a njihovo prepoznavanje štedi mjesece.

• Zadatak je standardan. Čitanje etiketa, provjera prisutnosti, mjerenje dimenzija, kontrola barkodova. To su riješeni problemi sa zrelim proizvodima, a graditi ih iznova inženjerska je nostalgija.
• Još nemate podatke. Proizvod koji dolazi s unaprijed treniranom osnovom dovodi vas u radno stanje dok bi izrada po mjeri još prikupljala primjere.
• Linija se često mijenja. Česte varijante proizvoda govore u prilog podesivom proizvodu, a ne modelu koji svaki put ponovno trenirate, osim ako je to treniranje doista automatizirano.
• Nemate tko će to voditi. To je presudno i redovito se zanemaruje. Sustav po mjeri bez internog vlasnika tiho propada; dobavljačev sustav bez internog vlasnika barem ima broj podrške.

Kada je izrada jasno ispravna?

U tri situacije, užima nego što bi većini inženjerskih timova bilo drago.

• Klasifikacija grešaka je vaša. Ako su vaši kriteriji kvalitete specifični za vaš proizvod i proces, a nijedan ih proizvod ne modelira, konfiguracija neće zatvoriti razliku.
• Podaci ne smiju izaći. Ugovorna ili regulatorna ograničenja koja isključuju zaključivanje u oblaku isključuju i većinu proizvoda, premda ih sve više nudi rad na vlastitoj infrastrukturi.
• Proizvod vas dovodi do osamdeset posto. Preostalih dvadeset često je upravo ondje gdje je vrijednost, a izraditi samo taj dio i ostalo integrirati obično je jeftinije od zamjene dobavljača.

Kako ih pošteno usporediti?

Tako da isti opseg procijenite s obje strane, a upravo ovdje većina usporedbi tiho vara. Procjena izgradnje obično pokriva model i integraciju; procjena kupnje pokriva licencu. Nijedna ne uključuje posao koji obje dijele.

Stavite zajedničke troškove u oba stupca: izvlačenje strojnih podataka, označavanje, promjenu radnog toka, edukaciju operatera i trajnu pažnju nakon puštanja u rad. Ono što ostane stvarna je razlika, a obično je manja nego što su početne brojke sugerirale. Naš tekst o izračunu povrata za projekte strojnog učenja razrađuje pogled na cijeli vijek na kojem ova usporedba počiva.

Kako izgleda hibridna opcija?

Često najjači odgovor i najmanje spominjan. Kupite ono što je roba, izradite ono što je Vaše. U praksi to znači komercijalnu kameru i rasvjetu uz vlastiti klasifikator, ili dobavljačevu platformu za prikupljanje podataka uz vašu logiku na njoj, ili gotov model dotreniran na vašim slikama grešaka.

Hibrid se isplati jer inženjerski trud usmjerava ondje gdje je vaša različitost, a sve ostalo kupuje. Košta više integracijskog posla od obje čiste opcije, što je pošten kompromis, i traži nekoga tko može držati arhitekturu. To je često pravo ograničenje je li vam uopće dostupan.

Koja je pogreška skuplja?

Izraditi vlastito rješenje prerano, i to uvjerljivo. Preuranjena izgradnja potroši godinu dana, proizvede sustav skrojen za proces koji ste u međuvremenu promijenili i ostavi internu obvezu održavanja koju nitko nije predvidio. Prerana kupnja košta jedno licencno razdoblje i nešto integracijskog truda, a Vi zadržavate podatke i znanje o procesu.

Ta asimetrija govori u prilog tome da prvo kupite kada je odgovor doista nejasan, pa gradite kada točno znate gdje proizvod ne dostaje. Znanje stečeno vođenjem kupljenog sustava znatan je ulaz u kasniju izgradnju i drukčije se ne može dobiti. Kao što smo tvrdili u tekstu o tome kada prediktivno održavanje funkcionira, a kada ne, projekti koji razočaraju obično su oni pokrenuti prije nego su preduvjeti postojali.

Kako EU AI Akt utječe na odluku?

Manje nego što se većina proizvođača boji, ali mijenja tko nosi obveze. Kupnja vas obično čini korisnikom, što je lakša uloga: koristiti sustav u skladu s deklariranom namjenom, dodijeliti stručan ljudski nadzor, čuvati zapise, obavijestiti pogođene radnike. Izgradnja vas čini dobavljačem, uz teret tehničke dokumentacije, upravljanja rizicima i sukladnosti.

Dvije stvari za pratiti. Dotreniravanje dobavljačevog modela na vlastitim podacima ili njegovo rebrendiranje može vas dovesti u obveze dobavljača bez ijedne svjesne odluke. Čak i ako AI obavlja sigurnosnu funkciju u strojevima, Uredba o strojevima primjenjuje se od 20. siječnja 2027. uz obavezno prijavljeno tijelo, što je pitanje nabave u oba slučaja. Cijela je slika u tekstu EU AI Akt za proizvodne male i srednje tvrtke.

Pošten sažetak

Kupite kada je zadatak standardan, kada još nemate podatke, ili kada interno nitko neće voditi sustav po mjeri. Gradite kada je klasifikacija grešaka vaša, kada podaci ne smiju izaći, ili kada vas proizvod dovodi gotovo do cilja a ostatak je vrijednost. Usporedite ih tako da isti puni opseg procijenite s obje strane, uključujući sve što obje opcije dijele, jer upravo se po tome poštene usporedbe razlikuju od uvjerljivih.

Ako odgovor ostane doista nejasan, i to je informacija: obično znači da primjena nije dovoljno usko određena da bi se išta moglo uspoređivati. Strateški audit za srednje velika proizvodna poduzeća to razrješava prije nego se bilo koji put odabere, a stranica proizvodne prakse opisuje odakle obično krećemo.

Česta pitanja

Možemo li krenuti s dobavljačem pa graditi kasnije?

Možete, i to je često najjeftiniji redoslijed. Vođenje kupljenog sustava pokazuje vam točno gdje ne dostaje, a to je specifikacija koju kasnija izgradnja treba. Od prvog dana čuvajte vlastitu kopiju slika i oznaka jer su ti podaci imovina koja prijelaz čini mogućim, a neki su ugovori nejasni oko toga tko ih posjeduje.

Kako pošteno ocijeniti demonstraciju dobavljača?

Inzistirajte da radi na vašim komadima, vašem osvjetljenju i vašim najgorim slučajevima, a ne na njihovim uzorcima. Pitajte za učinak na vrstama grešaka koje viđate najrjeđe, jer se ondje proizvodi najviše razlikuju. Dobavljač koji ne želi testirati vaše nezgodne slučajeve već je odgovorio na pitanje.

Traži li izgradnja zapošljavanje tima za data science?

Za prvi projekt ne. Traži nekoga tko će sustav voditi nakon puštanja u rad i dovoljno inženjerskog kapaciteta za integraciju. Timovi koji zaposle stručnjake prije nego je prva primjena validirana obično završe sa skupim ljudima i bez definiranog problema.

Što ako dobavljač ugasi proizvod?

Stvaran rizik kod manjih dobavljača i vrijedi ga uračunati. Ublažavaju ga čuvanje vlastitih podataka, davanje prednosti standardnim sučeljima pred vlasničkima i poznavanje izlaza prije potpisa, a ne tijekom incidenta.