从被动到预测：使用新的质量控制代理预防缺陷

在Qarma，我们一直在寻找让质量控制更智能、更快速、更有效的方法。这就是为什么我们很高兴地推出我们的新产品：人工智能检查点。

传统上，检验员依靠记忆和经验来准确了解质量控制检验中需要注意的事项。但试想一下，如果有一份检查清单，它能从您的质量历史中学习，并适应产品、供应商、检查员和环境，为您提供额外的检查点。

这正是我们的人工智能检查点所要做的。

人工智能检查站--更智能的检查方式

人工智能检查点是检查表中的一项新功能，只需单击即可启用。它以历史缺陷发现为基础，不断从过去的检查中学习，随着时间的推移不断改进，越用越好。通过使用人工智能分析这些数据，它可以自动生成相关的检查点，让检查员清楚地知道应该注意什么。

正如Qarma 首席技术官兼联合创始人 Søren Mønsted 所说：

"Qarma 会查看该供应商、特定项目和类似项目的检验历史。该系统会审查所有数据，分析报告的缺陷，对其进行优先排序，然后利用这些洞察力生成建议的检查点"。

想法很简单：从事后发现缺陷转变为事先预防缺陷--确保检查不仅彻底，而且以数据为导向并具有预测性。

"索伦说："我们希望，这些人工智能生成的检查点将是相关的、有意义的，它们将防止一些可能被忽视的缺陷。

在Qarma 中设置检查表时，您可以选择添加一个名为 "自动生成检查点 "的新部分。就是这样--一旦开启，Qarma 就会完成剩下的工作。

当检查员下载移动应用程序中的检查表时，系统会花几秒钟扫描过去的数据并生成检查点。这些检查点显示在顶部名为 "检查以前的缺陷 "的部分。

每个人工智能生成的检查点都包含过去缺陷的照片。

"有时，用语言描述具体问题并不容易。但这里的图片仅供参考，您可以看到以前的缺陷，"索伦解释道。

没错，人工智能检查点就像其他检查点一样：您可以记录发现、拍摄新照片并将其纳入报告。在提交报告时，图标会显示哪些检查点是人工智能生成的，以便报告的查看者了解背景情况。

"当你提交报告时，也会让查看者看到一些检查点是人工智能生成的，这样他们就知道了背景和环境"。

我们的人工智能检查点旨在提高一致性、减少疏忽并帮助团队将注意力集中到最重要的地方。这是从被动反应到预测的转变--这将改变质量的游戏规则。

"我们知道，我们的许多客户都面临着员工流动率高的问题，而且他们还采取了质检员轮岗的策略，这样就不会总是由同一个质检员去同一家工厂。因此，在很多情况下，质量控制员到达工厂时可能并不知道最近发生的质量问题。在这种情况下，这项功能非常强大，可以确保质量控制团队的连续性和一致性。

核对表不再是静态的，而是动态的。它从过去的经验中吸取教训，使其更易于维护，因为这一切都是自动完成的。

我们非常希望听到您在试用过程中的反馈意见。只需点击应用程序中的反馈按钮，让我们知道哪些功能有效，哪些功能可以改进。您的意见将帮助我们为每个人打造更好的Qarma 。