Primotly Vision — case study: QA instalacji FTTH
Primotly Vision
EN version in preparation — Polish content shown.
Studium przypadku · infrastruktura światłowodowa

Od ręcznej kontroli do automatycznej inspekcji instalacji FTTH

Jak Primotly zastąpiło w pełni ręczny proces kontroli jakości instalacji światłowodowych zautomatyzowanym potokiem computer vision - skracając analizę katalogu adresowego z minut do sekund i wychwytując niezgodności, których ręczny przegląd nie ujawnił.

Branża
telekomunikacja / infrastruktura szerokopasmowa
Zakres
automatyczna inspekcja wizualna instalacji FTTH
Skala
ponad 230 GB danych inspekcyjnych, ponad 13 modeli detekcji
Status
wdrożenie produkcyjne, współpraca trwa od 2024
Klient

Niemiecka firma doradczo-technologiczna specjalizująca się w infrastrukturze szerokopasmowej i budowie sieci światłowodowych.

Obsługuje regionalnych i lokalnych operatorów telekomunikacyjnych - od strategii szerokopasmowej i nadzoru nad budową po kompleksowe zarządzanie projektami sieciowymi.

W momencie rozpoczęcia współpracy kontrola jakości instalacji była w pełni oparta na pracy człowieka, a biznes rósł szybciej, niż mógł nadążyć ten proces. Klient dostrzegał ograniczenie, ale nie miał wewnętrznych kompetencji, by samodzielnie zbudować rozwiązanie computer vision.

Rynek
Niemcy
Klienci
regionalni i lokalni operatorzy telekomunikacyjni
Zakres usług
strategia szerokopasmowa, nadzór budowy, zarządzanie projektami sieciowymi
Punkt startu
kontrola jakości w 100% ręczna, brak wewnętrznych kompetencji CV
Wyzwanie

Proces, który nie skalował się

Każde zlecenie instalacyjne generowało setki zdjęć, plików pomiarowych i dokumentów protokołu - wszystkie sprawdzane ręcznie. Analitycy musieli wizualnie ocenić każdy obraz: czy zamontowano właściwy sprzęt, czy jest poprawnie podłączony, czy instalacja jest zgodna ze specyfikacją.

Obieg przed wdrożeniem · wszystko ręcznie
01
Zdjęcia z terenu
setki plików na jedno zlecenie
02
Przegląd obraz po obrazie
analityk ocenia sprzęt, podłączenie, zgodność
03
Protokoły i pomiary
ręczne przepisywanie danych
04
Raport zgodności
czas realizacji liczony w dniach
Dwa kosztowne ryzyka

Niespójność

Zmęczenie ludzi wprowadzało różnice w ocenie, a nie istniał systematyczny sposób na niezawodne wychwytywanie wszystkich typów defektów w dużych zbiorach.

Ryzyko zgodności

Pominięty defekt - z powodu zmęczenia lub niespójnej interpretacji - mógł prowadzić do niezaliczonego audytu i nadszarpnięcia relacji z operatorem.

Sedno problemu

Podwojenie liczby zleceń oznaczało podwojenie liczby analityków.

Czas od zebrania danych w terenie do raportu zgodności liczony był w dniach, a wzrost firmy był wprost ograniczony liczbą pracowników.

Rozwiązanie

Składalna inspekcja oparta na AI

przewiń, aby uruchomić inspekcję ↓
katalog adresowy · 42 zdjęcia0%
Dokumentacja instalacji FTTH
apl_open0.98
crimp_protection0.94
pigtails= 2
installation_check0.91

Primotly zaprojektowało i zbudowało modułowy system inspekcji, w którym każdy typ elementu instalacji wykrywany jest przez dedykowany, niezależnie wytrenowany model computer vision. Modele składają się na żądanie w potoki inspekcyjne dopasowane do konkretnego zlecenia - konfigurowalne bez ponownego trenowania i bez osobnego rozwoju dla każdego zlecenia.

Zasada przewodnia była prosta: zautomatyzować każdy krok, który wcześniej wykonywał ręcznie analityk - z wynikami opatrzonymi oceną pewności i jasną ścieżką eskalacji do człowieka dla przypadków brzegowych.

Współpracę rozpoczęła ustrukturyzowana faza odkrywcza: warsztaty wymagań, analiza danych terenowych, oceny wykonalności dla scenariuszy detekcji wysokiego ryzyka i projektowanie architektury. Każdy typ obiektu wymagający wcześniej ręcznej identyfikacji został skatalogowany, oceniony pod kątem ryzyka i dostępności danych, i spriorytetyzowany - zanim rozpoczęto jakiekolwiek wdrożenie. Znaczną część prac badawczo-rozwojowych Primotly przejęło na siebie, nie obciążając nimi klienta.

skrzynka rozdzielcza · detekcja wielu komponentów
brak naklejki laserowej · wykryte naruszenie
brak pigtaila · wykryte naruszenie
otwarta instalacja · kontrola przed walidacją
Jak to działa

Pięć elementów, które zastąpiły ręczny przegląd

01

Silnik detekcji wielokomponentowej

Biblioteka ponad 13 wyspecjalizowanych modeli, każdy wytrenowany do jednego elementu: skrzynek rozdzielczych (otwartych, zamkniętych, osłoniętych), terminali optycznych, skrzynek przyłączeniowych abonenta, kaset spawów, punktów wprowadzenia kabli, mikrokanalizacji, rur ochronnych i innych. Każdy model działa niezależnie i jest osobno wersjonowany.

02

Inteligentny routing obrazów

Lekki klasyfikator analizuje każdy wgrany obraz i kieruje go wyłącznie do właściwych modeli, zamiast uruchamiać całą bibliotekę na każdym zdjęciu. Skraca to czas przetwarzania i obniża koszt przy inspekcjach liczących tysiące obrazów.

03

Weryfikacja reguł zgodności

System wykracza poza detekcję i sprawdza, czy instalacja jest poprawna: czy kabel jest podłączony do właściwego urządzenia, czy pigtaile są w odpowiednich miejscach, czy wymagany komponent znajduje się tam, gdzie powinien. To różnica między wiedzą, co jest na obrazie, a wiedzą, czy instalacja jest wykonana prawidłowo.

04

Analiza dokumentów i pomiarów OTDR

System klasyfikuje protokoły PDF, wyodrębnia dane i przetwarza pliki pomiarowe OTDR (format SOR), weryfikując poziomy sygnału optycznego względem progów zgodności - a wyniki agreguje w jeden, audytowalny raport.

05

Ocena pewności i eskalacja

Każda detekcja otrzymuje ocenę pewności. Przypadki o niskiej pewności trafiają do ukierunkowanego przeglądu przez człowieka, zamiast produkować cichą, błędną klasyfikację - zespół QA dostaje praktyczne dane, nie nieprzejrzyste flagi pass/fail.

Wyzwania techniczne

Trzy problemy, które trzeba było rozwiązać

[ 01 ]

Urządzenia nie do odróżnienia dla standardowej detekcji

Skrzynka przyłączeniowa abonenta (GFTA) i terminal optyczny (ONT) potrafią wystąpić na tym samym zdjęciu i są mylące dla typowych klasyfikatorów - a błędna klasyfikacja ma bezpośrednie konsekwencje regulacyjne. Modele wytrenowano z jawnymi przykładami mylącego urządzenia, łącząc dane z wielu zleceń; detekcje o niskiej pewności trafiają do przeglądu przez człowieka.

Efekt: niezawodne rozróżnianie w warunkach produkcyjnych, z przejrzystą oceną pewności w każdym rekordzie.

[ 02 ]

Za mało danych treningowych dla części urządzeń

Kilka typów miało zaledwie około 30 przykładów wobec 200-1000 potrzebnych do rzetelnego trenowania. Primotly zbudowało wewnętrzne potoki augmentacji danych, narzędzie do automatycznego etykietowania i - dla typów bez rzeczywistych przykładów - generowanie danych syntetycznych.

Każde zadanie detekcji przechodziło jawną ocenę wykonalności przed wyceną, co chroniło przed nierealnymi obietnicami.

[ 03 ]

Architektura, nie tylko modele

System musiał obsłużyć ponad 13 niezależnych modeli, być konfigurowalny per zlecenie bez ponownego trenowania i pozostać łatwy w utrzymaniu przy dodawaniu nowych typów obiektów. Przyjęto zasadę „jeden model na jeden typ obiektu” z ujednoliconymi kontraktami wejścia/wyjścia, a warstwa kompozycji traktuje modele jak wymienne komponenty.

Efekt: nowe konfiguracje inspekcji wdraża się w dni, a aktualizacje modeli - bez przebudowy potoku.

Wyniki

Z godzin do minut, z ryzyka do kontroli

Szybkość
<10s
Katalog adresowy: z 2-3 minut ręcznej analizy do poniżej 10 sekund - ponad 12× szybciej.
<20min
Standardowe zlecenie (100+ katalogów): z 3-5 godzin pracy analityka do poniżej 20 minut - ponad 90% redukcji.
zero
ręcznego wprowadzania danych przy identyfikacji elementów, odczycie etykiet i walidacji pomiarów.
Jakość i zgodność
~90% urządzeń

W jednym z miast system wykrył brak etykiety identyfikacyjnej na około 90% urządzeń - systemową lukę zgodności, której ręczny przegląd nie ujawnił na taką skalę.

nieudokumentowany wariant instalacji

System oznaczył nietypową konfigurację połączeń powtarzającą się w wielu zleceniach; badanie potwierdziło wcześniej nieudokumentowany wariant instalacji - zanim problem się rozprzestrzenił.

Skala
100%
ręcznego przeglądu obrazów zastąpione automatycznym computer vision we wszystkich aktywnych zleceniach.
230 GB+
danych inspekcyjnych przetworzonych dotychczas.
wzrost mocy przerobowych bez wzrostu zespołu
Zwiększenie mocy przerobowych inspekcji nie wymaga już proporcjonalnego zwiększania liczby analityków - co fundamentalnie zmienia ekonomikę kontroli jakości.
Co to znaczy dla Twojej firmy

Ten sam problem u Ciebie? Zacznij od próbki

Jeśli prowadzisz instalacje FTTH i ręczny przegląd dokumentacji staje się wąskim gardłem - rozliczenie zleceń zwalnia, a ryzyko przy odbiorach rośnie - ten sam mechanizm można sprawdzić na Twojej dokumentacji. Bezpłatna ocena próbki pokazuje, na Twoich zdjęciach i w ciągu 5 dni roboczych, czego automatyczna inspekcja może dokonać w Twoim przypadku.