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.
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.
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.
Zmęczenie ludzi wprowadzało różnice w ocenie, a nie istniał systematyczny sposób na niezawodne wychwytywanie wszystkich typów defektów w dużych zbiorach.
Pominięty defekt - z powodu zmęczenia lub niespójnej interpretacji - mógł prowadzić do niezaliczonego audytu i nadszarpnięcia relacji z operatorem.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
W jednym z miast system wykrył brak etykiety identyfikacyjnej na około 90% urządzeń - systemową lukę zgodności, której ręczny przegląd nie ujawnił na taką skalę.
System oznaczył nietypową konfigurację połączeń powtarzającą się w wielu zleceniach; badanie potwierdziło wcześniej nieudokumentowany wariant instalacji - zanim problem się rozprzestrzenił.
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.