BRANŻA
ZAKRES
SKALA
STATUS
KLIENT
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
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
vision://inspect · fiber-closure
● LIVE
apl_open
0.99
splice_holder_occupied
0.99
pigtails
4
installation_check
0.98
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 procesy 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 skrajnych.
Współpracę rozpoczęła ustrukturyzowana faza discovery: 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.
JAK TO DZIAŁA
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
[ 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
SZYBKOŚĆ
<10s
Katalog adresowy: z 2–3 minut ręcznej analizy do poniżej 10 sekund — ponad 12× szybciej.
<20 min
Standardowe zlecenie (100+ katalogów): z 3-5 godzin pracy analityka do poniżej 20 minut - redukcja o ponad 90%
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.