- Przyczyna leżała w zmianie partii granulatu — widoczna dopiero po 5Why i diagramie Ishikawy
- ChatGPT zadał pytania których sami byśmy nie zadali — to jego największa wartość w RCA
- Bez dobrze przygotowanych danych wejściowych wyniki są bezużyteczne
- Problem zamknięty w 2 dni zamiast typowych 2 tygodni
Byłem sceptyczny. Analiza przyczyn źródłowych wymaga doświadczenia, kontekstu i głębokiego rozumienia procesów. Myślałem, że modele językowe tutaj po prostu nie dadzą rady — kolejny przypadek gdzie imponujące demo rozbija się o rzeczywistość zakładu produkcyjnego.
Myliłem się — ale nie w tę stronę, w którą się spodziewałem.
Sprawa z hali
Powtarzające się odchylenia wymiarowe na detalu wtryskiwanym. Przez trzy tygodnie co trzecia seria generowała braki na poziomie 6–8%. Klasyczny przypadek: wiemy że coś się dzieje, rozmawiamy o tym na odprawie, wskazujemy podejrzanych — ale „dlaczego" gubi się w dyskusji.
Wcześniejsze próby: regulacja parametrów formy, wymiana uszczelnień, kalibracja termoregulatora. Każda z nich dawała poprawę na jedną–dwie serie, po czym problem wracał. Oczywiste przyczyny techniczne były już wykluczone.
Przed otwarciem okna czatu spędziłem 30 minut na zebraniu danych: opis wady, parametry procesu z okresu wystąpienia problemu, historia zmian narzędziowych, wyniki pomiarów z 4 tygodni, notatki z poprzednich analiz. Model językowy jest tak dobry jak informacje które mu dajesz.
Diagram Ishikawy — szukamy przyczyn
Pierwszym krokiem była struktura. Poprosiłem o zbudowanie diagramu Ishikawy dla tego problemu na podstawie przekazanych danych. W 40 sekund dostałem podział na 6M z konkretnymi hipotezami w każdej gałęzi. Poniżej — przeniesiony na papier.
- Zużycie wkładek kształtujących formy
- Wahania ciśnienia wtrysku
- Usterka termoregulatora formy
- Zmiana parametrów bez dokumentacji
- Brak nadzoru nad pierwszą serią po przezbrojeniu
- Nieaktualna karta procesu
- Nowa partia granulatu — inny wskaźnik MFI
- Wilgotność granulatu przed przetwarzaniem
- Zmiana bazy żywicy przez dostawcę
- Zmiana operatora między zmianami
- Błąd przy ręcznym ustawianiu parametrów
- Brak szkolenia dla nowego pracownika
- Zmiana temperatury hali (wiosna → lato)
- Wilgotność powietrza wpływa na granulat
- Wahania ciśnienia sprężonego powietrza
- Kalibracja przyrządów pomiarowych
- Lokalizacja i częstotliwość pomiarów
- Błąd subiektywnej oceny wymiaru
Hipoteza materiałowa wymagała weryfikacji — ale nikt jej wcześniej poważnie nie rozważał, bo dostawca się nie zmienił. Właśnie tu ChatGPT otworzył kierunek, który ominęliśmy.
Analiza 5 Why — drążymy głębiej
Mając hipotezę materiałową, przeprowadziłem pełne 5 Why. Poniżej przebieg analizy — każdy krok weryfikowany na podstawie rzeczywistych danych z zakładu.
Przyczyna źródłowa: luka w specyfikacji zakupowej. Nie maszyna. Nie operator. Dokument sprzed 8 lat, który przestał być aktualny.
Gdzie model językowy faktycznie pomógł
ChatGPT nie przeprowadził analizy za mnie. Ale zadał pytania których sam bym nie zadał na początku — zamiast od razu wskazywać winnego zaczął drążyć zmiany systemowe:
„Czy w tym okresie zmienił się dostawca granulatu lub partia materiału? Czy certyfikat materiałowy zawiera wskaźnik MFI? Czy w harmonogramie konserwacji narzędzia były jakieś opóźnienia?"
Drugie zastosowanie: struktura i szybkość. Gotowy diagram Ishikawy z 6M i hipotezami w 40 sekund. To praca którą normalnie wykonuje się przy tablicy przez 45 minut — zanim w ogóle zaczniemy myśleć o treści.
Gdzie zawiódł
Model traktował wszystkie hipotezy równo. Doświadczony inżynier od razu wiedziałby które 2 z 8 warto sprawdzić w pierwszej kolejności — ChatGPT tego nie czuje. Trzeba samemu nadać priorytety.
Druga pułapka: jeśli w zapytaniu zasugerujesz kierunek, model chętnie go podchwyci i zbuduje wokół niego logiczną narrację. Trzeba świadomie prosić o hipotezy alternatywne i kontrargumenty — inaczej dostajesz potwierdzenie tego co już myślisz.
- Przygotuj dane zanim zaczniesz. Minimum: opis wady, timeline zdarzeń, parametry procesu, historia zmian.
- Proś o pytania, nie o odpowiedzi. „Jakie pytania powinienem zadać żeby znaleźć przyczynę?" — nie „znajdź przyczynę".
- Generuj hipotezy alternatywne. Zawsze poproś o „3 hipotezy które przeczą temu co teraz uważam za przyczynę".
- Struktura — narzędzie. Weryfikacja — człowiek. Diagram, lista pytań, 5Why — model. Decyzja o prawdopodobieństwie hipotezy — inżynier z doświadczeniem.
Wynik
Problem zamknięty w 2 dni zamiast typowych 2 tygodni. Działania korekcyjne: aktualizacja specyfikacji zakupowej o wymaganie MFI, wdrożenie kontroli wejściowej granulatu, aktualizacja karty procesu o zakres dopuszczalnych wartości MFI dla tej aplikacji.
Czy to zasługa narzędzia? Częściowo. Głównie zasługa tego, że w końcu zadaliśmy właściwe pytania — i że struktura analizy zmusiła nas do spojrzenia poza oczywiste przyczyny techniczne.
Rysunek to język inżyniera. Tabela to język inżyniera. Model językowy pomógł mi je szybciej wypełnić — myślenie było moje.