Ford, üretim ve tasarım süreçlerinde kullandığı otomasyonlu sistemlerin neden olduğu sorunları çözmek için deneyimli mühendisleri işe almak ve bazı eski çalışanlarını geri davet etmek zorunda kaldı. Otomobil üreticisi, son 16 yılda ilk kez JD Power'ın başlangıç kalitesi sıralamasında birinci sıraya çıkmasının ardından bu zorlukları açığa çıkardı.

Yapay Zeka Eğitimi ve Kurumsal Bilgi Eksikliği

Ford'un yöneticilerine göre, yapay zeka sistemlerinin başarısı tamamen eğitim için kullanılan veri kalitesine bağlıdır. Şirket aynı zamanda, birden fazla araç geliştirme döngüsünden geçmiş deneyimli mühendislerin biriktirdikleri bilginin önemini hafife aldığını kabul etti. Araç donanım mühendisliği başkan yardımcısı Charles Poon, 'Yapay zeka sunarak ve tasarım gerekliliklerimizi ayarlayarak yüksek kaliteli bir ürün üreteceğimizi düşündük ama bu yanılgıydı' ifadesini kullandı.

En deneyimli personelin bilgisinin otomasyonlu sistemlere tam olarak aktarılmadan şirket ayrılması, Ford'u bu çalışanlardan bazılarını geri almaya ve daha genç mühendisleri eğitmeye sevk etti. Şirket kalite eksikliğini gidermek için 350'den fazla deneyimli mühendis işe aldı, terfi ettirdi veya geri çağırdı.

Üretim Kalitesi Yaklaşımının Yeniden Yapılandırılması

Ford'un COO'su Kumar Galhotra, kalite yaklaşımının aşırı şekilde bölümlere ayrılmış olduğunu belirtti. Farklı departmanlar bağımsız çalışıyor ve şirket kusurları ortaya çıktıktan sonra düzeltmeye odaklanan bir 'bulma ve onarma' felsefesine güveniyordu. Bu strateji anlık sorunları giderebilse de, sorunların oluşmasını başından itibaren önleyemiyordu. Galhotra, Ford'un bu zihniyetten sorunları önceden önlemeye geçmekte olduğunu söyledi.

Dönüşüm araç donanımının ötesine uzanıyor. Yazılım ve dijital ekipler artık araç mühendisliği, üretim ve tedarik zinciri ekipleriyle çok daha yakın işbirliği yapıyor. Ford, yazılım geliştirmenin hız ve esnekliğini otomotiv mühendisliğinin titizlik ve doğrulama gerekliliklerini kombinleştirmeye çalışıyor.

Yazılım Kalitesi Kontrol Sistemi

Ford, yazılım hatalarını geliştirme sürecinin geç aşamalarında keşfediyor olduğunu fark etti çünkü hızlı iterasyon döngülerinden tam olarak yararlanmıyordu. Ancak, araçların akıllı telefonlardan farklı olarak güvenlik açısından kritik ortamlarda çalıştığını ve müşterilerin teslimat anından itibaren yazılımın doğru şekilde işlemesine bağımlı olduğunu vurgulayan Poon, şirketin sorunları düzeltmek için sonra bakmak gibi bir yaklaşım alamayacağını belirtti.

Bunu çözmek amacıyla Ford, sorunları ortaya çıkmadan önce önlemeyi hedefleyen 40 kişilik bir yazılım kalite güvence ekibi kurdu. Aynı zamanda, kenar durumları tanımlamak ve yazılım sistemlerini geniş yelpazede koşullar altında zorlayacak 100.000'den fazla yapay zeka destekli test ekledi. Test altyapısı yüksek oranda otomasyonlu olduğu için, yazılım değişiklikleri geliştirmenin geç aşamalarında bile hızlıca doğrulanabiliyor.