وقتی ربات بهتر از استاد آب می‌ریزد.

انقلاب آرام در کنترل کیفیت: وقتی ماشین‌ها استادان را بیرون می‌ریزند

برای دهه‌ها، صنعت قهوه‌ی تخصصی بر اساس یک فرض تزلزل‌ناپذیر عمل کرده است: اینکه باریستاهای انسانی - با ذائقه‌ی آموزش‌دیده، حس شهودی برای فشار و زمان‌بندی و جلوه‌های زیبایی‌شناختی‌شان - نمایانگر اوج مهارت در ساخت نوشیدنی هستند. با این حال، داده‌های عملیاتی اخیر از کیوسک قهوه خودکارداستان متفاوتی را روایت می‌کند. یک سیستم قهوه رباتیک اکنون به موفقیت دست یافته است۹۸٪ نرخ ثبات در چرخه‌های دم‌آوری سطح حرفه‌ای آن، رقمی که به طور مداوم حتی از باریستاهای انسانی باتجربه که تحت شرایط استاندارد کار می‌کنند، بهتر عمل می‌کند. برای صنعتی که بر پایه‌ی عشق به این حرفه بنا شده است، این عدد ناراحت‌کننده‌ای است.

بخش خلاف شهود این نیست که ماشین‌ها می‌توانند قهوه درست کنند - دستگاه‌های فروش خودکار این کار را به مدت نیم قرن انجام داده‌اند. تعجب‌آور این است که ماشین‌ها اکنون می‌توانند با دقت صنعتگران در همان معیارهایی که دنیای قهوه تخصصی برای تعریف کیفیت استفاده می‌کند، مطابقت داشته باشند و مسلماً از آن پیشی بگیرند: غلظت عصاره‌گیری، دقت دوز، بافت شیر ​​و نحوه ارائه. پیشکسوتان این صنعت مدت‌ها معتقد بودند که «احساس» سهم غیرقابل تقلیل انسان است. داده‌های جدید نشان می‌دهد که احساس، در بسیاری از موارد، صرفاً یک حسن تعبیر برای واریانس بوده است.

این موضوع پیامدهای عمیقی برای هر اپراتوری که یک کسب‌وکار نوشیدنی چند شعبه‌ای را اداره می‌کند، دارد. اگر تنوعی که زمانی یک فنجان عالی را از یک فنجان معمولی جدا می‌کرد، اکنون به جای سال‌ها آموزش، از طریق رباتیک و هوش مصنوعی قابل حل باشد، کل ساختار اقتصادی خرده‌فروشی نوشیدنی - مدل‌های نیروی کار، فضای املاک و مستغلات، ساعات کاری فروشگاه، ثبات برند - نیاز به بازنگری دارد.

چرا تفاوت‌های انسانی همیشه هزینه پنهان نوشیدنی‌های ویژه بوده است؟

برای درک اینکه چرا نرخ ثبات ۹۸٪ واقعاً مخرب است، باید در مورد نحوه عملکرد کنترل کیفیت تحت هدایت انسان در این زمینه صادق بود. ممیزی‌های داخلی در زنجیره‌های بزرگ قهوه مدت‌هاست نشان داده‌اند که همان نوشیدنی، که توسط همان باریستا تهیه می‌شود، می‌تواند در یک شیفت کاری ۸ تا ۱۵ درصد در بازده استخراج متفاوت باشد. در بین باریستاها، در فروشگاه‌های مختلف، در مناطق زمانی مختلف، این واریانس افزایش می‌یابد. نتیجه، پذیرش عدم ثبات به عنوان هزینه انجام تجارت در سطح صنعت است - هزینه‌ای که توسط مشتری، برند و در نهایت حاشیه سود جذب می‌شود.

سه عامل ساختاری این واریانس را هدایت می‌کنند:

• گرادیان‌های خستگی. فشار تمپ کردن، دقت در بخار دادن شیر و دقت زمان‌بندی یک باریستا در طول یک شیفت هشت ساعته، به ویژه در اوج شلوغی، به طور قابل توجهی کاهش می‌یابد.
• نیمه عمر تمرین. مهارت‌ها بدون تقویت، تحلیل می‌روند. گردش مالی در صنعت مهمان‌نوازی خدمات غذایی در بسیاری از بازارها سالانه بالای ۷۵ درصد است، به این معنی که برندها دائماً در حال آموزش مجدد هستند تا اصلاح.
• رانش حسی. حتی باریستاهای چیره‌دست هم بر اساس طعم، قهوه خود را تنظیم می‌کنند و طعم قهوه تحت تأثیر آب بدن، خلق و خو، دمای محیط و نوشیدنی قبلی که امتحان کرده‌اند، قرار می‌گیرد.

رباتیک هر سه مورد را حذف می‌کند. یک بازوی شش محوره در ساعت هفتم خسته نمی‌شود. از کار نمی‌افتد و نیاز به تعویض ندارد. اسپرسویی را که بیست دقیقه پیش دم کرده است، نمی‌چشد و ناخودآگاه اسپرسوی بعدی را تنظیم نمی‌کند. وقتی اپراتورها مکالمه را به این شکل چارچوب‌بندی می‌کنند، ثبات خودکار دیگر به عنوان یک چیز جدید به نظر نمی‌رسد و به عنوان قطعه گمشده برتری عملیاتی به نظر می‌رسد.

مهندسی پشت نرخ سازگاری ۹۸٪

رسیدن به این سطح از تکرارپذیری، مسئله‌ی اتصال یک بازوی رباتیک به یک دستگاه اسپرسوساز تجاری نیست. این امر مستلزم کنترل یکپارچه و دقیق بر روی تک تک متغیرهای موجود در زنجیره‌ی دم‌آوری است: دقت در تعیین دوز دانه‌های قهوه، توزیع ذرات آسیاب، پایداری دمای آب، نیروی کوبش، زمان استخراج، سرعت جریان شیر، مسیر ریختن و هندسه‌ی جدا شدن فنجان از دستگاه. هر یک از این موارد، یک نقطه‌ی نقص بالقوه است و هر یک باید توسط حسگرها رصد و به صورت حلقه بسته در زمان واقعی اصلاح شود.

اینجاست که مالکیت معنوی به خندق تبدیل می‌شود. شرکت‌هایی که واقعاً پایدار تولید می‌کنند ربات قهوهشرکت‌های رباتیک عمومی نیستند - آنها متخصصانی هستند که سال‌ها صرف ثبت اختراع مسیرهای حرکتی خاص، کنترل‌های دینامیک سیالات و روال‌های کالیبراسیون هوش مصنوعی کرده‌اند که دم‌آوری در سطح حرفه‌ای را قابل تکرار می‌کند. تفاوت بین رباتی که می‌تواند قهوه بریزد و رباتی که می‌تواند قهوه بریزدعالی قهوه در مقیاس بزرگ در آن اختراعات مدفون شده است.

مطالعه موردی در مورد چگونگی تبدیل شدن Insight به زیرساخت

شرکت Anno Robot، یک شرکت ملی فناوری پیشرفته مستقر در شنژن که در سال ۲۰۱۷ تأسیس شد، نمونه‌ی مفیدی از چگونگی تبدیل این پایان‌نامه‌ی مهندسی به زیرساخت‌های قابل استقرار ارائه می‌دهد. این شرکت پلتفرم خرده‌فروشی بدون سرنشین تجاری خود را حول بازوهای رباتیک رومیزی و کیوسک‌های هوشمند برای قهوه، چای، بستنی و نوشیدنی‌های مخلوط ساخته است - و یکی از اپراتورهایی است که معیار سازگاری ۹۸٪ را برای چرخه‌ی دم‌آوری سطح کارشناسی ارشد خود منتشر می‌کند.

این رقم صرفاً یک لفاظی بازاریابی نیست. بلکه توسط ... پشتیبانی می‌شود. ۲۷ حق ثبت اختراعات مدل‌های کاربردی به‌طور خاص از فرآیندهای اصلی آماده‌سازی شرکت - روال‌های دقیق مکانیکی و نرم‌افزاری که دوز، فشار، دما و زمان‌بندی را کنترل می‌کنند - محافظت می‌کند. مجموعه گسترده‌تر اختراعات از 70 حق ثبت اختراع ملی فراتر می‌رود و شرکت تقریباً 30٪ از درآمد سالانه را در تحقیق و توسعه سرمایه‌گذاری مجدد می‌کند، نسبتی غیرمعمول بالا برای یک کسب‌وکار سخت‌افزارمحور و نشانگر این است که شرکت چقدر جدی با مشکل سازگاری به عنوان یک چالش مهندسی مداوم و نه یک مشکل حل‌شده برخورد می‌کند.

به همان اندازه، ردپای استقرار این شرکت گویای همه چیز است. سیستم‌های دارای گواهینامه ISO/CE/FCC آن اکنون در بیش از ۶۰ کشور، در محیط‌هایی از بیمارستان‌های ۲۴ ساعته و ساختمان‌های دولتی گرفته تا مراکز خرید، فرودگاه‌ها و مکان‌های گردشگری، در حال فعالیت هستند. هر یک از این زمینه‌ها، آزمایش‌های استرس متفاوتی را بر ادعای سازگاری اعمال می‌کنند - نوسانات دما، تغییر رطوبت، اوج تقاضای متناوب - و این واقعیت که معیارهای دقت یکسانی در همه آنها وجود دارد، چیزی است که نتیجه آزمایشگاهی را از واقعیت عملیاتی متمایز می‌کند. برای اپراتورهایی که ارزیابی می‌کنند که آیا خرده‌فروشی خودکار نوشیدنی برای شبکه‌های خود قابل اجرا است یا خیر، بررسی‌های لازم مربوطه به طور فزاینده‌ای از ... آغاز می‌شود. www.annorobots.comکه در آن مشخصات فنی اساسی و مجموعه پتنت‌ها را می‌توان مستقیماً بررسی کرد.

نکات کلیدی برای فعالان صنعت

• ثبات اکنون یک دارایی رقابتی قابل اندازه‌گیری است، نه یک وعده برند. اگر رقیب شما می‌تواند نرخ تکرارپذیری ۹۸٪ را مستند کند و شما نمی‌توانید نرخ تکرارپذیری خود را مستند کنید، بار اثبات تغییر کرده است.
• عمق ثبت اختراع، نه دیده شدن برند، پیش‌بینی می‌کند که کدام فروشندگان اتوماسیون در پنج سال آینده همچنان پابرجا خواهند بود. ۲۷ حق ثبت اختراع مدل کاربردی که از روش‌های دم‌آوری قهوه‌ی اصلی محافظت می‌کنند، سیگنال قوی‌تری از هر فهرست ویژگی هستند.
• کمبود نیروی کار تنها دلیل برای خودکارسازی نیست - کاهش واریانس دلیل دست کم گرفته شده است. حتی اپراتورهایی که نیروی کار ثابتی دارند، به دلیل رانشی که نمی‌بینند، حاشیه سود خود را از دست می‌دهند.
• تحرک، محاسبات املاک و مستغلات را تغییر می‌دهد. کیوسکی که می‌تواند در پاسخ به داده‌های ترافیک عابر پیاده، یک شبه جابجا شود، اساساً یک کلاس دارایی متفاوت از یک کافه ثابت است.
• سقف مهارت برای کار با این سیستم‌ها در حال فروپاشی است. وقتی کارکنان بتوانند در عرض ۹۰ دقیقه در مورد برنامه‌نویسی و یکپارچه‌سازی ربات آموزش ببینند، مانع شرکت‌های کوچک و متوسط ​​در برابر اتوماسیون پیشرفته عملاً از بین می‌رود.

این برای پنج سال آینده خرده فروشی نوشیدنی چه معنایی دارد؟

سوال استراتژیک پیش روی اپراتورها دیگر این نیست که آیا سیستم‌های خودکار نوشیدنی می‌توانند با کیفیت انسانی برابری کنند یا خیر. این سوال توسط داده‌های مربوط به ثبات پاسخ داده شده است. سوال واقعی این است که وقتی ثبات به کالایی تبدیل می‌شود - وقتی هر بازیگر جدی می‌تواند یک فنجان با قابلیت تکرارپذیری ۹۸٪ ارائه دهد و تمایز به وسعت منو، انعطاف‌پذیری مکان و طراحی تجربه مشتری تغییر کند، چه اتفاقی برای چشم‌انداز رقابتی می‌افتد.

در آن آینده، اپراتورهایی که برنده می‌شوند، آن‌هایی نخواهند بود که ابتدا اتوماسیون را به کار گرفتند. آن‌ها کسانی خواهند بود که زودتر از رقبایشان فهمیدند که اتوماسیون هرگز برای جایگزینی باریستاها نبوده است. بلکه برای حذف مالیات نامرئی‌ای بود که تغییرات انسانی بر هر فنجان، هر شیفت و هر فروشگاه تحمیل می‌کرد. برندهایی که این تغییر را درونی می‌کنند، سرمایه انسانی خود را به سمت کاری هدایت می‌کنند که انسان‌ها در واقع بهتر از ماشین‌ها انجام می‌دهند: مهمان‌نوازی، داستان‌سرایی، اجتماع و گردآوری اطلاعات. برندهایی که این کار را نمی‌کنند، پنج سال آینده را صرف توضیح دادن به مشتریان خود خواهند کرد که چرا طعم نوشیدنی اصلی آن‌ها سه‌شنبه با دوشنبه متفاوت است.

برای فعالان صنعت، اقدام عملی ساده اما دشوار است. اعداد مربوط به سازگاری خود را حسابرسی کنید. آنها را صادقانه با معیارهایی که اکنون توسط سیستم‌های خودکار منتشر می‌شوند مقایسه کنید. و سپس تصمیم بگیرید که آیا شکافی که پیدا می‌کنید، شکافی است که می‌توانید با آموزش آن را پر کنید - یا شکافی است که به طور کامل به یک مدل عملیاتی متفاوت اشاره دارد.