Systemy wizyjne wykorzystywane do wykrywania defektów w trakcie produkcji okazują się jednym z najbardziej przełomowych zastosowań sztucznej inteligencji i uczenia maszynowego. Wyposażone w kamery o wysokiej rozdzielczości oraz rozwiązania z zakresu inteligencji brzegowej, systemy te analizują produkty tu i teraz. Potrafią identyfikować niedoskonałości, takie jak wady powierzchni i niezgodności wymiarowe.

Jak wiadomo, pojazd nie może być wyposażony w opony różnej konstrukcji, w tym o różnej rzeźbie bieżnika, na kołach jednej osi. Co więcej, przepisy zabraniają łączenia opon różnych marek, o różnym poziomie zużycia i na inną porę roku na jednej osi. 

Dlaczego przepisy tego zabraniają? To kwestia rozmiarów opon. Różne, choć czasem podobne do siebie, modele opon różnych producentów mogą mieć inne średnice. W rezultacie opony będą mieć inny obwód toczny, co może prowadzić do nieprawidłowego działania elektronicznego systemu ESP zapewniającego stabilność pojazdu oraz pośrednio do nieprawidłowości w odczytach wartości ciśnienia w oponach. Różnica obwodów opon na jednej osi będzie skutkować różnicą w ich prędkości obrotowej, co zostanie zinterpretowane przez czujnik jako niedopompowanie mniejszej opony. Kierowca otrzyma wtedy odpowiedni komunikat. Różnica wysokości opon może powodować także ściąganie pojazdu na jedną stronę lub niewłaściwe zachowanie pojazdu przy skręcaniu na mokrej nawierzchni.

Z tych i innych względów, przepisy nakazują montaż na jednej osi dwóch identycznych opon. Tymczasem, dwie opony o identycznych parametrach na boku mogą mieć inną szerokość bieżnika, inną wagę. Chociaż przepisy branżowe pozwalają producentom opon na pewne odstępstwa, kluczowe jest zachowanie bezpieczeństwa i odpowiednich parametrów na jednej osi.

Odchyłki wymiarowe nie są oczywiście pożądane i dlatego producenci coraz częściej stawiają na kulturę organizacyjną opartą na danych, aby identyfikować niedoskonałości, takie jak wady powierzchni i niezgodności wymiarowe. Raport Zebry Impact of Intelligent Operations, przygotowany we współpracy z Oxford Economics, wykazał, że producenci przeznaczają średnio 69% swoich budżetów IT na urządzenia, oprogramowanie i inne technologie służące łączeniu pracowników pierwszej linii, zwiększaniu widoczności zasobów oraz inteligentnej automatyzacji procesów. I oczywiście dla wzmożonej kontroli jakości.