استانداردها چگونه به استفاده قابل اعتماد از فناوری‌های هوشمند در بازرسی کمک می‌کنند؟

مدیریت هوشمند کیفیت یعنی چه؟

به طور خلاصه مدیریت هوشمند کیفیت یعنی «کیفیت + داده + تصمیم». در رویکرد سنتی، عمدتاً نتایج را ثبت می‌کردیم و پس از وقوع عدم انطباق، به بررسی آن می‌پرداختیم. اما در رویکرد هوشمند، داده‌هایی که در گذشته بیشتر برای گزارش‌دهی استفاده می‌شدند، برای شناسایی روندها، کشف الگوهای پنهان، پیش‌بینی مشکلات احتمالی و پشتیبانی از تصمیم‌های مدیریتی نیز به کار می‌روند. به این ترتیب، داده از یک «سند» به یک «دارایی» تبدیل می‌شود.

این تحول به داده‌های معتبر، سازگار و قابل ردیابی وابسته است؛ زیرا داده‌های نادرست می‌توانند حتی پیشرفته‌ترین الگوریتم‌ها را به نتایج گمراه‌کننده برسانند. بنابراین، کیفیت و حاکمیت داده، پیش‌نیازهای مدیریت هوشمند کیفیت‌اند.

نسل جدید استانداردها؛ از «چه کاری» به «چگونه مطمئن شو»

حالا ببینید استانداردها هم در همین مسیر حرکت کرده‌اند. نسل جدید استانداردهای بازرسی، از جمله ویرایش آخر ISO/IEC 17020 که در مارس ۲۰۲۶ منتشر شده، فقط یک به‌روزرسانی جزئی نیست؛ یک بازنگری ساختاری و مفهومی است. یکی از تغییرات مهم این است که مدل استقلال نهادهای بازرسی از سه نوع A، B  و C به دو نوع Type A و Type non-A ساده شده است. اما نکته مهم‌تر اینجاست: در کنار الزامات ساختاری استقلال و بی‌طرفی، رویکرد مبتنی بر ریسک و الزامات عملکردی را تقویت کرده است.

پیام اصلی این تغییرات آن است که استفاده از فناوری به‌تنهایی کافی نیست؛ باید اطمینان حاصل کرد که فناوری برای کاربرد موردنظر مناسب است و نتایج آن قابلیت اعتماد دارند. بنابراین، استاندارد، فناوری را محدود نمی‌کند، بلکه چارچوبی برای استفاده قابل اعتماد از آن فراهم می‌سازد.

دو نمونه بین‌المللی از کاربرد فناوری در بازرسی و کنترل کیفیت

آلمان؛ بازرسی از راه دور با کمک متخصصان

شرکت DEKRA در پروژه‌ای در مکه عربستان سعودی، با استفاده از فناوری بازرسی از راه دور، از بازرسی هفت جرثقیل ساختمانی پشتیبانی کرد. متخصصان مستقر در سوئد از طریق ارتباط تصویری زنده، کارشناسان حاضر در محل را راهنمایی کردند. بررسی جرثقیل هفتم حدود دو ساعت طول کشید؛ زمانی که با بازرسی حضوری قابل مقایسه گزارش شد. این تجربه ظرفیت فناوری ارتباطی را برای تسهیل دسترسی به تخصص و اجرای بازرسی نشان می‌دهد.

ژاپن؛ انتقال تحلیل هوش مصنوعی به مرکز داده‌ای دور از کارخانه

در فوریه ۲۰۲۶، شرکت Nitto Kogyo با همکاری دو شرکت NTT، آزمایشی را گزارش کرد که در آن تصاویر محصولات کارخانه از طریق شبکه نوری IOWN APN به مرکز داده‌ای در فاصله حدود ۳۰۰ کیلومتری ارسال و با هوش مصنوعی تحلیل شدند. سپس مختصات عیوب برای علامت‌گذاری به بازوی رباتیک کارخانه فرستاده شد. طبق گزارش مجریان، عملکرد سامانه با محیط محلی قابل مقایسه بود. البته تعمیم این نتیجه به محیط‌های دیگر، به اعتبارسنجی فنی و ارزیابی امنیت و پایداری نیاز دارد.

ارتباط این نمونه‌ها با نسل جدید استاندارد

این دو تجربه نشان می‌دهند که فناوری‌های نوین چگونه می‌توانند شیوه اجرای بازرسی و کنترل کیفیت را متحول کنند. در ویرایش ۲۰۲۶ استاندارد ISO/IEC 17020 نیز برای استفاده از فناوری در بازرسی، از جمله هوش مصنوعی، پردازش داده و بازرسی از راه دور، الزامات مشخصی در نظر گرفته شده است. برای مثال، بند 9-2-6 بر مناسب‌بودن فناوری برای کاربرد موردنظر، حفاظت از یکپارچگی و امنیت داده‌ها و نگهداری صحیح تجهیزات و نرم‌افزار تأکید دارد. همچنین، بندهای مرتبط با روش‌های بازرسی، از جمله بند 6-2-7، به الزامات اعتبارسنجی روش‌های غیراستاندارد می‌پردازند. این رویکرد نشان می‌دهد که استفاده از فناوری به‌تنهایی کافی نیست؛ فناوری باید متناسب با کاربرد انتخاب شود، عملکرد آن اعتبارسنجی شود و نتایج حاصل از آن از قابلیت اعتماد لازم برخوردار باشند.

این تجربه‌ها ظرفیت فناوری را نشان می‌دهند، اما به‌تنهایی اثبات‌کننده انطباق با استاندارد نیستند. در ISO/IEC 17020:2026، بند 9-2-6 به الزامات مرتبط با فناوری و حفاظت از داده‌ها و بند 6-2-7 به اعتبارسنجی روش‌های غیراستاندارد می‌پردازد. همچنین، بند 5-2-7  به نتایج بازرسی حاصل از هوش مصنوعی و تحولات دیجیتال مربوط است. هدف، اطمینان از تناسب فناوری با کاربرد، اعتبار نتایج و حفاظت از داده‌هاست.

جمع بندی:

شرکت ISQI در این راستا نسبت به ایجاد بانک اطلاعات یکپارچه نتایج بازرسی و اقدامات اصلاحی، تحلیل روندها، اولویت‌بندی بازرسی‌ها براساس ریسک و استفاده تدریجی از هوش مصنوعی برای تحلیل گزارش‌ها و شناسایی عدم انطباق‌های تکرارشونده در کنار نظارت کارشناسی و اعتبارسنجی نتایج، اقدام نموده است.

نقطه شروع این تحول، فناوری نیست؛ کیفیت و حاکمیت داده است. داده‌های ناقص، ناسازگار یا فاقد قابلیت ردیابی را هیچ الگوریتم پیشرفته‌ای جبران نمی‌کند.

پدرام فخیمی – مدیر مهندسی بازرسی خدمات شرکت بازرسی کیفیت و استاندارد ایران