Panasonic Industry ist der Ansicht, dass der Einsatz künstlicher Intelligenz in der Fertigung nicht mit der Auswahl eines fertigen Modells oder Tools beginnt, sondern mit dem Aufbau einer verlässlichen Betriebsdatenbasis. Laut dem in MONOist Japan veröffentlichten Beitrag hat das Unternehmen mehr als zehn Jahre damit verbracht, Daten aus Produktionslinien und das damit verbundene Wissen in eine Struktur zu überführen, die zur Verbesserung der Prozesse genutzt werden kann.
Diese Erfahrung stammt von einem Unternehmen, das 1969 gegründet wurde und unter anderem Aluminium-Elektrolytkondensatoren herstellt. Diese Komponenten werden in Bereichen eingesetzt, zu denen Elektrofahrzeuge, Anwendungen künstlicher Intelligenz und Telekommunikationsinfrastruktur gehören. In diesem Zusammenhang erklärt das Unternehmen, dass die Verbesserung der Produktion den Umgang mit Unterschieden zwischen Fertigungslinien, die Bereitstellung von Ressourcen und die Reaktion auf Veränderungen des Auftragsvolumens erfordert.
Die Daten kamen vor der künstlichen Intelligenz
Vor etwa zehn Jahren war etwa die Hälfte der alten Produktionsanlagen, die aus der Zeit vor 2010 stammten, nicht in der Lage, Daten direkt zu erfassen. Daher arbeitete Panasonic Industry daran, Anlagen einzuführen, die Daten bereitstellen konnten, und speicherprogrammierbare Steuerungen, also SPS, in die bestehenden Produktionslinien einzubauen.
Dieser Prozess ermöglichte laut dem Beitrag die Datenerfassung aus mehr als 600 Produktionslinien. Die Vereinheitlichung beschränkte sich nicht auf allgemeine Kennzahlen. Es wurde möglich, Daten wie Produktionsqualität, Anlagenfehlerquoten, Produktfehler und größenbezogene Fehler sowie Produktionseffizienz und weitere Betriebskennzahlen zu strukturieren.
Von der Messung zum Betriebswissen
Das Unternehmen betrachtet die Datenerfassung nicht als Selbstzweck. Die Verfügbarkeit von Daten aus allen Anlagen hilft dabei, Betriebsbedingungen zu analysieren und Problemursachen zu bestimmen, und ermöglicht außerdem den Vergleich der Leistung von Anlagen und Prozessen. Panasonic Industry verbindet die Daten mit dem Wissen, das die Beschäftigten ansammeln, und ist der Ansicht, dass die praktische Frage darin besteht, wie sich der Zusammenhang zwischen dem Handeln der Beschäftigten und den Veränderungen der Prozessleistung verstehen lässt.
Der Beitrag weist darauf hin, dass das Unternehmen an einem Rahmen für Betriebswissen arbeitet, der darauf beruht, praktische Erfahrungen in eine wiederverwendbare Form zu überführen, anstatt sie an bestimmte Personen gebunden zu lassen. Dieser Punkt ist insbesondere in Fertigungsumgebungen wichtig, in denen sich Produktspezifikationen und Produktionsmethoden von Kunde zu Kunde verändern und Tausende von Einstellungs- und Betriebsmaßnahmen erforderlich sein können.
Was verändert sich in der Praxis?
Der tatsächliche Wandel besteht darin, künstliche Intelligenz nicht mehr als eigenständiges Werkzeug zu nutzen, sondern sie mit Anlagendaten und Betriebswissen zu verbinden. Der Beitrag erläutert, dass Panasonic Industry damit begonnen hat, Technologien einzusetzen, zu denen auch Agenten künstlicher Intelligenz zur Unterstützung der Prozesse gehören. Dieser Schritt erfolgte jedoch erst, nachdem die grundlegende Dateninfrastruktur eingerichtet und die Leistungskennzahlen vereinheitlicht worden waren.
Die wichtigste Erkenntnis ist, dass künstliche Intelligenz fehlende Daten oder uneinheitliche Definitionen nicht ersetzt. Eine Fabrik, die nicht auf die Daten ihrer Anlagen zugreifen kann oder keine einheitliche Methode zur Beschreibung von Störungen und Produktionsqualität besitzt, stößt bereits vor der Auswahl eines Modells für künstliche Intelligenz auf Einschränkungen. Im Fall von Panasonic Industry schuf die Digitalisierung von mehr als 600 Produktionslinien eine Grundlage, auf der die Analyse der Prozesse und die Ausweitung der wissensbasierten Automatisierung aufbauen können.
Der Beitrag belegt weder, dass alle Produktionsprobleme gelöst wurden, noch dass Agenten künstlicher Intelligenz zu einem Ersatz für menschliche Erfahrung geworden sind. Er zeigt jedoch einen klaren Weg auf: Daten aus den Anlagen erfassen, sie vereinheitlichen, mit praktischem Wissen verknüpfen und anschließend künstliche Intelligenz in Fertigungsprozessen einsetzen. Die Wirksamkeit dieses Weges bleibt an die Datenqualität, die Genauigkeit der Wissensmodellierung und die Fähigkeit der Beschäftigten gebunden, die Ergebnisse zu überprüfen, bevor sie in Betriebsentscheidungen umgesetzt werden.