KI-gestützte Fehleranalyse in der Lackiererei senkt Ausschuss deutlich
In der Lackiererei von Toyota Industries verhinderten fragmentierte Anlagendaten eine schnelle Ursachenanalyse von Lackierfehlern; manuelle Korrelationsanalysen dauerten Tage und stützten sich auf eine schrumpfende Zahl erfahrener Lackierspezialisten. Mit einer auf Azure IoT Hub laufenden KI/ML-Analyseplattform (Sight Machine) werden Shopfloor-Daten nun in nahezu Echtzeit verknüpft und ausgewertet. Ergebnis: 25% weniger 'Seeding'-bedingte Lackierfehler durch stabilisierte Temperaturführung sowie eine Verkürzung der Analysezeit von rund 5 Tagen auf unter 4 Stunden (teils nur 45 Minuten).
Vertiefung
Toyota Industries Corporation, Teil der Toyota-Gruppe und bedeutender Automobilzulieferer (u.a. Klimakompressoren, Motoren, Fahrzeugelektronik), stand vor dem Problem, dass Prozess- und Sensordaten der Lackiererei über getrennte Systeme verteilt waren. Das erschwerte die Ursachenanalyse bei Qualitätsproblemen und band erfahrene, zunehmend rar werdende Lackierspezialisten in aufwendige manuelle Auswertungen. Die Lösung: eine semantische Datenschicht auf Basis von Azure IoT Hub und einem sicheren Azure-Tenant, in der die KI/ML-Software von Sight Machine Produktionsdaten near-realtime korreliert und Handlungsempfehlungen liefert. Konkrete Ergebnisse laut Microsoft Customer Story: 25% Reduktion ’seeding‘-bedingter Defekte durch Temperaturstabilisierung, Verkürzung der Analysezeit von 5 Tagen auf unter 4 Stunden (teils 45 Minuten), eine Vervierfachung der Gelegenheiten, Fehler frühzeitig zu beheben, 80% weniger Vorbereitungszeit für die tägliche Schichtbesprechung sowie eine erwartete CO2-Reduktion von 18% in den Wintermonaten der Lackierung. Voraussetzung war eine durchgängige IoT-Datenanbindung der Anlagen sowie die Bereitschaft, Prozesswissen der Spezialisten in die KI-gestützte Analyse zu übersetzen. Das Modell ist auf andere prozessintensive Fertigungsschritte (z.B. Schweißen, Beschichten) in der Automobilzulieferindustrie übertragbar, wo Sensordaten bislang isoliert und primär manuell ausgewertet werden.