Nikdy v minulosti jsme ve výrobě neměřili tolik parametrů. Senzory na strojích, kamery nad linkami, sondy v materiálech chrlí data prakticky nepřetržitě, v megabytech za sekundu, miliony datových údajů za směnu. A přesto vady i nadále vznikají, přesto se zákazníkům občas dostane do rukou kus, který by neměl.
Jde o paradox? Jen zdánlivě. Problém totiž dávno není v nedostatku dat, ale ve schopnosti jim porozumět, z obrovského množství čísel vytáhnout ta, která říkají: tady se proces začíná odchylovat. Tady brzy vznikne problém.
Přesně to dnes od moderních systémů řízení kvality průmysl požaduje. Nestačí měřit, nestačí nacházet zmetky. Systém musí rozumět — identifikovat příčinné vztahy, ne pouze korelace. Musí vědět, proč k chybě dochází, ne jen že k ní dochází.
Průmyslová praxe ukazuje, že tato schopnost — označovaná jako kauzální analýza nebo dnes také kauzální AI — přináší kvalitativní skok oproti dosavadním přístupům. Závody, které ji nasadily, hlásí až těžko uvěřitelné průlomy v chybovosti, jichž předchozími metodami nedosahovaly.
Zároveň se ukazuje, že měření a zkoušení materiálů — ať už destruktivní, nebo nedestruktivní — získává nový rozměr. Výsledky ze zkušebních strojů a NDT systémů se propojují s výrobními daty, s parametry procesů, s historií konkrétního kusu. Vzniká kontext, který dříve neexistoval.
V tomto vydání Technického týdeníku jsme se proto mimo jiné zaměřili právě na posun od měření k porozumění, od testování k predikci, od inspekce k prevenci.
Protože v moderní výrobě nestačí vědět, co se stalo. Je třeba vědět, co se stane.
