Fabrikbetreiber in Unternehmen, die Leiterplatten herstellen und bestücken, müssen in hohem Tempo hochwertige Produkte herstellen. Pseudofehler bei automatischen optischen Inspektionsmaschinen (AOI) können zu Verzögerungen in der Produktionslinie führen und die Produktivität beeinträchtigen. Wie wäre es, wenn Teams Pseudofehler reduzieren und die Genauigkeit verbessern könnten, ohne den Prozess der Leiterplattenfertigung zu verlangsamen?
In diesem Whitepaper erfahren Sie mehr über eine schlanke algorithmische Lösung, die unsere Experten für industrielle KI mithilfe eines cloudbasierten Dienstes entwickelt haben, der Inspektionsmodelle verwaltet. Diese „KI as a Service“ reduziert schnell und konsequent die Anzahl der Pseudofehler.
Pseudofehler auf AOI-Maschinen in der Leiterplattenfertigung verursachen Verzögerungen und verringern die Produktivität. Verschiedene Faktoren wie Staub, Kratzer oder Lichtverhältnisse können diese Fehler verursachen. Herkömmliche Methoden zur Verringerung von Pseudofehlern beinhalten manuelle Anpassungen des Inspektionsprozesses, die zeitaufwendig und kostspielig sein können. Reduzieren Sie die Auswirkungen dieser Fehler auf Ihre Produktionslinie mit einer intelligenteren Lösung.
Künstliche Intelligenz (KI) und maschinelles Lernen (ML) sind ausgereift und intelligent genug, um das Dilemma der Pseudofehler zu lösen. Ein KI-Modell kann dabei helfen, Fehler oder Defekte in der Leiterplattenherstellung zu identifizieren, die korrekte Ausführung von Arbeitsanweisungen zu unterstützen und das Arbeitsergebnis zu dokumentieren. KI lässt sich zudem trainieren, um die Produkt- oder Prozessqualität zu bewerten oder automatische Inspektionsverfahren zu verbessern und so wichtige KPIs wie die Ausbeute beim ersten Durchlauf (FPY), die Verfügbarkeit und die Gesamtanlageneffektivität (OEE) zu optimieren.
Unsere KI- und ML-basierte Lösung verwendet Daten von AOI-Maschinen, die in SMT-Linien installiert sind, zusammen mit manuellen Inspektionsergebnissen, die aufgezeichnet werden, wenn eine Leiterplatte als fehlerhaft erkannt wird. Das System besteht aus zwei Teilen: der lokalen Installation in der Fertigung und einem cloudbasierten Service für Modellerstellung und -aktualisierung. Diese Kombination aus lokal in der Fabrik gespeicherter KI und dem cloudbasierten Service stellt die nachhaltige Verringerung von Pseudofehlern sicher.