Elektronikfertigung KI und Machine Learning optimieren die Leiterplattenproduktion

Quelle: Pressemitteilung

Anbieter zum Thema

Das softwaretechnische Know-how von i-TAC hilft jetzt auch beim Bestücken von Leiterplatten. Speziell, wenn es um sogenannte SMT geht. Hier mehr dazu ...

Für SMT-Fertiger ist es wichtig, dass die Zykluszeiten stetig verkürzt werden können. Der Softwarespezialist i-TAC hat zwei Systeme geschaffen, die mithilfe von KI und Machine Learning nicht nur das leisten.
Für SMT-Fertiger ist es wichtig, dass die Zykluszeiten stetig verkürzt werden können. Der Softwarespezialist i-TAC hat zwei Systeme geschaffen, die mithilfe von KI und Machine Learning nicht nur das leisten.
(Bild: H. M. Linder)

Daten sind die Basis, um Fehler zu vermeiden, produktiver zu werden und letztendlich die Wertschöpfung zu erhöhen, beginnt I-TAC. Auch SMT-Fertiger (surface mounted technology) stehen dabei vor der Herausforderung, passende Daten entsprechend erheben und analysieren zu müssen, um von ihnen zu profitieren. Der MES-/MOM-Spezialist i-TAC Software bietet dafür die sogenannte „i-TAC.SMT.Edge“. Es handelt sich dabei um eine Maschinenintegrations-Plattform, die der Standardisierung und Zentralisierung von Daten dient, wie es weiter heißt. Die anschließende Datenanalyse geschieht in Echtzeit und die Weiterverarbeitung übernimmt die Software-Schwester „i-TAC.IIoT.Edge“.

Diverse Maschinen und Systeme auf ein Sprachniveau heben

Auf Basis des kombinierten Softwareeinsatzes ließen sich dann unter anderem Machine Learning- und KI-Anwendungen umsetzen. Denn in einer SMT-Fertigung gebe es Maschinen und Systeme unterschiedlicher Hersteller und verschiedenen Alters, die voneinander abweichende Kommunikationsmethoden nutzten. Das erschwert naturgemäß den Datentransfer und die Analyse derselben. Die Daten müssen außerdem zuverlässig an übergeordnete Systeme übermittelt werden, betont i-TAC. Die beiden oben genannten Softwaresysteme ermöglichen es nun, die Daten aller SMT-Maschinen relativ einfach in Echtzeit zu erfassen, zu verknüpfen und zu analysieren.

Analyse-Tools wie die „i-TAC.IIoT.Edge“ übernehmen dabei unter anderem die Aufgabe, IIoT- mit MES-Daten zu flachen Datenstrukturen zu verbinden und dieselben in Echtzeit zu analysieren. Dabei können die Datenpakete auch an andere vom Kunden eingesetzte Analyse- oder ML-/KI-Tools weitergeleitet werden.

KI-Algorithmen überwachen und analysieren die Daten

Durch den Einsatz der beiden Edge-Tools als Bestandteile des MOM (Manufacturing Operations Management) von i-TAC ließen sich auch zahlreiche Anwendungsfälle für die fortschrittliche und digitalisierte SMT-Fertigung ableiten. Dazu gehöre zum Beispiel die Überwachung der Zykluszeit, wobei KI-Algorithmen auf intelligente Weise die Zykluszeit mit Blick auf ein abnormales Geräteverhalten im Auge behalten, wie i-TAC erklärt. Und speziell in der Fertigung erfordere das Streben nach mehr Effizienz immer kürzere Zykluszeiten. Durch die aktive Überwachung der Zeiten und den Einsatz von KI, um ungewöhnliches Anlagenverhalten zu erkennen sowie dem rechtzeitigen Alarm bei Abweichungen ergeben sich Zykluszeitverkürzungen, betont der Softwarespezialist. Denn die Reaktionszeiten bei Problemen und damit einhergehend die Durchlaufzeiten verringern sich. Nicht zuletzt könne der Anwender das Problem gezielter angehen, um es zu beseitigen.

KI kommt sogenannten Pseudofehlern auf die Spur

Ein weiterer Use Case kann die Reduzierung der AOI-Pseudofehler sein (AOI = automatische optische Inspektion). KI-Algorithmen minimieren dabei die Pseudofehlerzahl von automatischen Prüfgeräten. Denn die meisten SMT-Linien mit AOI-Prüfung kämpften mit vielen Pseudofehlern, wobei die Rate zwischen 30 und 80 Prozent liege. Mit dem Einsatz von KI ließen sich aber viele falsche von echten Fehlern unterscheiden. Der Bedarf an manueller Prüfung und der damit verbundene Zeit- und Kostenaufwand reduzierten sich damit außerdem um bis zu 60 Prozent. Daraus folgt ein höherer Durchsatz bei gleichzeitiger Unterstützung der Null-Fehler-Produktion.

Auch können auf Basis der i-TAC-Lösung KI-Algorithmen die verbleibende Nutzungsdauer von Geräten berechnen, um Wartungsarbeiten im Vorfeld zu planen (Predictive Maintenance). Durch die Überwachung der Maschinenzustandsdaten können KI-Algorithmen Probleme oder sich anbahnende Anlagefehler vorhersagen, um zum Beispiel rechtzeitig Maschinenreparaturen zu ermöglichen oder die Restnutzungsdauer zu schätzen, heißt es dazu. Das waren jetzt nur drei Beispiele wie KI und Machine Learning den SMT-Fertigern das Leben erleichtern können. Viel mehr sei noch möglich.

Dieser Artikel stammt von unserem Partnerportal MaschinenMarkt.

(ID:48500609)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung