Sztuczna inteligencja w produkcji elektroniki – jakie przyniesie zmiany?
| Prezentacje firmowe Produkcja elektronikiSztuczna inteligencja (artificial intelligence, AI) jest obecnie hasłem napędzającym rozwój szeroko rozumianej technologii przemysłowej. Stosując algorytmy z zaimplementowanymi mechanizmami tego typu, producenci mogą istotnie zwiększać wydajność, poprawiać elastyczność działania, przyspieszać, a nawet implementować procesy, które mają funkcjonalność automatycznej korekcji i optymalizacji. Producenci elektroniki OEM i firmy EMS od kilku laty zmagają się z chronicznymi niedoborami wykwalifikowanej siły roboczej, stąd każda innowacja w zakresie automatyzacji pomaga im pośrednio rozwiązać palące problemy z kadrą. Wiodące organizacje branżowe, takie jak IPC oraz SMTA, stawiają czoła temu wyzwaniu za pomocą licznych programów edukacyjnych i inicjatyw szkoleniowych, dostawcy sprzętu, tacy jak Koh Young Technology, wspierają te trendy, tworząc urządzenia klasyfikowane jako fabryka przyszłości, m.in. dzięki użyciu AI do czerpania wiedzy i kompetencji z doświadczenia.
Coraz powszechniejsza komunikacja między maszynami (M2M, machine-to-machine), realizowana w ramach koncepcji Przemysłu 4.0, szybko zmienia proces produkcyjny poprzez gromadzenie i analizę danych procesowych w zakresie wydajności poszczególnych etapów procesu produkcji, przepustowości maszyn i podobnych. Na podstawie danych zebranych w długim okresie, wykorzystując swoje doświadczenie w analizie danych przestrzennych, firma Koh Young tworzy duże zbiory danych opisujących procesy wytwarzania, które są następnie wykorzystywane jako baza do optymalizacji algorytmów AI i technologii uczenia maszynowego dla coraz bardziej inteligentnego procesu produkcyjnego.
Czym jest AI?
Sztuczna inteligencja jest multidyscyplinarną dziedziną nauki, w której celem jest tworzenie urządzeń zdolnych do samoanalizy własnych działań i do podejmowania na jej podstawie określonych czynności, np. korekcyjnych. W swojej klasycznej formie obejmuje ona przetwarzanie i tłumaczenie języka naturalnego, percepcję wizualną i rozpoznawanie wzorów oraz podejmowanie decyzji, ale liczba i złożoność zastosowań szybko się rozszerza. Przykładem jest deep learning, który jest podzbiorem tematycznym uczenia maszynowego, ale jednocześnie jest algorytmem z zapisaną hierarchią "głębokich warstw" logicznych dla dużych sieci neuronowych. Koh Young Technology używa algorytmów głębokiego uczenia w swoim silniku AI do rozwiązywania problemów, które są trudne do modelowania analitycznego. Przykładem mogą być praktyczne rozwiązania, takie jak Koh Young Auto Programming (KAP), Koh Young Process Optimizer (KPO) stworzone do poprawy jakości pomiarów i dokładności kontroli procesu SMT oraz rozwiązanie KSMART (rys. 1).
Znaczenie dokładności danych w analizie 3D
W zakresie omawianych technologii to dane są najważniejszym elementem zapewniającym sukces rozwiązań z zakresu AI. Efektywność uczenia się algorytmów maszynowych jest powiązana z jakością i ilością dostępnych danych wejściowych, co pozwala na formułowanie różnych celów optymalizacji. Stosowanie sztucznej inteligencji zapewniającej bardziej zaawansowaną kontrolę procesu jest pożądane przez każdego dostawcę usług EMS. Do niedawna było to jednak trudne do zrealizowania ze względu na istniejące ograniczenia w obrazowaniu 2D, które przez ostatnie 25 lat było de facto standardem branżowym. Wykorzystując technologię dwuwymiarową, trudno jest zidentyfikować błędy montażu powstające na zakrzywionych i odbijających światło połączeniach lutowniczych. System dwuwymiarowej automatycznej kontroli optycznej nie generuje wiarygodnych danych, stąd każdy aspekt kontroli w dwu wymiarach opiera się na badaniu kontrastu między elementami zarejestrowanego obrazu, a nie na pomiarze ilościowym.
Maszyny Koh Young, mierząc parametry charakterystyczne komponentów i połączeń lutowniczych w trzech wymiarach, mogą zaoferować wartościowe i niezawodne dane pomiarowe, dzięki czemu stają się one specyficznymi czujnikami pomiarowymi w zakresie procesu SMT. Jakość danych 3D jest też tutaj gwarantowana, ponieważ firma Koh Young wykorzystuje technologię 3D we wszystkich typach komponentów, w przeciwieństwie do innych producentów urządzeń wykorzystujących tzw. detekcję blobów, która może być podatna na czynniki zewnętrzne, (takie jak odkształcenia płytek PCB oraz powstające na skutek blisko umieszczonych obok siebie podzespołów). Wraz z wykorzystaniem danych pomiarowych i procesowych z urządzeń SPI oraz AOI a także drukarek pasty i automatów układających elementy, Koh Young dysponuje zbiorami analizy danych do dalszej analizy. Warto dodać, że jakość danych jest ważniejsza niż ich ilość, aby stworzyć skuteczne i niezawodne rozwiązania decyzyjne (rys. 2).
Coraz dokładniejsze pomiary
Użycie AI do zebranych danych dotyczy rozwiązywania problemów związanych z kontrolą montażu płytek w procesie SMT. Luty i komponenty na zmontowanych PCBA mają wiele powierzchni zwierciadlanych, które odbijają część światła z powrotem do kamery, tworząc jednocześnie silne wzajemne odbicia z innymi refl eksami światła. Ponieważ część odbitego światła nie dociera do kamery, generuje ona fałszywe sygnały, które powodują zakłamanie wartości pomiaru wysokości. Takie problemy z odbiciami i plamami światła stają się coraz bardziej uciążliwe, ponieważ upakowanie płytek drukowanych stale rośnie, a odstępy między elementami nieustannie się zmniejszają. Stąd Koh Young stosuje sztuczną inteligencję w algorytmach analizy obrazu, aby zapobiec nieprawidłowym pomiarom poprzez "naukę cech obiektu". Hybrydowe połączenie podejścia analitycznego wykorzystującego model matematyczny pomiaru i sztuczną inteligencję do uczenia się na bazie kombinacji dobrych i złych danych pomiarowych pozwalają na wykrycie i wyeliminowanie nieprawidłowych pomiarów. Dzięki temu podejściu dokładność działań staje się coraz większa (rys. 3).
Dzielenie się informacjami
Kolejnym obszarem, w którym wykorzystywana jest sztuczna inteligencja, jest programowanie urządzeń AOI. Za pomocą metod głębokiego uczenia się na rzeczywistych danych 3D, praca tego sprzętu staje się stopniowo autonomiczna. System Auto Programming (KAP) ustala warunki kontroli procesu w oparciu o dane pomiarowe 3D, co nie tylko upraszcza programowanie maszyny, ale także sprawia, że jest ono szybsze i spójne z najlepszymi warunkami mapowania. KAP jest w stanie ograniczyć czas przygotowania urządzenia do pracy nawet o 70%, co sprawia, że jest to idealne rozwiązanie dla zadań produkcyjnych o dużej różnorodności przy małym wolumenie. Algorytm przewidywania i dekompozycji obrazu pozwala na kategoryzowanie komponentów według liczby wyprowadzeń, typu komponentów i innych cech. Pomaga to dodatkowo w czyszczeniu zdjęć z artefaktów, analizowaniu, wzbogacaniu i kształtowaniu pozyskiwanych danych. AI jest wykorzystywana ponadto do grupowania padów oraz stopniowego automatycznego przetwarzania informacji z kolejnych PCBA do realizacji automatycznego programowania (rys. 4).
Poprawa wydajności i optymalizacja procesów
Wraz z postępującą miniaturyzacją, lepszą jakością kontroli i systemami wizyjnymi o dużej szybkości, rosną wymagania na moc obliczeniową komputerów niezbędną do przetwarzania danych potrzebnych do wypracowywania decyzji. W tym zakresie firma Koh Young opracowała rozwiązanie Koh Young Process Optimizer (KPO) (rys. 5).
KPO jest inteligentnym rozwiązaniem bazującym na algorytmie sztucznej inteligencji przeznaczonym do kontroli i optymalizacji operacji drukowania pasty i montażu podzespołów. KPO w dużym stopniu bazuje na danych pomiarowych z systemu inspekcji 3D w celu wykrywania błędów w działaniu urządzeń SPI i AOI.
Rozwiązanie KPO dla drukarek zawiera trzy połączone moduły, realizujące algorytmy optymalizacji procesu drukowania działające w zamkniętej pętli: Advisor, Diagnosis i Optimizer. Dzięki temu AI optymalizuje na bieżąco proces drukowania, łącząc w czasie rzeczywistym nakładanie pasty na pady z danymi pomiarowymi dostarczanymi przez SPI. Moduł doradcy drukarki automatycznie wykonuje badania DOE opracowane w celu przeprowadzenia szczegółowej analizy wyników SPI z wykorzystaniem zaawansowanych algorytmów diagnostycznych i modeli filtrowania szumów, a następnie wylicza najlepsze parametry drukowania. Drugi moduł, Printer Diagnosis, wykorzystuje wiele algorytmów do wykrywania anomalii w celu aktywnej optymalizacji procesu drukowania i dalszej redukcji błędów. Z kolei moduł Printer Optimizer wykorzystuje adaptacyjny silnik AI do tworzenia modeli i precyzyjnego dostrajania parametrów procesu. Podczas gdy każdy moduł zapewnia korzyści procesowe, połączona moc KPO i trzech modułów zapewnia najwyższą niezawodność procesu i elastyczność produkcji bez konieczności korzystania z wiedzy specjalistycznej.
Rozwiązanie dla automatu P&P obejmuje także trzy moduły: Advisor, Diagnosis i Optimizer. Doradca bada i analizuje rozkład off setów głowicy, dyszy, podajnika i porównuje je z analogicznymi danymi dla komponentów dostarczane przez AOI, dzięki czemu można zidentyfikować problemy z wyprzedzeniem. Moduły Diagnosis i Optimizer są jeszcze w trakcie opracowywania i docelowo będą ustalać najlepsze pozycjonowanie dla każdego komponentu poprzez wykorzystanie danych SPI, pre-AOI i post-AOI, wtedy problemy z montażem będą automatycznie zgłaszane i usuwane w czasie rzeczywistym podczas produkcji.
Jenny Yuh, Koh Young Technology
Scanditron Sp. z o.o.
tel. 42 686 02 46
www.scanditron.pl
