Inspektionssystem mit KI

Ein prozentualer Konfidenzwert gibt an, wie sicher sich die KI bei ihrer Entscheidung ist. (Bild: Viscom)

Die Qualit├Ątspr├╝fung in der Elektronikfertigung hat in den letzten Jahren schon einige gro├če technologische Spr├╝nge hinter sich. Immer h├Âhere Kameraaufl├Âsungen, die Einf├╝hrung von 3D in der optischen In-line-Inspektion und beim R├Ântgen, hochgradige Automatisierung, smarte Kommunikation von Maschine zu Maschine und die Vernetzung von Daten f├╝r eine umfangreiche und effiziente Prozesskontrolle sind hier zu nennen. Jetzt hat die KI Einzug in die Fertigung gehalten. Rechnergest├╝tzte Anwendungen werden zunehmend lernf├Ąhig und k├Ânnen in vordefinierten Bereichen eigenst├Ąndige Entscheidungen treffen. Um ein hohes Ma├č an Transparenz und Kontrolle ├╝ber die Qualit├Ąt der KI-Ergebnisse zu erm├Âglichen, integriert Inspektionssystemhersteller Viscom KI-L├Âsungen schrittweise in reale Produktionsumgebungen. Damit wird k├╝nstliche Intelligenz in der Inspektion zu einem zuverl├Ąssigen und vertrauensw├╝rdigen Werkzeug.

Verifikation von Pr├╝fergebnissen mit KI
Bei der Verifikation von Pr├╝fergebnissen kann die KI unscheinbar im Hintergrund mitarbeiten und sich nur dann melden und unterst├╝tzen, wenn sie eine andere Entscheidung als der Operator treffen w├╝rde (Bild: Viscom)

Wie KI stufenweise eingef├╝hrt werden kann

Bei der Verifikation m├╝ssen erfahrene Bedienerinnen und Bediener die im automatisierten Prozess aussortierten Grenzf├Ąlle richtig beurteilen und klassifizieren. Der Unterschied zwischen ÔÇ×Produkt doch schon fehlerhaftÔÇť oder ÔÇ×Produkt gerade noch akzeptabelÔÇť kann minimal sein, weshalb gesammelte ÔÇ×BildbasenÔÇť mit gelabelten Pr├╝fergebnissen wertvolle Hilfestellung leisten. F├╝ttert man mit diesen Informationen KI-Modelle, er├Âffnen sich dank Deep Learning ganz neue M├Âglichkeiten f├╝r effiziente Arbeitsabl├Ąufe. Die KI l├Ąsst sich in einem ersten Schritt als Zweitmeinung einbinden. Das bedeutet, dass die Software im Modus ÔÇ×Vier-Augen-PrinzipÔÇť unscheinbar im Hintergrund mitarbeitet und die Klassifikation des Operators pr├╝ft. Bemerkt die k├╝nstliche Intelligenz eine Abweichung von der eigenen Entscheidung, gibt sie in Prozent ein Konfidenzniveau aus, das anzeigt, wie sicher sie sich ihrer Bewertung des vorliegenden Einzelfalls ist. Die finale Entscheidung f├╝r die Klassifikation liegt trotzdem immer noch beim Mitarbeiter.

Menschlichen Fehlentscheidungen z. B. wegen ├ťberm├╝dung, wird auf diese Weise vorgebeugt und die Qualit├Ąt der Produkte und der gesammelten Daten weiter verbessert. Alle Klassifikationen der KI und des Bedienpersonals werden gespeichert und k├Ânnen sp├Ąter f├╝r Auswertungen abgerufen werden. Der Kompetenz des Operators wird damit transparent die Leistungsf├Ąhigkeit der KI gegen├╝bergestellt. Erweist sich die k├╝nstliche Intelligenz in Teilbereichen als besonders zuverl├Ąssig, kann man ihr in diesem klar abgesteckten Feld die Entscheidungsgewalt ├╝berlassen und z. B. nur durch Einbeziehung eines Vorgesetzten eingrenzen. In weiteren Schritten wird in einer White List festgelegt, wo die KI v├Âllig autonom agieren darf. Viscom setzt die flexibel nutzbare KI-gest├╝tzte Verifikation f├╝r seine vVerify-Klassifikationssoftware ein.

KI-Modell findet Bonddr├Ąhte auch bei Vorhandensein von St├Âreinfl├╝ssen
Ein darauf trainiertes KI-Modell findet Bonddr├Ąhte zuverl├Ąssig auch bei Vorhandensein starker St├Âreinfl├╝sse (Bild: Viscom)

Zielsicheres Segmentieren von Objekten per KI

Ein gro├čer Vorteil von KI in der Bildverarbeitung ist, dass sie sich nicht von St├Ârfaktoren beirren l├Ąsst und Objekte sehr zielgenau erkennt. Das k├Ânnen die Verl├Ąufe von Drahtbonds sein oder etwa Anoden und Kathoden von Batteriezellen. In dem Zusammenhang h├Ârt man immer wieder das Wort Segmentierung, wobei es im Grunde genommen darum geht, in einem smart automatisierten Prozess zu entscheiden, welcher Pixel noch zu einem bestimmten Objekt geh├Ârt und welcher mit sehr hoher Sicherheit nicht. Die Informationen stehen dann anderen Pr├╝falgorithmen zur Verf├╝gung, die damit entsprechend weiterarbeiten. Im Bereich des R├Ântgens lassen sich so z. B. Voids in L├Âtstellen segmentieren und damit exakt identifizieren und vermessen. St├Ârende Abschattungen im R├Ântgenbild retuschiert die Anwendung zielsicher heraus. Hier haben sich in der Praxis vor nicht allzu langer Zeit Schichtbilder aus 3D-R├Ântgenaufnahmen durchgesetzt, denen die KI nun in 2D und damit als schnelleres Tool (Taktzeit) Konkurrenz macht. Beide Ans├Ątze lassen sich bei Bedarf aber auch kombinieren.

Thermische Verbindung von einem Bauteil und dem dazugeh├Ârigen K├╝hlk├Ârper
Thermische Verbindung von einem Bauteil und dem dazugeh├Ârigen K├╝hlk├Ârper: Mit KI lassen sichVoids auch auf 2D-R├Ântgenbildern genau identifizieren, was gegen├╝ber 3D einen Vorteil z. B. bei den Taktzeiten bringt. (Bild: Viscom)

Autonome Bauteilerkennung

K├╝nstliche Intelligenz kann zudem sehr gut Bauformen erkennen. Dies erfolgt auf Basis von gesammelten Informationen ├╝ber Formen und Geometrien der Komponenten und erm├Âglicht eine noch einfachere Erstellung und Optimierung von Pr├╝fpl├Ąnen. Auch die Zuordnung der richtigen Pr├╝fmuster erfolgt dabei automatisch. Hat man die passenden Werkzeuge und Informationen zur Hand, kann ein Pr├╝fprogramm f├╝r die automatische optische Inspektion mit etablierten Methoden auch ohne KI schon in wenigen Minuten erstellt werden. Sind allerdings ECAD- und BOM-Daten nicht vorhanden, bietet der neue Ansatz immense Vorteile. Insbesondere in der High-Mix-Low-Volume-Fertigung sieht man aktuell gro├čes Potenzial f├╝r eine KI-basierte Pr├╝fprogrammerstellung.

KI retuschiert Abschattungen im R├Ântgenbild
KI retuschiert Abschattungen im R├Ântgenbild selbst dann zielsicher weg, wenn es sich dabei um Objekte mit nicht fest vorgegebenen Positionen handelt ÔÇô wie hier eine Klammer, die einen BGA verdeckt (Bild: Viscom)

Vernetzter Zugriff auf Informationen

Damit ein KI-Modell sich selbst optimieren kann, muss es in der Regel auf m├Âglichst viele Erfahrungswerte zur├╝ckgreifen. Von anonymisierten Daten mehrerer Elektronikfertiger k├Ânnen z. B. geb├╝ndelt alle Akteure gemeinsam profitieren. Damit f├╝r solche und andere Einsatzfelder ein effizienter Informationsaustausch (Datensammlung) erm├Âglicht wird, baut Viscom seine Cloud-Infrastruktur aus. Datenmanagement-L├Âsungen bilden eine von mehreren S├Ąulen der digitalen Mehrzweck-Plattform vConnect von Viscom, zu der auch das standort├╝bergreifende Condition Monitoring geh├Ârt. Viscom macht hierdurch einen besonders transparenten Blick auf seine Inspektionssysteme m├Âglich ÔÇô von der Maschinenleistung ├╝ber die Betriebszeiten bis hin zu eingesetzten Einzelkomponenten. Intelligente Anwendungen greifen auf relevante Informationen zu, die den Zustand der Systeme praktisch in Echtzeit aufzeigen. So werden Unregelm├Ą├čigkeiten und Abweichungen schnell aufgedeckt. Visualisierungen ├╝ber aussagekr├Ąftige Dashboards geben dem ver-antwortlichen Personal auf ihren Smartphones, Tablets und anderen Endger├Ąten ortsunabh├Ąngig einen strukturierten ├ťberblick. Damit er├Âffnet sich ein weiteres Einsatzgebiet f├╝r KI, das unter dem Begriff Predictive Maintenance bekannt ist. Mit Hilfe der Daten werden etwa Maschinenzust├Ąnde und -ausf├Ąlle immer besser vorhergesagt werden k├Ânnen und erm├Âglichen ein rechtzeitiges Handeln, bevor die St├Ârung oder der Ausfall eintritt.

Erstellung eines Pr├╝fprogramms mit KI-basierter Bauteilzuordnung
Erstellung eines Pr├╝fprogramms mit KI-basierter Bauteilzuordnung (Bild: Viscom)
Olaf Szarlan, Viscom
(Bild: Viscom)

Olaf Szarlan

Marketing, Viscom, Hannover

Sie m├Âchten gerne weiterlesen?