Praxisnahe Regelkreisläufe noch Mangelware

Für Fertigungsunternehmen bedeutet die digitale Transformation vor allem die Umwandlung in eine Smart Factory. In einer intelligenten Fabrik – so das Ziel – passen sich dann miteinander vernetzte Roboter, Geräte und Maschinen autonom an neue Anforderungen an und organisieren selbstständig ganze Produktionsprozesse. Für die meisten Fertigungsunternehmen liegt das allerdings noch in weiter Ferne, stellt Andreas Türk von Göpel Electronic fest: „Wir haben es in erster Linie mit Daten-Messis zu tun. Daten werden nur gesammelt, aber einen strukturierten Plan, wie mit den Daten verfahren wird, wie sie visualisiert werden, den haben die wenigsten Elektronikfertiger.“

Wird demnach Industrie 4.0 und damit Smart Factory überbewertet? Fast mag es so erscheinen, denn so mancher kann sich noch daran erinnern, dass es mit der Schnittstelle RS232 bereits seit den 1990er Jahren möglich war, Daten zu übertragen und automatisiert Messwerte zu gewinnen, die sich anschließend auch beurteilen ließen. Türk merkt mahnend an: „Aus den Daten einen Trend abzuleiten ist essenziell. Heutige Softwarelösungen erkennen nicht nur rechtzeitig, wenn die Produktion im Begriff ist, aus dem Ruder zu laufen, sondern teilen auch mit, welche Aktion vom Operator gefordert ist. Solche praxisnahen Sachen sehe ich derzeit einfach nicht. Für mich persönlich wird noch viel zu viel allgemein diskutiert.“

Damit offeriert er Torsten Vegelahn von Asys eine Steilvorlage im Hinblick auf probate linienübergreifende Softwarelösungen: „Wir sehen eine absolute Inhomogenität der kompletten Fertigung, denn jeder kocht sein eigenes Süppchen“, unterstreicht Vegelahn, der die Erfahrung gemacht hat, dass die Angst am Know-how-Verlust ein limitierender Faktor ist: „Jede Rückführung bedeutet ja, dass ein möglicher Konkurrent in meine Systeme und in meinen Prozess eingreifen kann. Aber dem ist nicht so, wie die aktuelle Initiative The Hermes verdeutlicht. Wir haben derzeit einen Blumenstrauß an MES- und Traceabilitysystemen, aber wir sollten dringend daran arbeiten, die Standardisierung auf diesem Gebiet voranzutreiben. Nur dann haben auch Layouter und Designer sowie letztlich auch der Endkunde einen Mehrwert“, ruft er mahnend.

Smart Factory im Zuge der Künstlichen Intelligenz

Ganz klar: Niemand will permanent den gleichen Fehler machen – präventive Maßnahmen sind gefragt. Michael Mügge von Viscom sieht in Closed-Loop eine gute Möglichkeit. Allerdings verkümmert dieser Rückkopplungsmechanismus im Fertigungsalltag zu einem Triggersignal, das zur gegebenen Zeit zur Druckschablonenreinigung auffordert: „Es ist nicht ausreichend, einen Closed-Loop nur zum Triggern der Reinigung zu gebrauchen. Die Qualität des Pastendrucks hängt nicht nur vom Reinigungszyklus der Schablone ab, sondern von vielen weiteren Faktoren.“ Darüber hinaus gelang es Viscom mit einem Bestückautomatenhersteller eine weitere Rückkopplung zwischen SPI, Schablonendrucker und Bestückautomaten, berichtet Mügge: „Wird etwa am SPI ein Pastendruckoffset festgestellt, ist es möglich, dem Bestückautomaten entsprechend nachzujustieren, damit die Bauteile – selbst Winzlinge in Staubkorngröße – auch wirklich auf dem Pastendepot landen. Das können viele Bestückautomatenhersteller heute noch nicht umsetzen. Und: auch dafür gibt es noch keine Standards.“

Standardisierungen gefordert: Torsten Vegelahn von Asys sieht eine absolute Inhomogenität der kompletten Fertigung, da jeder sein eigenes Süppchen kocht.

Standardisierungen gefordert: Torsten Vegelahn von Asys sieht eine absolute Inhomogenität der kompletten Fertigung, da jeder sein eigenes Süppchen kocht. Asys

Inwiefern werden Künstliche Intelligenz (KI) und Deep Learning die Prüfplanprogrammierung und die Verifikation in der automatischen Leiterplatteninspektion revolutionieren? Letztendlich benötigt auch eine Art KI das Wegspeichern der Messwerte und zwar über die Klassifikationsergebnisse des Menschen am Verifikationsplatz. Die vollautomatische Nachjustage der Messwertgrenzen hilft Pseudofehler zu minimieren. Vor allem im Hinblick auf die große Toleranzen erlaubende Norm IPC-A-610, die genau genommen weniger eine Messvorgabe als eine Sichtprüfempfehlung ist. Immerhin handelt es sich dabei um den weltweit am meisten eingesetzten Standard, wenn es um die visuelle Beurteilung der Qualität elektronischer Baugruppen geht. „Der qualifizierte Mitarbeiter muss diesen IPC-Fehlerkatalog gut durchgearbeitet haben, um zweifelsfrei zu erkennen, was eine gute und was eine schlechte Lötverbindung ist, um das Inspektionssystem entsprechend justieren zu können. Das kann man KI nennen. Aber das ist jetzt eine relativ einfache Stufe der KI“, räumt Michael Mügge von Viscom ein.

Das sieht Olaf Römer von ATEcare entschieden anders. Provokativ wirft er in die Runde: „KI wird doch so definiert, dass eine Maschine etwas besser kann, als der Mensch. Spinnt man den Faden weiter, dann spricht man heute von einer Produktion die nicht nur von Software gesteuert wird, sondern in ein vernetztes und lernfähiges Umfeld eingebettet ist. Dadurch lässt sich die Produktion stetig neuen Umständen anpassen und damit auch optimieren. Ich würde aber jetzt Closed-Loop, also eine Messung, die wieder zurückgeführt wird und dann eine entsprechende Reaktion innehat, nicht unbedingt als KI bezeichnen.“ Jedoch: Ein Faktor, dass das Inspektionssystem teuer macht, ist immer die Prüferstellungszeit, merkt Andreas Türk von Göpel Electronic ergänzend an und rechnet vor: „Wenn beispielsweise ein AOI was 200.000 Euro kostet, dann muss man mindestens genauso viel in Prüfprogramme investieren, die ich dafür erstellen muss. Oder anders ausgedrückt: Der Schlüssel ist eine automatische Prüfprogrammerstellung. Das ist ein wichtiger Punkt, um Zeit und somit Kosten zu sparen.“

 

Seite 3 von 3123