Skip to content

Fallbeispiel: FA FVI-Erkennung beschädigter Teile für Leiterplatten

ai-inspection-ssd

Hintergrund und Kundenbedürfnisse

In der schnelllebigen Welt der Elektronikfertigung ist die Sicherstellung der Produktqualität vor der Verpackung von entscheidender Bedeutung. Ein Großkunde benötigte eine Lösung, um beschädigte oder fehlende Teile auf Leiterplatten (PCBs) mit hoher Genauigkeit und Effizienz zu erkennen. Manuelle Inspektionsmethoden konnten mit den Produktionsanforderungen kaum Schritt halten und übersahen oft kleine Defekte.

Herausforderungen

  1. Erkennung kleiner Anomalien: Menschliche Inspektoren fanden es schwierig, winzige Defekte auf Leiterplatten konsequent zu erkennen.
  2. Großserienproduktion: Die Notwendigkeit schneller, skalierbarer Inspektionen, die den Produktionszykluszeiten entsprechen.
  3. Arbeitsintensiver Prozess: Die Abhängigkeit von manuellen Inspektionen erhöhte die Kosten und führte zu Abweichungen.

Lösung und Schlüsseltechnologien

Der TM AI Cobot von Techman Robot bot eine umfassende automatisierte Lösung, die fortschrittliche Bildgebungs- und KI-Klassifizierungstechnologie integrierte.

  1. Bildgebung und Erkennung

    • Die Eye-in-Hand-Kamera (EIH) ermöglichte eine präzise Positionierung und die externe Kamera ermöglichte eine visuelle Mehrpunktinspektion, bei der Bilder aus mehreren Winkeln aufgenommen wurden, um sicherzustellen, dass jede Komponente genau geprüft wurde.
    • Bilder wurden mithilfe des KI-Modells analysiert, um Teile als bestanden (OK) oder nicht bestanden (NG) zu klassifizieren.

  2. KI-Modelltraining

    • Klassifizierungs-KI wurde genutzt, um das System mit einem Datensatz von 70 Bildern (40 OK, 30 NG) zu trainieren.
    • Die Trainingszeit wurde auf nur 15 Minuten minimiert, was eine schnelle Anpassung an Änderungen der Produktionsanforderungen ermöglicht.

  3. Automatisierter Workflow

    • OK-Produkte: Automatisch zur nächsten Station geleitet.
    • NG-Produkte: Identifiziert und der Cobot-Arm wird das defekte Teil in einen dedizierten Zyklusbereich für die weitere Verarbeitung bringen.
    • Die Ergebnisse wurden auf dem AOI Edge berechnet und dann an den Roboter übermittelt, der die Entscheidungsfindung durchführt, um einen nahtlosen Produktionsfluss sicherzustellen.

ssd-training-results

Anwendungsszenarien

  • Erkennen fehlender oder beschädigter Teile vor dem Verpacken
  • Sicherstellung der Produktqualität durch frühzeitiges Erkennen kleiner Anomalien im Prozess

Vorteile

  1. Verbesserte Genauigkeit

    • Erreichte eine Inspektionsgenauigkeitsrate von 99,99 %.
    • Die Rate an Fehlalarmen und Overkills wurde auf weniger als 1 % reduziert, was die Zuverlässigkeit gewährleistet.

  2. Höhere Effizienz

    • Die Automatisierung verbesserte die Inspektionsgeschwindigkeit und reduzierte den Personalbedarf um 50 %.
    • Die Hochgeschwindigkeitsinspektion passte sich nahtlos an die Produktionszykluszeiten an.

  3. Kostensenkung

    • Die geringere Abhängigkeit von manueller Arbeit minimierte die Betriebskosten und verbesserte gleichzeitig die Beschaffenheit.

Fazit

Die Teileerkennungslösung mit TM AI Cobot zeigt, wie intelligente Automatisierung Inspektionsprozesse verändert. Durch die Kombination von KI-gestützter Klassifizierung mit präziser Bildverarbeitungstechnologie zeigt dieser Fall beispielhaft, wie Hersteller in modernen Produktionslinien beispiellose Effizienz, Genauigkeit und Kosteneinsparungen erzielen können.