Startseite » Technik »

Göpel electronic: Inspektionsprozesse optimieren durch KI

Wie künstliche Intelligenz die Domäne der Qualitätssicherung in der Elektronikfertigung verändert
Göpel electronic: Inspektionsprozesse optimieren durch KI

Anzeige
Innovative Technologien aus den Bereichen der künstlichen Intelligenz (KI) und des Deep Learning (DL) haben in den letzten Jahren eine enorme Leistungsfähigkeit erreicht. So werden intelligente Assistenten wie Siri oder Alexa völlig selbstverständlich im Alltag genutzt. Doch auch im industriellen Umfeld wird die Entwicklung von domänenspezifischen Anwendungsformen von künstlicher Intelligenz zu einer Schlüsselfrage für zukünftige Innovationsschritte. Insbesondere für eine vernetzte Fertigung werden selbstlernende Systeme und die automatisierte Erkennung von Prozessanomalien immer wichtiger. Doch welche Anwendungen gibt es speziell im Bereich der automatischen optischen Inspektion in der Elektronikfertigung?

Der Begriff „Künstliche Intelligenz“ wurde schon Mitte der 50er Jahre des vergangenen Jahrhunderts geprägt. Allerdings gibt es bis heute keine einheitliche Definition. Pragmatisch ausgedrückt gilt künstliche Intelligenz als die Eigenschaft eines Systems, menschenähnliche, intelligente Verhaltensweisen zu zeigen. Dazu muss ein System in unterschiedlichen Anteilen bestimmte Kernfähigkeiten wie Wahrnehmen, Verstehen, Handeln und Lernen besitzen.

KI-Einsatz in der Industrie

Im Bereich der industriellen Produktion zielt der Einsatz von KI oft darauf ab, komplexere Prozesse auch bei variierenden Eingangsdaten zu optimieren. Die unter dem Schlagwort „Industrie 4.0“ zusammengefasste vernetzte Produktion wäre ohne Big Data und künstliche Intelligenz nicht denkbar. Beim Einsatz von KI-Technologien in der Industrie geht es aber insbesondere auch darum, die einzelnen Produktionssysteme mit dieser künstlichen Intelligenz auszustatten. Bei der automatischen Inspektion ist es möglich, durch den Einsatz von KI-basierten Algorithmen gewisse Klassifikationsprozesse zu optimieren oder die Prüftiefe zu erhöhen. Die KI soll aber auch ein Hilfsmittel dazu sein, aufwändige manuelle Tätigkeiten, wie z. B. die Definition von Prüfprogrammen und Prüfparametern, vollständig zu automatisieren. So hat Göpel electronic schon vor geraumer Zeit das Tool „MagicClick“ als Bestandteil der Inspektionssoftware Pilot AOI eingeführt. Hierbei handelt es sich um ein ausgereiftes KI-Werkzeug zum automatischen Erstellen eines Prüfprogramms. Diese automatisierte Prüfprogrammerstellung spart im Produktionsablauf viel Zeit und damit Geld. Darüber hinaus gibt es jedoch auch erste Anwendungen im Bereich der optimierten Klassifikation durch KI.

KI-basierte Klassifikation zur Kontrolle der THT-Bestückung

In der industriellen Produktion werden trotz der rasant zunehmenden Automatisierung auch in absehbarer Zukunft noch sehr viele Montageprozesse manuell durchgeführt. In der Elektronikfertigung gehört die Bestückung von THT-Bauteilen (Through-Hole Technology) in diese Kategorie. Für die entsprechenden Montage- oder Bestückplätze wird zunehmend gefordert, optische Inspektionssysteme sowie automatische Protokollierungen direkt zu integrieren.

Die direkte Integration einer optischen Inspektion in den Montageprozess erfordert im Vergleich zu den traditionellen AOI-Systemen allerdings völlig neue und originelle Gerätekonzepte. Die Kameras zur Inspektion müssen so angeordnet werden, dass sie den Montageprozess der dort arbeitenden Menschen nicht beeinflussen. Die Beleuchtung kann nicht auf die Erfordernisse der Bildverarbeitung optimiert werden, sondern muss den gesetzlichen Anforderungen eines Arbeitsplatzes für Montageprozesse entsprechen. Zudem ist eine lichtabschirmende Verkleidung nicht möglich, da dies den manuellen Montagevorgang einschränken würde.

Mit „MultiEyeS plus“ hat Göpel electronic ein für den beschriebenen Anwendungsfall optimal geeignetes Inspektionsmodul entwickelt, welches für einen Bildbereich von ca. 550 mm x 450 mm geeignet ist. Basis des Systems ist eine aus bis zu 12 Kameras bestehende Bildaufnahmeeinheit mit integrierter Beleuchtung. Die Einzelbilder der Kameras werden zu einem aus der Panoramafotografie bekannten, gemeinsamen Bild zusammengesetzt. Alle Prüfungen werden auf dem Gesamtbild ausgeführt. Das „MultiEyeS plus“ Modul ist so konzipiert, dass es direkt oberhalb des Montageplatzes angebracht wird. Zusätzliche Maßnahmen zur Lichtabschirmung sind nicht notwendig.

Aus Sicht der klassischen Bildverarbeitung ist solch ein offenes System natürlich nicht optimal. Eine reproduzierbare Inspektion wäre mit den klassischen Ansätzen nicht oder nur durch sehr aufwändiges Debuggen der Prüfprogramme möglich. Genau an diesem Punkt setzt eine KI-basierte Lösung an, die durch die relative Unempfindlichkeit von faltenden neuronalen Netzen gegenüber Helligkeits- und Positionsschwankungen ideale Voraussetzungen mit sich bringt, um von Hand platzierte Objekte zuverlässig zu erkennen. Ansätze auf Basis von neuronalen Netzen benötigen jedoch eine große Menge an Beispielen, um komplexe Probleme bearbeiten zu können. Diese Hürde der Beschaffung von qualitativ hochwertigen Daten hat die flächendeckende Verwendung von Deep Learning in Inspektionsbereichen bisher gedämpft. Nachdem die Daten zusammengetragen sind, müssen sie bereinigt und vorverarbeitet werden. Für überwachte Trainingsverfahren ist außerdem das Bestimmen der entsprechenden Label nötig. Gerade das ist ein arbeitsaufwendiger Prozess und erwartet das gleiche Niveau an Domänenwissen, wie es später von der KI erwartet wird. Ist der Datensatz vollständig, so kann das Modell trainiert und auf echten Daten getestet werden.

Das Unternehmen verfolgt hier einen anderen Ansatz. Ein System von mathematisch-statistischen Methoden sowie des maschinellen Lernens ergänzen sich. Das System versucht bereits frühzeitig durch mathematische Funktionen die beobachtete Verteilung der Daten zu beschreiben und das noch untrainierte neuronale Netz in den ersten „Vermutungen“ zu bekräftigen oder zu korrigieren. Hiermit wird ein Zustand erreicht, welcher zwar noch keine zuverlässige Prüfung verspricht, aber selbstständig einen Großteil weiterer Trainingsdaten labeln kann. Damit wird dem Anwender die zeitraubende Arbeit des Labelns abgenommen. Ist sich das System nicht „sicher“, also widersprechen sich das mathematische und das neuronale Modell drastisch, kann mittels einer aktiven Methode zusätzlicher Trainingsinhalt erfragt werden.

Hierzu wird einem menschlichen Experten zu einem beliebigen Zeitpunkt im Prozess ein Trainingsbeispiel des Systems präsentiert. Er wird nun gebeten, seine Meinung abzugeben. Durch das Zusammenspiel von menschlichem Fachwissen, mathematischen Modellen und der Adaptionsfähigkeit der neuronalen Netze entsteht in kürzester Zeit mit nur wenig menschlichem Aufwand ein trainiertes Modell, das die reproduzierbare Inspektion auch bei ungünstigen Bildaufnahme– und Beleuchtungsbedingungen ermöglicht.

Dieser moderne Ansatz im Zusammenwirken mit dem neuartigen Kamerasystem für die optische Inspektion direkt an Montageplätzen bietet ein großes Potential, Montageprozesse und insbesondere auch die Bestückung von THT-Komponenten weiter zu optimieren.

KI überwacht menschliche Entscheidungen

Im Gegensatz zur Fertigung von THT-Baugruppen ist im SMD-Bereich auch die Bestückung ein automatisierter Prozess. Somit laufen dort alle Produktionsschritte meist vollautomatisiert ab. Durch die automatisierte optische Inspektion oder automatisierte Röntgenprüfung werden die Baugruppen zu 100 % auf korrekte Bestückung und Verlötung der Bauelemente getestet und fehlerhafte Baugruppen aussortiert. Im Fall von ausgemusterten/selektierten Baugruppen ist es typisch, dass am sogenannten Verifikationsplatz die vom Inspektionssystem erkannten Fehler final durch menschliches Auge von einem Bediener bewertet und klassifiziert werden. Mit Methoden der künstlichen Intelligenz lässt sich dieser Prozess hingegen noch sicherer machen. Dazu wurde das Softwaremodul Pilot Verify von Göpel electronic um eine Funktionalität erweitert, in der die KI für jeden Fehler, der eine Entscheidung des Bedieners erfordert, eine eigene Entscheidung trifft. Kommt die künstliche Intelligenz zu einem anderen Ergebnis als der Bediener, wird eine Meldung angezeigt und der Bediener aufgefordert, seine Entscheidung nochmals zu überprüfen. Gegebenenfalls kann dazu auch die Entscheidung eines weiteren Bedieners oder eines Supervisors angefordert werden. Mit diesem Mechanismus soll verhindert werden, dass eine Baugruppe mit einem tatsächlich vorhandenen Fehler – der auch vom AOI-System als solcher erkannt wurde – nicht nachträglich als eine Pass-Baugruppe deklariert werden kann.

Ist die künstliche Intelligenz dann soweit trainiert, dass alle möglichen Fehlersituationen sicher erkannt werden, kann in einem weiteren Automatisierungsschritt die Verifikation automatisiert werden. Dann trifft die künstliche Intelligenz die Basisentscheidung und fordert nur noch in Situationen, in denen keine sichere Klassifizierung getroffen werden kann, die Entscheidung eines Bedieners oder Supervisors an.

Fazit

KI-Technologien werden in den nächsten Jahren starken Einfluss auf die Art und Weise nehmen, wie Menschen im Privaten und im Arbeitsumfeld leben und agieren. In der Industrie werden in zunehmendem Maße viele Produkte und Services mit Maschinenintelligenz ausgestattet sein. Das Unternehmen wird aktiv diesen Trend mitgestalten und konnte bereits an verschiedenen Stellen die Nutzbarkeit dieser Technologie nachweisen. Mit dem weiteren Einsatz der KI sind aber auch Herausforderungen verbunden: um zu einer flächendeckenden Akzeptanz der KI in der Industrie und speziell in Inspektionssystemen zu kommen, muss es gelingen, Entscheidungsprozesse eines KI-Systems noch besser transparent und nachvollziehbar zu machen. Auch hier hat das Unternehmen bereits Forschungsschwerpunkte adressiert und arbeitet dazu in enger Kooperation mit verschiedenen Forschungseinrichtungen. Das Potential, welches KI-Technologien mit sich bringen, soll gezielt dazu genutzt werden, um mit innovativen und problembezogenen Lösungen die Inspektionsprozesse in der Elektronikindustrie zu optimieren.

www.goepel.com

 

goepelaufmacher.jpg

Künstliche Intelligenz verändert unsere Welt nachhaltig. Die Technologien sind in vielen unterschiedlichen Unternehmensbereichen im Produktionsumfeld einsetzbar. Bei der automatischen Inspektion ist es möglich, durch den Einsatz von KI-basierten Algorithmen gewisse Klassifikationsprozesse zu optimieren oder die Prüftiefe zu erhöhen. Die KI soll aber auch ein Hilfsmittel sein, um aufwändige manuelle Tätigkeiten, wie beispielsweise die Definition von Prüfprogrammen und Prüfparametern vollständig zu automatisieren.
Foto: Göpel electronic

Fotos: Göpel electronic

Die Autoren sind Dr. Jörg Schambach (links), Produktmanager Industrielle Bildverarbeitung/Inspektionslösungen und Johannes Richter (rechts), Senior Engineer im Bereich Industrielle Bildverarbeitung/Inspektionslösungen, beide bei der Göpel electronic GmbH.



Hier finden Sie mehr über:
Anzeige
Schlagzeilen
Aktuelle Ausgabe
Titelbild EPP Elektronik Produktion und Prüftechnik 11
Ausgabe
11.2020
LESEN
ABO
Newsletter

Jetzt unseren Newsletter abonnieren

Webinare & Webcasts

Technisches Wissen aus erster Hand

Whitepaper

Hier finden Sie aktuelle Whitepaper

Videos

Hier finden Sie alle aktuellen Videos

Anzeige
Anzeige

Industrie.de Infoservice
Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de