Oberflächeninspektion von Leiterplatten per KI

Oberflächeninspektion von Leiterplatten per KI
Auf künstlicher Intelligenz basierendes Defektinspektionssystem von G4 Technology ermöglicht die Oberflächeninspektion von Leiterplatten und senkt den Pseudoausschuss deutlich.
Bild 1 | Mit Hilfe der Deep-Learning-basierenden Inspektionssoftware SuaKIT AI sowie einer Manta Kamera kann der Anteil an Pseudo-Fehlern bei der PCB-Inspektion deutlich gesenkt werden.
Bild 1 | Mit Hilfe der Deep-Learning-basierenden Inspektionssoftware SuaKIT AI sowie einer Manta Kamera kann der Anteil an Pseudo-Fehlern bei der PCB-Inspektion deutlich gesenkt werden.

Seit 2010 hält die taiwanesische Leiterplattenindustrie 30 Prozent Marktanteil am globalen Leiterplattenmarkt. Dank der rasanten Entwicklung von High-End-Mobiltelefonen überschritt der Wert der gesamten PCB-Lieferkette 2017 in Taiwan und China zusammen 30 Milliarden Dollar. Die Leiterplattenindustrie ist eine der wettbewerbsfähigsten Branchen in Taiwan. Dabei helfen AOI-Anlagen Halbfabrikate zu prüfen, ohne die Produktionskapazität zu beeinträchtigen. Die AOI-Ausrüstung ist somit eine wichtige Investition in den Herstellungsprozess von Leiterplatten und stellt mit 15 Prozent einen vergleichsweise hohen Anteil an der Gesamtinvestitionssumme dar.

Überhöhter Ausschuss

AOI ist eine automatisierte visuelle Inspektion, welche die Oberfläche einer Leiterplatte scannt, um ein eindeutiges Bild zu erhalten. Abhängig von der Bildverarbeitungstechnologie können AOI-Geräte prüfen, ob Fehler wie Kurzschlüsse, übermäßiges oder unzureichendes Kupfer, offene Stromkreise, Kerben, Grate, Kupferschlacken, fehlende Komponenten und Verformungen vorliegen. Da es eine Vielzahl von Oberflächenfehlern gibt, ist die Inspektion schwieriger als bei allgemeinen elektronischen Bauteilen. Derzeit sieht sich die AOI-Inspektion aber mit dem Phänomen des überhöhten Ausschusses konfrontiert. Aufgrund der extrem hohen Anforderungen sind die Designparameter von AOI-Geräten sehr streng. So kommt es durch die Überempfindlichkeit der Geräte zu einem übertriebenen Ausschuss. Laut Statistik beträgt die Fehlerquote bei den NIO-Teilen bis zu 70 Prozent, das heißt dass 70 Prozent der aussortierten Halbfabrikate fehlerfrei sind. Deswegen muss eine zweite manuelle Überprüfung erfolgen, um zwischen echten und fälschlicherweise erkannten Fehlern zu unterscheiden, bevor sie in die Produktionslinie zurückkehren.

Typischer PCB-Fehler.
Typischer PCB-Fehler.

KI zur Fehlerinspektion

G4 Technology Co. Ltd. in Taiwan bietet Lösungen für die industrielle Bildverarbeitung und AOI-Systeme. Zudem unterstützt es als Dienstleister Unternehmen bei der erfolgreichen Anwendung der Visiontechnologie. Vor Kurzem hat das Unternehmen sein KI-Defekt-Inspektionssystems vorgestellt. Das System besteht aus der Industriekamera Manta G-032C von Allied Vision, einem hochauflösenden Fujifilm-Objektiv und der Inspektionssoftware SuaKIT AI von Sualab mit dem neuesten Deep-Learning-Algorithmus. Das System kann in Echtzeit Bilder erfassen und PCB-Fehler prüfen, erkennen, markieren und klassifizieren. Die von Sualab entwickelte Deep-Learning-Technologie nutzt ein künstliches neuronales Netzwerk zur Analyse von PCB-Bildern. Im Vergleich zur herkömmlichen visuellen Technologie kann das Fehlerprüfsystem komplexe Bilder analysieren, deutlich die Fähigkeit zur Bildinterpretation sowie die Genauigkeit der automatischen visuellen Inspektion verbessern und eine automatische Klassifizierung von Fehlern durchführen. Die erforderlichen Bilddaten in der Anfangsphase des Deep-Learning-Algorithmus variieren mit unterschiedlicher Komplexität der Bilder. In der Regel werden 50 bis 100 Bilder benötigt, so dass das System problemlos mit kundenspezifischen Fehlerstandards umgehen kann.

PCB-Inspektion mit 80fps

Im AI Defect Inspection System von G4 Technology kommt die Manta G-032C Kamera mit einer Auflösung von 656×492 Pixeln zum Einsatz. Mit 80fps bietet sie eine Bildrate, die den normalen Anforderungen genügt. Im Allgemeinen wird nach 15 Minuten ein Modell des entsprechenden neuronalen Netzwerks erstellt. Danach können die Daten in Echtzeit auf einer Produktionslinie verarbeitet werden. „Als wir uns für die Manta-Kamera für die PCB-Inspektionsdemo entschieden haben, wurden vor allem die Anforderungen an eine hohe Geschwindigkeit bei der Echtzeitinspektion berücksichtigt. Dies machte es notwendig, Bilddaten schnell und in kleinen Bildern zu übertragen. Die Kamera hat eine vergleichsweise hohe Bildrate und erfüllt somit die Anforderungen an die Inspektionsgeschwindigkeit“, betont Ken Chou, General Manager von G4 Technology. „Darüber hinaus sind die Allied-Vision-Kameras aufgrund ihrer Qualität und Stabilität am besten mit dem KI-Prüfalgorithmus kompatibel. Tatsächlich können fast alle Allied-Vision-Kameraserien je nach Anwendung als ideale Wahl für die Leiterplatteninspektion angesehen werden. Wenn Kunden beispielsweise hohe Anforderungen an die geprüfte Bildqualität haben, kann eine hochauflösende Kameraserie wie die Prosilica GT eingesetzt werden.“

Allied Vision Technologies GmbH

Das könnte Sie auch Interessieren

Bild: Fraunhofer IEM
Bild: Fraunhofer IEM
Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Welcher Liefertermin steht wann an? Wie aufwändig muss die Maschine umgerüstet werden? Ist das benötigte Material bereits geliefert? Um die Reihenfolge verschiedener Kundenaufträge optimal zu planen, müssen Produktionsplaner:innen eine Vielzahl von Faktoren kennen und einschätzen. Bei Schulte Kartonagen hat ab sofort ein intelligenter KI-Assistent alle Faktoren im Blick – und macht Vorschläge für die effiziente Planung der Produktion. Gefördert wurde die Zusammenarbeit mit dem Fraunhofer IEM und den Universitäten Paderborn und Bielefeld im it’s OWL-Projekt ARISE.

Bild: schoesslers GmbH
Bild: schoesslers GmbH
appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

Das gemeinnützige appliedAI Institute for Europe stellt den kostenfreien Online-Kurs ‚AI Essentials‘ zur Verfügung, der es Interessierten ermöglicht, in die Welt der Künstlichen Intelligenz einzusteigen. Konzepte wie maschinelles Lernen und Deep-Learning sowie deren Anwendungsmöglichkeiten und Auswirkungen auf unser Leben und unsere Wirtschaft sind Teile der umfassenden Einführung.

Bild: Trumpf SE + Co. KG
Bild: Trumpf SE + Co. KG
Künstliche Intelligenz macht Fabriken clever

Künstliche Intelligenz macht Fabriken clever

Seit dem Siegeszug des Chatbots ChatGPT ist künstliche Intelligenz in aller Munde. Auch in der industriellen Produktionstechnik kommt KI mit großen Schritten voran. Lernende Maschinen machen die Fertigung effizienter. Wie funktioniert das genau? Das können Interessierte auf der EMO Hannover 2023 vom 18. bis 23. September erfahren. Die Weltleitmesse für Produktionstechnologie wird ihr Fachpublikum unter dem Claim ‚Innovate Manufacturing‘. mit frischen Ideen inspirieren und künstliche Intelligenz spielt dabei ihre Stärken aus.

Bild: Mitsubishi Electric Corporation, Japan
Bild: Mitsubishi Electric Corporation, Japan
KI-gestütztes Analysetool für moderne Produktionslinien

KI-gestütztes Analysetool für moderne Produktionslinien

Das Data-Science-Tool Melsoft MaiLab von Mitsubishi soll Unternehmen bei der Digitalisierung ihrer Fertigung und unterstützen und so deren Produktivität steigern. Die neue Lösung ist eine intuitive, bedienerzentrierte Plattform, die KI nutzt, um Abläufe automatisch zu verbessern. Sei es Abfallvermeidung durch geringere Ausschussmengen, weniger Stillstandszeiten durch vorbeugende Wartung oder Senkung des Energieverbrauchs durch Prozessoptimierung.

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.