Inspektionssystem bietet bildgebendes Verfahren mit KI
Mit dem Inspektionssystem VT-S10 3D-AOI bietet Omron ein bildgebendes Verfahren in Kombination mit künstlicher Intelligenz an. Dadurch sollen die Anforderungen an die Fachkenntnisse für präzise Inspektionen verringert werden, denn diese Lösung erfordere weniger Qualifizierung und führe dabei zu einer verbesserten Hochpräzisionsprüfung.
Bild: Omron Electronics GmbH

Omron kündigt die Markteinführung seines neuen Leiterplatten-Inspektionssystems der Serie VT-S10 an, das mit einer Bildverarbeitungstechnologie und künstlicher Intelligenz (KI) ausgestattet ist. Dadurch können präzise Prozesse für Baugruppeninspektionen automatisiert und damit der Bedarf an spezialisierten Maschinenbedienern reduziert werden. Gerade in Zeiten des Fachkräftemangels stellt diese Entwicklung einen wichtigen Schritt dar, da auch die Anforderungen an die Qualitätsprüfung weiter steigen. Mit der zunehmenden Forderung nach dem neuen globalen Mobilfunkstandard 5G, Elektrofahrzeugen und autonomem Fahren, wird die Prüfung von Leiterplattenbaugruppen, z.B. in Fahrzeugen, immer anspruchsvoller. Die neue Lösung ermöglicht eine präzise Inspektion solcher Schlüsselkomponenten, um die Qualität aufrechtzuerhalten, vorgelagerte Prozessschritte zu verbessern und so zu einem zuverlässigen Einsatz der Endsysteme beizutragen.

Durch die steigende Miniaturisierung und Packungsdichte auf modernen Baugruppen, ist die Inspektion mit größeren Herausforderungen verbunden. Herkömmliche Inspektionssysteme haben die Schwierigkeiten, genaue Bilder von Lötstellen zu machen, wodurch der Umfang und die Parameter der Inspektion eingeschränkt werden. Zunehmender Fachkräftemangel sowie das Beschränken und Vermeiden von engen Kontakten und Bewegungen aufgrund der aktuellen Covid-19-Pandemie, reduzieren die Häufigkeit von Sichtkontrollen seitens der Mitarbeiter. Dies führt auf Seiten der Produktion zu einer steigenden Nachfrage nach vollautomatischen, intelligenten Systemen, die ohne intensive Bedienung seitens eines Fertigungsmitarbeiters eingesetzt werden können. Ein weiterer Anspruch ist die geringere Erfahrungs- und Qualifikationsanforderung bei der Einführung neuer Prüfgeräte sowie eine verbesserte Prüfgenauigkeit. „Wenn der Automobil- und 5G-Markt größer wird, wird die Produktlieferkette erweitert. Daher wird unsere Formprüfung, z.B. nach IPC-Standard, immer nützlicher, um die Prüfqualität aufrechtzuerhalten,“ führt Kevin Youngs, European Sales Manager – Inspection Systems Division bei OMRON weiter aus

Ausgestattet mit der eigenen Multi-Direction Multi-Color-Bildgebungstechnologie (MDMC) verbessert die VT-S10-Serie automatisch Einstrahlungswinkel, Farben und Lichtintensität der Beleuchtung während der Inspektion der Baugruppe. Sie ermöglicht, Lötstellen genauer als mit herkömmlichen Bildgebungsverfahren zu erfassen und die Störung durch Schatten benachbarter hoher Bauteile zu eliminieren. Dabei werden Merkmale wie die Form der elektronischen Komponenten und der Lötstellen auf der Leiterplatte berücksichtigt. Erste Tests zeigen, dass dadurch die für die Einrichtung erforderlichen Arbeitsstunden um etwa 70% reduziert werden können. Darüber hinaus kann die VT-S10-Serie mit Hilfe von KI Inspektionsprozesse automatisieren, bei denen die Qualität bisher von den menschlichen Sinnen abhängig war. Dadurch wurde die Inspektionsgenauigkeit erheblich verbessert. „Unsere 30 Jahre Erfahrung auf dem Gebiet der Qualitätsprüfung sowie unsere Nähe zum Markt haben uns bei der Entwicklung der VT-S10-Serie maßgeblich geholfen“, so Youngs.

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige