Jak vyřešit potíže se zabezpečením kvality s pomocí umělé inteligence

Jak vyřešit potíže se zabezpečením kvality s pomocí umělé inteligence

01. 03. 2022

V závodě Siemens Elektronikwerk Amberg vytvořili algoritmus, který předpovídá pravděpodobnost vad, pro zefektivnění rentgenových testů desek s plošnými spoji.

Zajištění bezchybnosti pájených spojů na deskách s plošnými spoji je důležitou součástí procesu zabezpečení jakosti. V závodě Elektronikwerk Amberg (EWA) zaznamenali, že celkový výkon továrny zpomaluje doba obrátky při rentgenovém testování desek na výstupu z výrobní linky. Místo aby využili tradiční řešení a nainstalovali další rentgenové přístroje, rozhodli se v EWA sáhnout po umělé inteligenci, edge a cloud computingu a vytvořit algoritmus pro prediktivní analýzu kvality. Tento model využívající možnosti umělé inteligence je začleněn do vysoce automatizovaného prostředí a je dalším prvkem na cestě k výrobě s nulovými vadami v závodě EWA.

Industrial Edge – řešení pro prediktivní analýzu kvality k posílení výkonu

V rámci svého řešení predikce kvality na bázi umělé inteligence sází závod EWA na lokální hromadné zpracování dat. Proto si zvolili integrované edge-computingové řešení společnosti Siemens – platformu Industrial Edge, která zaručí vysokou dostupnost a krátké prodlevy, a tudíž rychlé reakce. Dokáže zpracovat velké objemy dat v blízkosti zdroje bez časově náročné komunikace mezi prostředím edge a cloudem, a zvyšuje tak bezpečnost a ekonomickou efektivitu řešení.

Umělá inteligence nám v budoucnu pomůže lépe porozumět našim procesům. Díky AI již výroba s nulovými vadami není pouhou vizí, ale je hmatatelným cílem.

Gunter Beitinger, ředitel závodu Elektronikwerk Amberg

Stručné představení řešení

V rámci modelu na bázi umělé inteligence, kterému říkají analytika s uzavřenou smyčkou, využívají v závodě EWA analýzu procesních dat na úrovni provozu k řízení a optimalizaci základního procesu v reálném čase. Tímto procesem je v daném případě rentgenové testování pájených spojů na výstupu z linky v rámci kontroly desek. V Amberku se rozhodli využít umělou inteligenci k předpovědím, zda daný komponent časově náročný rentgenový test vůbec potřebuje. Transparentnost procesu zde zajistili instalací senzorů automatizovaných prostřednictvím konceptu plně integrované automatizace (TIA). Senzory shromažďují data z tiskárny pájecí pasty, kontroly pájecí pasty, systému pick & place a automatické optické kontroly (AOI). Výstup v podobě zhruba 40 různých datových souborů byl strukturován a přenesen do cloudové platformy MindSphere, kde kombinace kapacity paměti, výkonu zpracování a umělé inteligence vytvoří něco jako cloudovou školu strojového učení pro algoritmy. Jakmile algoritmus EWA zpracoval historické datové soubory, přesunul se model predikce kvality na přístroj edge.

 

Edge aplikace na bázi umělé inteligence shromažďuje a předzpracovává data, která potřebuje pro predikce kvality pájených spojů přímo u zdroje. Všechny údaje důležité pro výrobu zůstávají ve výrobním prostředí. Edge aplikace následně sdílí svou předpověď, tj. zda deska s plošnými spoji vyžaduje rentgenový test či nikoli, s výrobním informačním IT systémem Simatic. Systém pak rozhodne, zda rentgenový test zvolí nebo vynechá. Každý neprovedený test pak usnadňuje plynulost výroby.

Rozsah projektu

V závodě EWA zjistili, že výkon linky, která má na starosti montáž přístrojů na jednotlivé povrchy, zpomalují rentgenové testy prováděné na výstupu z linky. Hlavním cílem projektu bylo zrychlit kontrolu pájených spojů u pinů sběrnicové spojky v základní jednotce SIMATIC ET200SP. Úkolem bylo navrhnout, vytvořit a zavést chytré digitální řešení ke zvýšení výkonu linky, aniž by bylo nutné přikročit k nákupu dalších rentgenových přístrojů. Touto alternativou bylo připojit se ke stávající infrastruktuře chytré továrny a využít ji pro naplnění účelu výroby s nulovými vadami.

Obchodním cílem bylo vytvořit a prokázat správnost celkové koncepce (PoC) v oblasti prediktivní analýzy jakosti, která by byla hospodárná, bezpečná, škálovatelná, otevřená další optimalizaci a replikovatelná u jiných výrobních linek. Celý článek naleznete zde.

Zajímá vás více informací? Přečtěte si více o řešení MindSphere nebo Sinumerik Edge

Zdielať článok