SMT-Fertigung: Machine-Learning- und KI-Algorithmen zur Datenanalyse

„In einer SMT-Fertigung gibt es Maschinen und Systeme unterschiedlicher Hersteller und verschiede­nen Alters, die vonein­ander abweichende Kommunika­tionsmethoden nutzen. Dies er­schwert den Da­ten­transfer und die -analyse“, erklärt Peter Bollinger, CEO der iTAC Software AG, und ergänzt: „Die Daten müssen zuverlässig an übergeord­nete Systeme übermittelt werden. Unsere iTAC.SMT.Edge und iTAC.IIoT.Edge ermöglichen es, einfach die Daten aller SMT-Ma­schinen in Echtzeit zu erfassen, zu verknüpfen und zu analysie­ren.“

Analyse-Tools wie die iTAC.IIoT.Edge übernehmen unter anderem die Aufgabe, IIoT- mit MES-Daten zu flachen Datenstrukturen zu verbinden und diese Daten in Echtzeit zu analy­sieren. Da­bei können die Datenpakete auch an an­dere vom Kunden eingesetzte Analy­se- oder ML-/KI-Tools weiterge­leitet werden.

SMT-Fertigung: KI-Algorithmen zur Überwachung und Analyse

Durch den Einsatz der beiden Edge-Lösungen als Bestandteile des MOM (Manufacturing Operations Management) von iTAC lassen sich zahlreiche Use Cases für die fortschrittliche und digitalisierte SMT-Fertigung ausprägen. Zum Beispiel die Überwachung der Zykluszeit: KI-Algorithmen über­wachen dabei auf intelligente Weise die Zykluszeit auf abnormales Geräte­verhalten.

„In der Fertigung erfordert das Streben nach mehr Effizienz eine kontinuierliche Reduzierung der Zykluszeiten“, sagt Peter Bollinger, und fährt fort: „Durch die aktive Überwachung der Zeiten und den Einsatz von KI zur Erkennung von abnormalem Anlagenverhalten sowie der Alarmierung bei Abweichungen ent­stehen signifikante Zeiteinsparungen. Denn die Reaktionszeiten bei Problemen und damit einhergehend die Durchlaufzeiten verkürzen sich. Zudem ist eine gezielte, proaktive Problemlösung möglich.“

Ein weiterer Use Case kann die Reduzierung der AOI-Pseudofehler sein. KI-Algo­rithmen minimieren dabei die Pseudofehlerzahl von automatischen Prüf­geräten. Denn die meisten SMT-Linien mit AOI haben mit einer hohen Rate an Pseudo­fehlern zu kämpfen (30 bis 80%). Mit dem Einsatz von KI kann mit einer hohen Zuverlässigkeit zwischen echten Defekten und falschen Aufrufen unterschieden werden. Der Bedarf an manueller Prüfung und der damit verbundene Zeit- und Kostenaufwand redu­zieren sich um bis zu 60%. Es ergibt sich ein höherer Durchsatz bei gleichzeitiger Unterstützung der Null-Fehler-Produktion.

Auch können auf Basis der iTAC-Lösung KI-Algorithmen die verbleibende Nutzungsdauer von Geräten zu Gunsten von Predictive Maintenance berechnen. Durch die Überwachung der Maschinenzustandsdaten können KI-Algorithmen Probleme oder sich anbahnende Anlagefehler vorhersagen, um zum Beispiel rechtzeitig Maschinenreparaturen zu ermöglichen oder die Restnutzungsdauer zu schätzen.

Dies sind nur drei von zahlreichen möglichen Szenarien, mit denen sich Effizienz­steigerungen, Kosteneinsparungen sowie Digitalisierungsvorsprünge in der SMT-Fertigung erzielen lassen.

Lesen Sie auch: „Closed Loop“ in der SMT-Fertigung