
Tradycyjni producenci płytek drukowanych zazwyczaj używają algorytmów wizji maszynowej opartych na regułach do kontroli defektów i potrzebują wysoko wykwalifikowanego inspektora do ponownej kontroli. Nasz klient, znany producent płytek PCB z trzema głównymi centrami produkcyjnymi na Tajwanie, w Chinach i Japonii, planował poprawić wydajność swojej linii produkcyjnej z podwójnym pakietem in-line (DIP) i SMT poprzez wykorzystanie technologii AI. Obecnie każda płytka PCB nadal wymaga ręcznego ponownego sprawdzenia po automatycznej kontroli wizualnej. Wynika to z faktu, że zazwyczaj około 2-3 komponenty elektryczne na płytce PCB nie są dokładnie rozpoznawane na podstawie danych przechwyconych z kamer 3D z powodu niskiego kontrastu. W rezultacie wskaźnik niedokładności kontroli AOI sięga nawet 70-80%.
Wyzwanie
Aby zwiększyć wydajność, klient zdecydował się na zastosowanie głębokiego uczenia CNN w celu zastąpienia istniejącego podejścia AOI opartego na regułach. Przejście inicjatywy AI od prototypu do produkcji zajmuje średnio 7,3 miesiąca. Kompleksowe rozwiązanie do kontroli defektów oparte na sztucznej inteligencji obejmuje niezawodne, wydajne systemy sztucznej inteligencji oraz wysoce precyzyjne oprogramowanie do kontroli wielu defektów z algorytmami sztucznej inteligencji. Ponadto, ponieważ klientowi zależało na ciągłej poprawie dokładności, wymagane jest ponowne przeszkolenie modelu AI na linii produkcyjnej.
Rozwiązania
Firma Advantech nawiązała współpracę z Phison, aby sprostać tym wyzwaniom. Usługa aiDAPTIV+ AOI firmy Phison działa doskonale na systemie sztucznej inteligencji AIR-030 Jetson Orin firmy Advantech do wnioskowania, wraz z potężną stacją roboczą AIR-520 4U AI, która posiada certyfikat NVIDIA z 2x RTX A5000. do przekwalifikowania na krawędzi. Advantech AIR-030, zasilany przez NVIDIA AGX Orin, zapewnia wysoką moc obliczeniową do wykonywania zadań wizyjnych i wnioskowania, w tym ulepszania obrazu, identyfikacji defektów i wykrywania w czasie rzeczywistym. Kompaktowy system AI posiada bogate złącza I/O, w tym CANBUS i COM do sterowania ruchem i czujnikami, rozszerzenie PoE dla kamer CCD oraz LAN do transmisji danych. Przechwycone obrazy 3D są nie tylko przesyłane do AIR-030 w celu wnioskowania, ale AIR-520 jest również instalowany na linii produkcyjnej w celu ponownego szkolenia modelu AI.
Skomplikowane szkolenie AI w czasie rzeczywistym i wysokowydajne obliczenia zostały przeprowadzone lokalnie na AIR-520 dzięki procesorowi AMD EPYC 7000 Zen3 i dwóm kartom graficznym NVIDIA RTX. Advantech AIR-520 obsługuje do 45 TB pamięci masowej, dzięki czemu wszystkie dane obrazu używane do szkolenia modeli AI mogą być przechowywane lokalnie, aby zapewnić bezpieczeństwo danych niejawnych. Oferuje również 2 x 10GbE i 2 x 2,5GbE do masowej transmisji danych. Ponadto posiada wbudowany zasilacz o mocy 1200 W, co ułatwia integrację sprzętu.
Precyzyjny model AI działający zarówno na AIR-030, jak i AIR-520 został opracowany przez usługę aiDAPTIV+ AOI firmy Phison. Na wczesnych etapach badań i rozwoju, Phison pomagał w zbieraniu danych AOI z linii produkcyjnej i wykorzystywał generatywną sieć przeciwstawną (GAN), aby podejść do generatywnej sztucznej inteligencji, generując dodatkowe obrazy defektów do treningu. Takie podejście umożliwiło firmie Phison zbudowanie podstawowego modelu o znacznej wydajności. Usługa aiDAPTIV+ AOI firmy Phison zapewniła również niestandardowe, precyzyjnie dostrojone modele dostosowane do konkretnych linii produkcyjnych, uwzględniające różne sytuacje. W porównaniu do innych rozwiązań AOI AI, które wykorzystują ogólne modele, niestandardowe modele lepiej spełniają wymagania klientów.
Gdy model AI działa, dane są selektywnie wykorzystywane do ponownego trenowania modelu poprzez MLOps, optymalizując jego wydajność w czasie. Proces ten znacznie zwiększa dokładność modelu w identyfikacji wad produktu. Po wdrożeniu usługi aiDAPTIV+ AOI firmy Phison, wydajność pierwszego przejścia (FPY) wzrosła z 74% do 99%, zmniejszając obciążenie operatorów ponownej kontroli o 96%. Wskaźnik ucieczki mógł zostać zmniejszony do poziomu poniżej 100 ppm, co znacznie zmniejszyło ryzyko przeoczenia wad.
Korzyści
- Potężny system wnioskowania krawędziowego z pionowymi wejściami/wyjściami dostosowanymi do aplikacji.
- Stacja robocza Edge AI z możliwością zarządzania na poziomie serwera BMC i dwiema kartami GPU do szkolenia.
- Przyspieszone wdrożenie aplikacji dzięki partnerowi ISV.
Wyniki
- Zmniejszenie wskaźnika underkill o 99%.
- Zmniejszenie nakładu pracy związanego z ręczną ponowną inspekcją o 92%.
- Zwiększony wskaźnik wydajności o 95%