Producent złączy poprawia jakość i wydajność dzięki systemowi AI

Rynek smartfonów zawsze był bardzo konkurencyjny. Aby zwiększyć lojalność klientów, główne marki pracują nad potężnymi funkcjami i innowacyjnymi projektami, a jednocześnie przestrzegają coraz bardziej rygorystycznych standardów w produkcji OEM, aby zapewnić, że wszystkie dostarczane produkty są jednolicie wysokiej jakości.

Producent złączy do urządzeń elektronicznych produkuje pod własną marką, a także jako OEM dla kilku znanych światowych marek elektroniki użytkowej. Firma ta zdecydowała się na wdrożenie AINavi firmy Spingence, aplikacji do wizualnego wykrywania wad AI, wraz z rozwiązaniem firmy Advantech. Dzięki zastąpieniu istniejącego procesu ręcznej inspekcji wizualnej procesem AI do identyfikacji wad, zredukowano nakład pracy potrzebny do produkcji, przy jednoczesnej poprawie jakości. Nowy system pozwolił firmie nawiązać głębsze i bardziej ufne relacje z producentami smartfonów oraz umożliwił przewidywanie stałego wzrostu i rozwoju.

Trzy główne wyzwania związane z ręczną kontrolą wizualną
EJ Lee, Business Development Manager w firmie Spingence, stwierdził, że istnieje kilka barier w kontroli jakości złączy, w tym kontrola rozmiaru, wodoszczelności, podłączania i odłączania, a także identyfikacja widocznych wad. Zautomatyzowali większość elementów kontroli, z wyjątkiem widocznych wad, które nadal polegały na kontroli wzrokowej człowieka.

Wizualna kontrola wad złączy jest dość złożona ze względu na obecność zarówno metalowych, jak i plastikowych komponentów, z których każdy ma różne rodzaje potencjalnych wad. Powoduje to złożoną różnorodność defektów do wykrycia. Gdyby firma wdrożyła zautomatyzowaną kontrolę optyczną (AOI), która staje się powszechna jako rodzaj zautomatyzowanej kontroli, wiele wad mogłoby pozostać niewykrytych i nadal wymagana byłaby dodatkowa kontrola wizualna przez operatorów ludzkich. Ponadto klienci marki smartfonów wymagają, aby w przypadku każdego sprzętu AOI dostawca znajdował się na określonej liście zatwierdzonych dostawców usług, co uniemożliwia podejmowanie niezależnych decyzji.

Po dokładnym rozważeniu producent złączy zdecydował się na przyjęcie metody ręcznej kontroli wizualnej. Średnio 5 do 10 inspektorów wizualnych zostało przydzielonych do każdej linii produkcyjnej, aby wizualnie sprawdzić produkty pod kątem wad. Istnieją jednak trzy główne problemy, które pojawiają się przy tego typu ręcznej inspekcji. Po pierwsze, jakość inspekcji jest dość zmienna. Definicja każdego inspektora dotycząca tego, co stanowi wadę, może być nieco inna ze względu na różny poziom doświadczenia lub inne czynniki. Powoduje to pewną niespójność.

Drugą kwestią są koszty. Ręczna kontrola na końcu każdej linii produkcyjnej jest dość kosztownym procesem. Jeśli takie koszty można zmniejszyć, całkowity koszt produkcji może zostać znacznie obniżony.

Po trzecie, istnieje potencjalne ryzyko niedoboru siły roboczej. Ze względu na niższy wskaźnik urodzeń i obecne trendy w zatrudnieniu w niektórych społeczeństwach na całym świecie, niedobór siły roboczej jest realną możliwością i czymś, na co należy się przygotować.

Połączenie AINavi z Advantech Hosts w celu promowania automatyzacji wykrywania widocznych defektów
Producent złączy zdecydował się na wprowadzenie AINavi na swoje linie produkcyjne wtyków słuchawkowych, ładowarek Typu-C, kabli do smartfonów Typu-C oraz słuchawek Typu-C w celu przeprowadzenia w pełni zautomatyzowanej kontroli po przeprowadzeniu kompleksowej oceny technologii.

Lee wyjaśnił dalej ogólną strukturę systemu. Proces opiera się na istniejącym sprzęcie AOI producenta. Obrazy są wykonywane przez komputer główny sprzętu AOI, a następnie wysyłane do hosta AI w celu przeprowadzenia procedur wstępnego przetwarzania, takich jak kadrowanie, zmniejszanie i maskowanie. Następnie obrazy są analizowane i interpretowane przez AINavi, a wyniki są przesyłane z powrotem do komputera głównego sprzętu AOI w celu wyeliminowania wadliwych produktów.

Ze względu na wysoki popyt ze strony klientów marki smartfonów, producent złączy przykłada dużą wagę do czasu cyklu produkcyjnego i szybkości kontroli. Cele produkcyjne wymagają wyjątkowej stabilności i wydajności od hosta AI. Z tego powodu firma Spingence zdecydowała się na współpracę z firmą Advantech i wdrożyła bezwentylatorowy system MIC-770 firmy Advantech, wspomagany przez wydajną kartę graficzną, z przemysłowymi serwerami GPU SKY-6400 i SKY-6420 jako hostami AI.

Lee poinformował nas, że producent złączy posiada szeroką gamę produktów, a dla każdego z nich musi być uruchomiony inny model AI, co stwarza wymagania dla komputera-hosta. Ponieważ Advantech posiada wiele rozwiązań, klient może wykorzystać istniejący sprzęt Advantech i rozbudować go.

Na przykład w przypadku produktów, które wymagają jedynie 3-5 modeli inspekcji AI, wystarczy urządzenie MIC-770 w połączeniu z kartą graficzną. Jeśli klient zdecyduje się na zwiększenie liczby kategorii wad dla inspekcji AI, wystarczy dodać 1 lub 2 kolejne urządzenia MIC-770. Ponieważ MIC-770 ma niewielkie rozmiary, nie zajmuje dużo miejsca, co zapewnia dużą elastyczność rozbudowy. SKY-6400 i SKY-6420 mogą być stosowane do produktów o większej liczbie kategorii wad i bardziej złożonych. Oprócz wykrywania wad AI, mogą być również używane jako trenerzy modeli AI. Dzięki funkcji planowania oprogramowania AINavi, inżynierowie mogą zaplanować szkolenie modeli AI z wyprzedzeniem, aby przeprowadzić je po godzinach pracy. Mogą następnie zastosować przekwalifikowane modele następnego dnia, aby potwierdzić skuteczność przekwalifikowanych modeli inspekcji AI.

Dwie główne zalety oprogramowania AINavi do wykrywania wad: Niższe koszty i większy wybór sprzętu
"Największą korzyścią, jaką AINavi przyniósł producentowi złączy, jest redukcja kosztów i ustanowienie autonomii sprzętu" - powiedział Lee. Ponieważ AINavi osiąga wskaźnik niewykrytych wad poniżej 1% i wskaźnik wydajności maszyny powyżej 95%, producent złączy z powodzeniem wyeliminował wymagania dotyczące inspektorów wizualnych i przesunął siłę roboczą do innych procesów, zmniejszając zarówno koszty produkcji, jak i potencjalne ryzyko braku siły roboczej w tym samym czasie.

Ponadto, jeśli zautomatyzowana kontrola wad miałaby zostać wdrożona w innych liniach produktowych, producent złączy również nie byłby ograniczony do dostawców sprzętu AOI określonych przez klientów marki smartfonów, ponieważ SI może przeprowadzić zautomatyzowaną kontrolę, dając tym samym firmie autonomię sprzętową.

Lee zauważył, że firma Spingence została najpierw założona w dziedzinie aplikacji automatyki przed rozszerzeniem się na aplikacje AI. Zgromadzili duże doświadczenie we współpracy z fabrykami, sprzedawcami sprzętu i integratorami systemów. Firma Spingence jest świadoma wszystkich problemów, które mogą wystąpić podczas wdrażania aplikacji AI, i pomaga producentom w rozwiązywaniu tego typu problemów przy tworzeniu autonomicznej AI w ich zakładach.

W przyszłości firma Spingence zamierza kontynuować rozszerzanie zastosowań AINavi na różne inne branże produkcyjne, które wymagają wizualnej kontroli wad. Ma również plany współpracy z dostawcami sprzętu AOI w celu zwiększenia wartości dodanej sprzętu dzięki możliwościom AI. Podążając tą drogą, firma Spingence dąży do wspierania tajwańskiego przemysłu w tworzeniu i zwiększaniu jego konkurencyjności poprzez technologię.

AINavi-CMS

AINavi-AOI-Seq

MIC-7700

SKY-640V2

SKY-6420