Von der Feinplanung bis zur Qualitätsprüfung

Welche Bedeutung hat KI für die Elektronikfertigung?

Intelligente Algorithmen und Machine Learning (ML) können Fertigungsprozesse deutlich verbessern. Das Technologieunternehmen TQ hat erste KI-Projekte bereits erfolgreich in der Elektronikfertigung umgesetzt und wird in den kommenden Jahren alle Produktionsstandorte in diesen Prozess mit einbeziehen.

Künstliche Intelligenz (KI) kommt beispielsweise in der Feinplanung von Produktionsprozessen zum Einsatz, indem Informationsflüsse automatisiert ablaufen. Mit Hilfe von maschinellem Lernen und der Einbeziehung automatisierten intelligenten Verhaltens ist es möglich, sehr individuelle, auf Daten aufbauende und mit Daten trainierte Modelle zu entwickeln, um Testverfahren zu beschleunigen oder vorhersagende Verfahren im Bereich Ersatzteilmanagement oder Qualität einzusetzen. Damit werden Produktivitätssprünge möglich, die durch schrittweise Prozessverbesserung nicht erreichbar sind. Mit Hilfe beschleunigter, automatisierter und autonomer Prozesse können Unternehmen durch den systematischen Einsatz von KI ihre Wettbewerbsfähigkeit verbessern. 

Anzeige

Künstliche Intelligenz in Unternehmen meint den Einsatz von Software, die Methoden maschinellen Lernens (Machine Learning) nutzt, um Prozesse zu automatisieren, zu optimieren, zu beschleunigen und nicht zuletzt nachhaltiger zu gestalten. Herkömmliche Software funktioniert nach festen Regeln, wohingegen KI-Programme kontinuierlich mit neuen Daten gespeist werden, hinzulernen und die erzielten Ergebnisse stetig weiteroptimieren. KI-Software kann daher Muster erkenne, Verknüpfungen bilden und Herausforderungen meistern, an denen bisherige Software-Lösungen an ihre Grenzen stoßen.

Die tägliche Erstellung von Fertigungsreihenfolgen, Steuerungsprozessen und die Planung von Maschinenressourcen ist in vielen Unternehmen oft noch mit hohem manuellem Aufwand verbunden. Gerade bei kleinen Stückzahlen, kurzen Lebenszyklen und hoher Varianz sind herkömmlich arbeitende Programme unwirtschaftlich in der Erstellung oder mit der Komplexität der Feinplanung überfordert. 

Optimierung der Feinplanung mithilfe von KI

Ein ideales Einsatzgebiet für KI bietet die Feinplanung. Hier ermöglicht es KI, die vorhandenen Betriebsmittel so effizient wie möglich zu nutzen, Maschinen optimal auszulasten und die Ressource Mensch von monotonen, zeitfressenden Aufgaben zu entlasten. Beim Technologiedienstleister und Elektronik-Spezialisten TQ wird die Steuerung und Feinplanung mittlerweile nicht mehr manuell, sondern voll automatisiert und datengetrieben durchgeführt. 

KI Elektronikfertigung Bild1 1000

Bild 1: TQ wendet die Reinforced-Learning-Methode zur Automatisierung der Feinplanung in der SMT-Fertigung an.

Dabei kommt bei TQ ein intern entwickeltes und mittlerweile produktiv eingesetztes Tool zur Anwendung, das die Methode des Reinforced Learnings nutzt. Dabei wird ein eigens dazu entwickelter Algorithmus mit den für den optimalen Fertigungsmix relevanten Vergangenheitsdaten aus der SMD-Fertigung gespeist. Dieser bringt sich selbst bei, wie eine optimale Maschinenbelegung aussieht. Im Falle von TQ wurden historische Auftrags- und maschinenbezogene Daten aus über fünf Jahren bereitgestellt, um damit den Algorithmus zu trainieren und dessen Vorhersagen und Ergebnisse zu optimieren. 

KI Elektronikfertigung Bild2 1000

Bild 2: Lernmethoden für maschinelles Lernen

Dank KI nur 15 Minuten statt mehrerer Stunden 

In weniger als 15 Minuten übernimmt das Programm vollautomatisiert den gesamten Fertigungsvorrat aus SAP und überführt diesen automatisiert in eine optimale Fertigungsreihenfolge inklusive Linienzuordnung, Schichtplanung und Rüstreihenfolge. Dieser Vorgang nahm manuell bisher täglich mehrere Stunden je Fertigungsstandort in Anspruch. Der Einsatz von Machine Learning zum Beispiel bei der Feinplanung von Fertigungsressourcen birgt somit ein enormes Potenzial, vorhandene Mittel effizienter zu nutzen und demonstriert, wie KI in der Fertigung die Wettbewerbsfähigkeit verbessern kann. 

Allerdings gibt es auch Herausforderungen in der Implementierung zu berücksichtigen. Eine dieser Herausforderung ist sicherlich, die KI-Experten und die Produktionsprozessexperten für eine gemeinsame Lösung zu begeistern und den Know-how-Transfer sicherzustellen. Ein ganz wesentlicher Aspekt gerade zu Beginn eines Projekts ist, dass die Mitarbeiter, die bisher etwa Prozesse manuell ausgeführt haben, einbezogen werden und an der Lösung teilhaben. So gilt es, ähnlich wie beim Einsatz der Robotik, dem Change Management als wichtigste Säule im Implementierungsprozess ausreichend Aufmerksamkeit zu widmen. Diese Vorgehensweise empfiehlt sich bei jeder Form der Automatisierung.

Newsletter
Newsletter Box

Mit Klick auf den Button "Jetzt Anmelden" stimme ich der Datenschutzerklärung zu.

KI-Einsatz beschleunigt die Qualitätskontrolle 

Die Qualitätskontrolle stellt ein weiteres Anwendungsfeld von KI dar. Bei TQ wird beispielsweise die Qualität von Elektromotoren mittels KI geprüft. So konnten Prüfumfänge und Prüfzeiten durch maschinelles Lernen enorm reduziert und sehr viel präzisere Ergebnisse erzielt werden. Zum Einsatz kommt hierbei die so genannte Supervised-Learning-Methode, bei der der Algorithmus mit „Gut“- und „Schlecht“-Mustern trainiert wird. Auch hier gilt: je größer der Pool an Trainingsdaten desto präziser und schneller arbeitet der Algorithmus später im produktiven Einsatz. Das bedeutet auch, dass der Algorithmus mit steigender Anzahl an geprüften Motoren und damit einem stetig größer werdenden Pool an Trainingsdaten immer früher „gut“ von „schlecht“ unterscheiden kann – bei gleicher Vorhersagegenauigkeit. Vom Prinzip her entspricht das einem automatischen kontinuierlichen Verbessern der Endprüfung von Produkten ohne Eingriff des Mitarbeiters. Auch hier lassen sich eine enorme Zeitersparnis und eine bessere Vorhersage der Ausfallwahrscheinlichkeit realisieren.

Welches Potenzial von KI gilt es für die Elektronikfertigung künftig noch zu bergen? 

Ein wesentliches Potenzial liegt in der Integration von KI in das Manufacturing Execution System (MES). Damit lassen sich die zuvor beispielhaft beschriebenen Methoden auf den gesamten Produktionsprozess ausweiten und nahtlos in die bestehenden Arbeitsprozesse einbinden. 

Insbesondere für die Prozessoptimierung in der Elektronikfertigung bieten KI-gestützte Anwendungen enorme Optimierungsmöglichkeiten. Deshalb ist in der mittel-bis langfristigen Produktionsstrategie bei TQ der schrittweise und systematische Einsatz von KI als eine elementare Säule fest verankert.

Luschnig Markus

TQ-Group -

Produktionsleiter

Anzeige

Artikel zu diesem Thema

Weitere Artikel

Newsletter
Newsletter Box

Mit Klick auf den Button "Jetzt Anmelden" stimme ich der Datenschutzerklärung zu.