Để hỗ trợ các nhà sản xuất linh kiện thụ động cải thiện kiểm soát chất lượng, Advantech đã hợp tác với Spingence để tối ưu hóa khả năng phát hiện lỗi bằng AI với MIC-730AI và MIC-770. BKAII cùng các bạn tìm hiểu rõ hơn về giải pháp này nhé!

Các linh kiện thụ động rất quan trọng đối với các sản phẩm điện tử và việc sản xuất chúng là một trong những lĩnh vực phát triển chính của ngành công nghiệp điện tử Đài Loan. Các nhà sản xuất Đài Loan luôn giữ vị trí then chốt trên thị trường linh kiện thụ động toàn cầu. Trong vài năm qua, ngành công nghiệp linh kiện thụ động của Đài Loan không chỉ tích cực phát triển các ứng dụng cao cấp như xe điện, hàng không vũ trụ và thiết bị 5G, mà còn nâng cấp hơn nữa với phần mềm phát hiện lỗi AINavi của Spingence và các giải pháp của Advantech để đảm bảo năng suất sản phẩm và giảm chi phí sản xuất. Bằng cách tối ưu hóa toàn diện dòng sản phẩm, khả năng cạnh tranh của ngành trên thị trường quốc tế đã được củng cố đáng kể.

Cơ chế kiểm tra dựa trên quy tắc AOI dẫn đến ba điểm mù chính trong quá trình phát hiện lỗi

Jem Wu, Giám đốc Phát triển Kinh doanh của Spingence tại Trung Quốc Đại lục, đã chỉ ra rằng các bộ phận thụ động chủ yếu được sử dụng để tích trữ hoặc giải phóng điện năng, và những hư hỏng bên ngoài hoặc các khiếm khuyết khác có thể khiến các bộ phận thụ động hoạt động không bình thường hoặc hỏng hóc, dẫn đến những tình huống nguy hiểm chẳng hạn như trong thời gian ngắn. -mạch điện, đánh lửa hoặc nổ sản phẩm. Do đó, việc kiểm tra các khuyết tật bên ngoài là cần thiết để đảm bảo chất lượng trước khi các bộ phận thụ động được vận chuyển.

Trước đây, các nhà sản xuất linh kiện thụ động chủ yếu tiến hành phát hiện lỗi bề ngoài thông qua máy kiểm tra sáu mặt dựa trên công nghệ kiểm tra quang học tự động (AOI), so sánh hình ảnh quang học của sản phẩm với các quy tắc để xác định bề ngoài bị lỗi. Wu cho biết: “Phương pháp kiểm tra dựa trên quy tắc như vậy có nguy cơ bỏ sót lỗi cao, bảo trì hệ thống khó khăn và tỷ lệ quá mức cần thiết cao”.

Wu giải thích thêm rằng vì AOI dựa vào các quy tắc để xác định lỗi nên các hệ thống như vậy có thể gặp khó khăn trong việc xác định các hình dạng bất thường, sự khác biệt tinh tế về sắc thái của màu xám hoặc các lỗi không mong muốn khác. Do đó, người lao động được yêu cầu phải có bí quyết của ngành và thiết lập nhiều quy tắc tham số hơn để cho phép hệ thống AOI xác định các lỗi bên ngoài, dẫn đến xu hướng rủi ro bỏ sót kiểm tra và khó khăn trong việc bảo trì hệ thống.

Để giảm các lỗi bị bỏ sót trong quá trình kiểm tra và thậm chí đạt được mục tiêu không bỏ sót, các kỹ sư thường sử dụng các thông số nghiêm ngặt hơn để xác định quy tắc cho các lỗi, dẫn đến tỷ lệ quá mức cần thiết, trong đó các sản phẩm không có lỗi dễ bị đánh giá sai là bị lỗi, không chỉ dẫn đến quá trình lãng phí mà còn do sự cần thiết và chi phí kiểm tra lại bằng mắt của các thanh tra viên. Wu cho biết: “Cả cảnh báo sai và nhu cầu bổ sung nhân sự đều khiến khách hàng của chúng tôi tốn nhiều chi phí sản xuất hơn.

Spingence tích hợp AOI với AI để tối đa hóa hiệu suất phát hiện lỗi

Để giải quyết vấn đề, Spingence đã cho ra mắt phần mềm phát hiện lỗi AINavi nhằm khắc phục những hạn chế của công nghệ AOI với trí tuệ nhân tạo. Vì AI có thể tìm hiểu các đặc điểm của lỗi từ một lượng lớn dữ liệu lịch sử và xác định lỗi thông qua các đặc điểm, nên chúng vượt trội hơn trong việc phát hiện nhiều loại lỗi hơn AOI. Điều này cho phép các công ty giảm rủi ro thiếu kiểm tra, tỷ lệ quá mức cần thiết và chi phí vận hành bảo trì nhân sự.

"AOI và AI áp dụng các nguyên tắc khác nhau để xác định lỗi và không có cách nào chắc chắn cái nào tốt hơn hay tệ hơn," Wu lưu ý. "Nhưng bằng cách sử dụng cả hai phương pháp, chúng có thể bổ sung cho nhau và tối đa hóa hiệu suất phát hiện lỗi. ” Kiểm tra AOI dựa trên các quy tắc, tối ưu cho việc xác định các lỗi liên quan đến đo lường như chiều dài sản phẩm do tiêu chuẩn đã được xác định và không yêu cầu điều chỉnh thông số. , làm cho nó phù hợp hơn để xử lý các lỗi phức tạp hoặc không rõ ràng.

Do đó, khi hỗ trợ các nhà sản xuất linh kiện thụ động trong việc triển khai AINavi, Spingence không chỉ cung cấp các API tiêu chuẩn mà còn tích hợp các máy kiểm tra sáu mặt hiện có thông qua TCP/HTTP, cho phép các quy trình dây chuyền sản xuất hiện tại không thay đổi. Các vật liệu sẽ vẫn đi qua máy kiểm tra sáu mặt, ngoại trừ việc giờ đây máy sẽ gửi thêm các bộ hình ảnh tới AINavi để hệ thống AI nhận dạng, kết quả sau đó sẽ được gửi lại cho máy kiểm tra sáu mặt để xử lý tiếp theo . Điều này đồng nghĩa với việc người lao động không cần phải học các quy trình vận hành mới, đảm bảo dây chuyền sản xuất vận hành ổn định.

Ngoài việc giúp các nhà sản xuất linh kiện thụ động tích hợp thiết bị hiện có của họ, Spingence còn tính đến nhu cầu hiệu quả của ngành sản xuất; nó chạy AINavi trên hệ thống MIC-770 không quạt của Advantech với card đồ họa hoặc hệ thống suy luận AI MIC-730 để cải thiện hiệu quả tính toán của hệ thống. Do đó, AINavi có thể kiểm tra hàng nghìn bộ phận chỉ trong một phút, đáp ứng nhu cầu kiểm tra tốc độ cao cho dây chuyền sản xuất với màu sắc bay bổng.

Theo Wu, hai lý do chính đã góp phần vào quyết định hợp tác của họ với Advantech. Đầu tiên là phần cứng của Advantech rất đa dạng và nhẹ, đáp ứng sở thích và nhu cầu của nhiều khách hàng. Lý do thứ hai là sự ổn định của phần cứng. Vì các máy tính công nghiệp được cắm với card đồ họa hoặc được sử dụng để chạy các mô hình AI, tính toàn vẹn được yêu cầu của việc tích hợp thành phần có thể rất khó khăn. Nếu sự tích hợp không đủ toàn diện, sẽ có những vấn đề như nguồn điện không hoạt động hoặc không tương thích giữa trình điều khiển GPU và bo mạch chủ, làm vô hiệu hóa AI. Có uy tín và được khách hàng trên toàn cầu tin tưởng, Advantech cung cấp phần cứng ổn định hơn trên thị trường, khiến Advantech trở thành đối tác phần cứng tốt nhất cho Spingence.

Ba lợi ích chính của phần mềm phát hiện lỗi AINavi: Giảm thời gian vận hành, nhân công và chi phí

Sau nhiều trường hợp thành công trong việc giới thiệu AINavi cho các dây chuyền sản xuất linh kiện thụ động, có thể tóm tắt ba lợi ích chính và lợi ích đầu tiên là tiết kiệm thời gian vận hành của các kỹ sư. Trước đây, các kỹ sư phải biết mọi chi tiết về việc thiết lập các thông số và quy tắc để xác định một góc bị lỗi và nếu chỉ bỏ sót một góc bị lỗi, họ sẽ phải điều chỉnh các thông số AOI. Tuy nhiên, sau khi triển khai AINavi, giờ đây các kỹ sư chỉ cần thu thập hình ảnh sản phẩm, vẽ các vòng tròn xung quanh các lỗi và để phần còn lại cho hệ thống vì nó tự tìm hiểu các đặc điểm. Wu cho biết: "Giao diện đào tạo của AINavi rất đơn giản và trực quan, ngay cả những người vận hành dây chuyền sản xuất cũng có thể học cách vận hành nó một cách dễ dàng".

Thứ hai là cách hệ thống giảm nhân lực cần thiết cho việc kiểm tra trực quan hoặc thậm chí loại bỏ toàn bộ quy trình kiểm tra kép thủ công. Ví dụ: một nhà sản xuất các bộ phận thụ động ô tô ban đầu có ba người vận hành cho mỗi máy kiểm tra sáu mặt chịu trách nhiệm về các hoạt động chất tải, dỡ hàng và kiểm tra kép. Sau khi giới thiệu AINavi, cứ ba máy kiểm tra sáu mặt chỉ yêu cầu một người vận hành chỉ xử lý các hoạt động xếp dỡ. Những cải tiến như vậy không chỉ làm giảm chi phí lao động mà còn loại bỏ rủi ro liên quan đến tình trạng thiếu lao động ngày càng trầm trọng.

Thứ ba là làm thế nào để tránh lãng phí không cần thiết trong quá trình sản xuất, giảm chi phí sản xuất một cách hiệu quả. Một số nhà máy linh kiện thụ động ban đầu có tỷ lệ quá mức cần thiết là 4-5%; sau khi giới thiệu AINavi, nhiều sản phẩm đủ tiêu chuẩn ban đầu được phân loại là bị lỗi đã được phục hồi, trong khi tỷ lệ quá mức cần thiết giảm xuống 1%, nhờ đó giảm 3-4% chi phí sản xuất.

Wu nhấn mạnh rằng khi các tiêu chuẩn của khách hàng cuối đối với vật liệu đầu vào ngày càng tăng, ngành công nghiệp linh kiện thụ động không còn có thể chỉ dựa vào thiết bị AOI hiện có để tránh lỗi. Chỉ bằng cách tích hợp công nghệ AI để cải thiện khả năng kiểm soát chất lượng và đảm bảo rằng tất cả các sản phẩm xuất xưởng đều đáp ứng nhu cầu của khách hàng, các công ty mới được thị trường công nhận và chấp thuận. Điều này không chỉ đúng với ngành linh kiện thụ động mà còn đúng với bất kỳ ngành sản xuất nào đang phải chịu tỷ lệ quá mức cần thiết cao và cần phân bổ thêm nhân lực để tái kiểm tra. Đối với các nhà sản xuất IC, ốc vít, bộ phận kim loại, v.v., việc giới thiệu AINavi sẽ đảm bảo chất lượng sản phẩm, mang đến cơ hội mở rộng thị trường trong tương lai với những sản phẩm tinh tế nhất.

Như vậy là BKAII đã chia sẻ đến các bạn dự án Advantech hợp tác với Spingence để tối ưu hóa khả năng phát hiện lỗi bằng AI với MIC-730AI và MIC-770. Có thắc mắc hay cần thêm thông tin các bạn liên hệ BKAII nhé!

Xem thêm:

"BKAII - Thiết bị truyền thông TỐT nhất với giá CẠNH TRANH nhất!"

Bài viết mới cập nhật...

 
 

Số lượng người đang truy cập...

Đang có 937 khách và không thành viên đang online