基于iTAC的机器学习和人工智能应用于SMT制造

数据是提高效率、避免错误和创造更多附加价值的基础。SMT制造商面临的挑战是必须适当地收集和分析数据，来从数据中获得价值。MES/MOM专家iTAC Software AG为此提供iTAC.SMT.Edge。这个设备集成平台用于标准化和集中化数据。随后的实时数据分析可进一步处理由iTAC.IIoT.Edge软件处理, 这包括了设备学习和人工智能应用等在解决方案的基础上组合与实施。

“在SMT生产中，有来自不同供应商和不同年份的设备和系统，它们使用不同的通讯协议。这使得数据采集和分析更加困难，”iTAC Software AG的首席执行官Peter Bollinger解释说，他继续说道：“数据必须被可靠地采集到更高级别的系统。我们的iTAC.SMT.Edge和iTAC.IIoT.Edge使我们能够轻松地实时收集、链接和分析所有SMT设备的数据。”

iTAC.IIoT.Edge等分析工具将IIoT数据与MES数据相结合，形成平面数据结构，并实时分析这些数据。这些数据包也可以转发给客户使用的其他分析或ML/AI工具。

用于监测和分析的AI算法

通过使用这两个边缘解决方案作为iTAC的MOM（制造运营管理）的关键组成部分，可以为先进的和数字化的SMT制造开发许多应用案例。例如，生产节拍时间监测。人工智能算法智能地监测设备异常行为可能造成的生产节拍时间变化。

“在生产中，争取更高的效率需要不断改善生产节拍时间，”Peter Bollinger说，并继续说道：“通过主动监测次数，并利用人工智能检测工厂的异常行为，并在出现偏差时及时报警，可以明显的节省时间。这是因为发生问题时所需的响应时间，以及因而减少的产出时间。此外，有针对性的并主动解决问题也变得可行了。”

另一个应用案例是减少AOI的误判。人工智能算法将自动测试设备的误判率降到最低。这是因为大多数采用AOI的SMT生产线必须处理较高的误判（30-80%）。通过使用人工智能，可以高度可靠地区分真正的缺陷和误报。对人工复查的需求以及相关的时间和成本最多可减少60%。这带来了更高的产量，同时支持零缺陷生产。

同时，基于iTAC解决方案，人工智能算法可以计算出设备的剩余可用寿命，有利于预测性维修。通过监测机器状态数据，人工智能算法可以预测问题或即将发生的系统故障，如此能够及时进行设备维修保养或估计剩余的可用时间。

以上是众多能够可以用来实现SMT生产的效率提高、成本节约和数字化进步的部分应用案例。

审核编辑：刘清