AQR 4.0
Autonome Qualitätsregelung unter Anwendung maschineller Lernverfahren (Projektbearbeitung erfolgt durch RIF e.V., Abteilung Produktionssysteme)
Problemstellung
Das Einhalten einer gleichbleibend hohen Produktqualität und das Erreichen dieser Produktqualität bei möglichst kurzer Prozesszeit sind bei der Fertigung von Surface Mounted Device (kurz SMD) zwei wesentliche Herausforderungen. Sie beschreiben das Ziel Qualität und Produktionsgeschwindigkeit derart in Einklang zu bringen, dass eine wirtschaftliche Produktion ohne Kompromisse bei der Zuverlässigkeit der Produkte möglich ist.
Zielsetzung
Kern des Projekts ist die Entwicklung einer autonomen Qualitätsregelung mithilfe maschineller Lernverfahren, um Prüf- und Qualitätsaufwände in der Produktionsanlage durch robuste und effiziente Prozesse deutlich zu reduzieren. Um dieses Ziel zu erreichen, werden Informationstechnik, Statistik und Domänenwissen kombiniert. Besonders im Fokus stehen dabei bewährte Ansätze aus Six Sigma, maschinellem Lernen und moderner Datenverarbeitung.
Vorgehensweise und Arbeitsteilung
Wesentliche Bestandteile der entwickelten Methode sind:
- Für die kontinuierliche Überwachung und Optimierung des Lotpastendrucks werden Daten aus der Lotpasteninspektion (kurz LIS, engl. SPI) genutzt.
- Die kontinuierliche Prozessanpassung zur Sicherung der Produktqualität erfolgt durch automatisch vorgeschlagene Einstellparameter mittels einer eigens entwickelten adaptierten Self-Organizing Map (SOM).
- Die entwickelte SOM ermöglicht das simultane Bewerten mehrerer Prozessparameter – sowohl in Bezug auf Qualität als auch Prozesszeit – um den idealen Kompromiss zwischen Effizienz und Zuverlässigkeit zu finden.
Durch diese intelligenten Anpassungen wird die Produktionszeit einerseits sowie der Ausschuss andererseits signifikant reduziert. Diese Methode ist am 18. April 2024 beim Europäischen Patentamt unter der Anmeldenummer EP24171067.2 und mit dem Titel „Verfahren zum Einrichten einer Produktionseinrichtung und Produktionssystem“ eingereicht worden und wird am 18.10.2025 veröffentlicht.