帳號:
密碼:
最新動態
產業快訊
CTIMES / 文章 /
以AI平台改變PCB的現場管理模式
 

【作者: 杰倫智能】   2022年12月20日 星期二

瀏覽人次:【3743】

近年由於各種如手機、電腦、IoT、車載等新產品迭代更新頻繁,導致PCB產業產品少量多樣,並且生產製程、配方參數也隨著不同客戶與產品不斷的替換更新,事態加劇,而這也導致企業往往需仰賴資深員工的經驗,在短時間內來調出製造故產品的最佳設定參數;另外,PCB製程複雜,當產線品質問題發生時,往往問題的源頭,可能會歸咎在多個製程上,而無法精確地找出問題要因。


有鑑於此,多數PCB大廠針對製造現場,早期均已投入如MES、機台連線、AIoT、BI等系統,其目的為了實現工廠數據的生產透明化、資訊即時化、產品履歷化、戰情可視化,以期能透過上述的系統,能夠進一步持續改善品質、降低不良等議題,使整體廠內成本降低、工時浪費減少,並有效備料。


早期PCB產業無論遇到甚麼樣的問題,皆會將資料收集後,採用如田口法、6 Sigma等相關品質統計手法來找出要因並進行改善,但觀察到行業內製造現場人員素質不一,且專業統計軟體等運用擴散不易,最重要的是近年資深員工老化與人才招募不易的大環境,這也讓PCB產業無論是自身企業的專業知識留存、複製擴散等,都面臨到嚴苛的課題。


不過,近年來這些問題將有望逐漸改善,由於先前提到智能製造風潮下,許多企業導入諸多系統並自身已擁有相當多的生產大數據,在此利基條件下讓許多企業更關注於人工智慧(AI)發展,期望這些生產大數據可擷取與智慧應用,從中讓企業提升並獲利。然而在前往AI的第一哩路上,第一道難題是市場上AI專業人才招募困難,這讓PCB行業內缺乏AI人才的問題浮出水面,許多PCB產業也因此裹足不前。


企業虛擬AI資料科學家 24小時不間斷

因應製造業AI應用與人才需求,杰倫智能(Profet AI)致力發展製造業應用的AI平台,研發出自動化機器學習平台(Automated Machine Learning;AutoML),目的在於解決企業AI應用與落地實現問題,該平台像是企業虛擬AI資料科學家,讓生產專家無需寫程式和鑽研複雜演算法,就可以快速運用過去的生產歷史數據來進行AI分析。


在生產過程中,Profet AI的工具協助企業研發部門進行產品研發優化、品質專家透過工具找出異常要因、製程專家快速找出最佳調整參數,進行生產流程改善,通過創新的AI機器學習運用技術,將龐大晦澀的演算法化繁為簡,成為易用的數據分析工具,迅速建立標準化的智能決策體系,幫助工廠進一步擴大生產規模並且提升生產和產品研發的效率。同時,Profet AI平台不僅應用於印刷電路板產業的生產品質預測,各產業都能夠透過該平台產品協助,實現讓企業各領域80%的關鍵人才都能自主運用AI,養成企業運用數據分析輔助決策的文化。


部分對提升產品附加價值或對工廠規模化擴張深具企圖心的PCB業者,導入創新的杰倫智能「AI自動化機器學習(AutoML)平台」,如同企業的「虛擬AI資料科學家」,為化繁為簡且直觀圖像化操作的AI數據分析工具,快速賦予業務專家運用AI的能力,只須瞭解手上的數據,從上傳到完成分析僅需幾個步驟,就能讓傳統製造業快速導入AI能「一天上手AI、一周落地AI」,輕鬆將AI活用在例如印刷電路板的即時品質預測和製程參數優化等應用場景(如圖一)。



圖一 : 杰倫智能「AI 自動化機器學習(AutoML)平台」,如同企業的「虛擬AI資料科學家」。
圖一 : 杰倫智能「AI 自動化機器學習(AutoML)平台」,如同企業的「虛擬AI資料科學家」。

以PCB產業鎳化金(ENIG)製程為例,其為相對穩定的生產製程,但仍有以下兩個議題期盼可透過AI進行解決:


一、該製程為批量抽檢,且實驗室的金厚度量測設備較為昂貴,再加上檢驗的時間較長,因此無法實現線上全檢,故有時大量且頻繁生產的狀態下,並不能保證有問題的生產批次會被檢驗出來


二、「金」為貴金屬,相對成本較高,企業期望用金量減少,且又能符合客戶指定的規格內,現場人員一般透過經驗法則,去進行相關的時間、溫度與濃度等的調配變化,但不同產品、生產線別、板子大小、鍍金面積等太多因素,將導致現場人員為求較高的良率,而傾向合規但金厚度較高的製程方案進行設定,長期下來也導致成本明顯增加。


AI的解題與應用

在確認客戶明確的需求後,杰倫智能開始進行下列的相關步驟,進一步協助客戶進行AI的解題與應用:


步驟1 匯整生產數據

客戶開始整理過去一年在鎳化金(ENIG)上,針對有抽檢數據(Y)的產品批號、產品規格資訊、生產設定與即時參數(鎳槽/金槽)、金厚度數值(目標Y)等,按照Y=F(X)的邏輯,逐一結構化排列成excel或csv表格格式,結構數據的格式如圖二所示。



圖二 : 按照Y=F(X)的邏輯,結構數據的格式
圖二 : 按照Y=F(X)的邏輯,結構數據的格式

步驟2 建立AI預測模型

將數據表格上傳至杰倫智能Profet AI的平台,系統會先進行數據的前處理,讓用戶可再次確認數據的品質,並了解每個特徵值對結果Y的相關性後,再將此數據集進行自動建模作業,人員簡單確認建模內容、建模方案設定、開始建模等三這步驟,即可實現全自動AI機器學習建模作業。


步驟3 要因分析、模擬預測、虛擬全檢、參數最佳化推薦(如圖三)

1.要因分析:


Profet AI平台建模完成後,透過系統得分找出最佳的AI預測模型,從預測模型中,製程單位可立即分析影響金厚度的相關製程要因,並可依據排名快速回饋至現場,來進行相關品質改善的決策參考依據。實際應用情境下,製程工程師不需有深厚的統計背景,亦可輕鬆使用、快速找出要因。


2.模擬預測:


根據歷史數據建立的預測模型,現場的製程工程師可在平台上進行即時的參數調整模擬,使用情境在於當現場量測的金厚度過高或過低時,可使用平台模擬操作,輸入如速度、溫度等數值設定值(提升或降低),由系統自動預測調整參數後的金厚度數值結果,讓製程工程師不須依照過去透過實品實驗的方式,即可先進行事前的調參模擬預測,當透過系統模擬出較佳的調整參數後,再進行實際的參數調整與設定切換,大量減少人為調參時間與實驗所帶來的不良成本。


3.虛擬全檢:


透過Profet AI的平台建置預測模型後,該模型可離線部署在現場的製程上,進行虛擬全檢。使用情境在製造現場由原來只能定期或定批抽檢的狀態,改由AI系統虛擬監控每批金厚度的品質,當發現預測的金厚度有高於或低於規格值後,品質人員可當下針對該批進行檢驗作業,將品管作業行為由被動式轉為主動式,而實際客戶端運作下也減少不良的產出,降低後續客訴發生的比例。


4.參數最佳化推薦:


當建立的預測模型準確後,Profet AI的平台可反向讓製程人員設定期望的金厚度數值,由系統推薦相關製程設定的最佳化參數。使用場景於鎳化金(ENIG)上,製程人員在出貨給客戶的金厚度規格,期望平均金厚度能落在合規但又偏規格下段區間的範圍,讓總體製程用金的貴金屬成本能持續降低。


所以在系統內,製造工程師可先設定期待的金厚目標數值,然後針對不同線別、產品尺寸、鍍金面積等條件下,讓平台推薦相應的鎳槽與金槽設定值。此應用方案將過去老師傅經驗系統化,並整合為ENIG專家系統,後續就算是新進員工快速上手問題或是海外擴廠的人力問題,皆能應用與改善。



圖三 : 平台推薦製程設定的最佳化參數
圖三 : 平台推薦製程設定的最佳化參數

Profet AI改變了過去PCB產業在製程、品管上的作業模式,並有效將老師傅經驗轉化成專家系統,讓使用者更加便利與快速去活用,並找出問題的癥結,進行持續的改善。但最重要的是,當大量且不同製程的生產數據可以透過平台產生更多的價值之後,許多用戶企業發現,企業內部已逐漸養成建立數據思考的文化,以及培養企業收集數據資產的習慣。當這樣以數據驅動並持續改善的文化深植時,企業將得以提升整體有形與無形的效益並增加獲利。


不僅PCB印刷電路板業者,已有多家企業借助Profet AI平台產品和一天上手、一周落地的實踐方法論,進行實際運作。透過該平台產品的協助,讓各企業與各職能的80%關鍵人才都能自主運用AI。當前越來越多製造業導入AI,企圖利用AI打造競爭力的戰略高地,佈局下一個五年的升級轉型。因此,有越來越多高階管理者異口同聲表示:「AI賦能已經不是要不要做的問題,而是怎麼將AI賦能應用得比對手更快速、怎麼應用得比對手更廣泛!」


相關文章
利用 AI 實現判斷標準化
【PCIe 5.0】性能優越的決定性關鍵—PCB材料選擇
氛圍燈:汽車大放異彩的新元素
以合適Redriver或Retimer元件擴展PCIe協定訊號範圍
台灣PCB產業力求設備製造業轉型升級
comments powered by Disqus
相關討論
  相關新聞
» 工研院東南亞辦公室於泰國成立 助台商轉型升級強化優勢
» 兩岸PCB供應鏈齊聚泰國 迎來全球PCB版圖丕變
» NEC與能火、微軟推出全球首個「生成式AI貝多芬」
» 高通與中華電信簽署合作備忘錄 打造能源節約5G綠色網路
» Intel成立獨立FPGA公司Altera


刊登廣告 新聞信箱 讀者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 遠播資訊股份有限公司版權所有 Powered by O3  v3.20.2048.34.204.169.230
地址:台北數位產業園區(digiBlock Taipei) 103台北市大同區承德路三段287-2號A棟204室
電話 (02)2585-5526 #0 轉接至總機 /  E-Mail: webmaster@ctimes.com.tw