Durch die automatisierte Bildaufnahme und das Ausführen vordefinierter Bildverarbeitungsschritte haben Systeme der automatischen optischen Inspektion (AOI) die manuelle Inspektion in der Elektronikfertigung weitestgehend verdrängt. In den letzten Jahren wurden zahlreiche Ansätze untersucht, welche einzelne Aspekte der optischen Qualitätssicherung durch die Anwendung von Methoden der künstlichen Intelligenz (KI) deutlich verbessern. Darauf aufbauend stellt diese Arbeit ein Modell mit fünf Phasen vor, welches die Entwicklungsschritte auf dem Weg zur vollautonomen Inspektion abbildet. Um die Umsetzung dieses Modells zu tragen, zeigt diese Arbeit ein neues Architekturmuster auf, welches Lösungen auf Basis von künstlicher Intelligenz trainieren und ausführen kann. Die hohe Flexibilität der neuen Architektur ermöglicht die Auslieferungen auf einer Menge heterogener Systeme und damit viele Anwendungen von künstlicher Intelligenz über das Feld der optischen Inspektion hinaus.
Automatic optical inspection is an essential quality control tool in modern electronics manufacturing. These systems have replaced mainly manual optical inspection through automated image acquisition and predefined image processing steps. Despite the large degree of automation, human experts are still indispensable at many steps in the inspection process and potential sources of error. Numerous approaches have been investigated that significantly improve individual aspects of optical quality assurance by applying artificial intelligence methods in recent years. This thesis presents a five-phase model that maps the development steps along this path to transform optical inspection towards reliable and fully autonomous inspection. The new model differs from previous approaches by taking a holistic view of quality control and considering all process steps. This work shows a new architecture pattern that can train and execute new solutions based on artificial intelligence to support this model. Due to its high flexibility, the new architecture can be applied to a heterogeneous set of systems via different deployments and can implement many different applications of artificial intelligence beyond the field of optical inspection. For the generalized description of AI solutions, this architecture is based on a set of objects defined in this thesis. An implementation of this architecture is discussed, and three experiments prove its applicability. The implementation of the described architecture is published under an OpenSource license.
Nutzung und Vervielfältigung:
Alle Rechte vorbehalten