Os principais fabricantes de eletrónica já esperam que os seus fornecedores de equipamentos disponibilizem ferramentas de IA bem desenvolvidas. Por outro lado, alguns mostram-se cautelosos quanto à forma de se adaptarem ao trabalho com IA, maximizando o seu potencial para acelerar os fluxos de trabalho e eliminar erros humanos. De qualquer perspetiva, a utilização de IA como inspetor na montagem SMT pode oferecer diversas vantagens já conhecidas, incluindo a sua atenção precisa aos detalhes, julgamento consistente e tomada de decisão mais rápida.
Um Inspetor Vitalício
: Manter inspetores qualificados para rever matrículas rejeitadas devido a avaliações "Não Boas" (NG) no Inspetor Óptico de Automatização (AOI) é um desafio bem conhecido para as empresas de fabrico de eletrónica. O trabalho é repetitivo, mas stressante, exigindo um elevado desempenho constante e acarretando grande responsabilidade. Uma única unidade defeituosa que saia da fábrica coloca a reputação do empregador em risco.
O problema para os gestores de produção é que o ciclo típico de envolvimento humano segue uma sequência familiar. Um inspetor junta-se à equipa e começa a adquirir conhecimento e experiência analisando um grande número de imagens de AOI (área de interesse) classificadas como OK ou NG (não conforme). À medida que a experiência aumenta, a familiaridade e a natureza repetitiva do trabalho podem levar à fadiga. Um padrão comum é que os inspetores atinjam um elevado nível de proficiência e depois comecem a procurar uma posição diferente dentro da empresa, ou até mesmo a sair completamente. O valor da sua expertise, tanto dentro da equipa como da empresa, acaba por se perder.
Os gestores podem quebrar este ciclo ao treinar a IA para se tornar uma especialista sempre presente, sempre atenta e permanentemente empenhada. Se for implementada corretamente, a IA treinada pode armazenar eficazmente a experiência adquirida pelos inspetores que trabalharam na equipa e tornar-se uma consultora, pronta para apoiar os novos inspetores que se juntem no futuro.
Formação para o Processo de Avaliação Secundária:
Uma forma de alcançar este objetivo é integrar a IA nas estações de trabalho onde os inspetores reveem os conjuntos rejeitados após a inspeção ótica automatizada (AOI). As unidades identificadas incorretamente como defeituosas podem regressar à produção para montagem final, enquanto as que apresentam defeitos comprovados podem ser enviadas para refabricação.
Quando adotada no processo de avaliação secundária, a IA junta-se inicialmente à equipa de inspeção como um novo membro e deve aprender na prática com os inspetores experientes da empresa. Quando os conjuntos rejeitados chegam, os inspetores humanos analisam os dados e as imagens da AOI para aplicar o seu próprio julgamento. Se a sua decisão indicar que a AOI sinalizou um falso NG (Quase Ausente), a placa poderá ser enviada para completar os restantes processos de produção. À medida que as imagens da AOI e as decisões dos inspetores humanos são guardadas, o servidor de IA utiliza estes dados acumulados para treinar os modelos de inspeção. À medida que a formação continua, utilizando os dados adquiridos diariamente, a precisão dos modelos melhora e a IA pode começar a auxiliar o julgamento humano durante as inspeções em tempo real.
Treinar os modelos desta forma permite-lhes atingir rapidamente um nível de confiança suficiente para auxiliar os inspetores humanos nas suas tomadas de decisão. Ao inspecionar um ponto defeituoso, a "Estação de Avaliação de IA" pode apresentar a opinião da IA com uma pontuação de confiança associada, como se mostra na Figura 1. Este nível de apoio pode ser especialmente valioso para inspetores menos experientes, uma vez que lhes permite confiar na IA para obter assistência em casos desafiantes, ajudando-os a melhorar a sua perícia e, simultaneamente, a melhorar a precisão e o desempenho.
Figura 1. Primeiro nível de assistência da IA no processo de julgamento secundário.
À medida que cada modelo atinge um nível de confiança estável, indicando uma precisão quase perfeita, a IA está pronta para fornecer avaliações automatizadas para tipos específicos de componentes e defeitos. Nesta fase, a capacidade de avaliação superior da IA é combinada com as competências do inspetor humano para garantir um processo mais rápido, mantendo uma elevada precisão e reduzindo a fadiga do operador.
Por onde começar?
As aplicações de software com características como estas estão a chegar ao mercado e são extremamente eficazes na deteção de defeitos de soldadura, como soldadura insuficiente ou molhagem inadequada, sinalizados pelas inspeções 2D AOI. A Yamaha Robotics criou o seu ambiente AI Judgement Station para permitir aos clientes criar e treinar modelos de IA de forma independente, utilizando os seus próprios dados de produção. Após a seleção de amostras adequadas para formação, os utilizadores podem aproveitar as capacidades do software para gerar automaticamente modelos de IA e treiná-los numa estrutura de aprendizagem automática utilizando dados recolhidos em turnos de inspeção diários. Os utilizadores podem verificar a precisão à medida que o treino progride para identificar quando o modelo estabilizou. Após analisar um número suficiente de imagens boas e 30 ou mais imagens defeituosas, o modelo pode atingir um nível de precisão adequado para auxiliar os inspetores humanos na sua análise visual. Isto pode ser conseguido em pouco tempo, embora um maior número de imagens proporcione melhorias adicionais. Após o processamento de mais de 1.000 imagens, a qualidade do modelo pode tornar-se extremamente elevada. As avaliações de IA demoram aproximadamente um segundo por inspeção.
IA e OCR:
Uma área em que a IA já pode fornecer julgamentos fiáveis, semelhantes aos humanos, e aliviar eficazmente a carga de trabalho do inspetor é o reconhecimento ótico de caracteres (OCR). A visão computacional convencional baseada em regras pode interpretar incorretamente caracteres com baixo contraste, obscurecidos por riscos ou outros danos, ou cobertos por materiais estranhos. Estes são riscos comuns num ambiente de montagem superficial e podem afetar marcações importantes, como valores de componentes, códigos de data, marcações de polaridade e identificação da placa (Figura 2).
Figura 2. O OCR com IA consegue ler marcações que, de outra forma, exigiriam confirmação visual por parte de um inspetor.
Ao fazer inferências com base na aprendizagem prévia, tal como os humanos conseguem identificar caracteres quando a legibilidade é baixa, a IA pode ultrapassar estes problemas. O pacote Yamaha AI Judgement Station inclui modelos de OCR de IA pré-treinados que podem ser utilizados imediatamente, sem necessidade de ajustes ou formação adicional.
Avaliação automatizada online:
à medida que a IA se integra nas práticas da empresa, trabalhando em conjunto com diversos inspetores humanos, o número de modelos criados para abranger diferentes componentes e tipos de defeitos continua a aumentar, e a formação atinge um elevado nível de fiabilidade. Graças a esta evolução, cada vez menos inspeções automatizadas exigem confirmação visual por parte de um inspetor. Com a diminuição da dependência da experiência humana, o processo de avaliação secundária pode ser totalmente automatizado e, eventualmente, integrado online, como ilustrado na Figura 3.
Figura 3. Segunda avaliação totalmente automatizada após o treino de todos os modelos de IA.
Ao trabalhar com inspetores visuais humanos, fornecendo orientação e delegando a tomada de decisões quando necessário, esta abordagem alinha-se tanto com estratégias proativas como cautelosas para a introdução da IA na inspeção. Os adotantes mais cautelosos podem manter a supervisão humana para evitar defeitos não detetados e inspeções excessivas no processo seguinte, além de reduzir a carga de trabalho dos inspetores. Por outro lado, soluções como a AI Judgement Station da Yamaha apresentam um roteiro para uma automatização completa, visando ir ao encontro das exigências mais rigorosas dos clientes.
Conclusão:
À medida que as indústrias de todo o mundo exploram como aproveitar a IA nos processos de fabrico, os fabricantes de componentes de montagem em superfície estão a aplicar a tecnologia para aumentar a produtividade na inspeção ótica. Além de auxiliar na criação de bibliotecas de modelos e na geração de programas para sistemas AOI online, a IA está também a melhorar a inspeção ao identificar matrículas rejeitadas erradamente.
Uma abordagem em três etapas, utilizando a IA para auxiliar, automatizar parcialmente e, em seguida, automatizar completamente o processo de avaliação secundária, treina eficazmente um especialista em inspeção residente permanente para gerir esta tarefa repetitiva e exigente com alta velocidade e precisão consistentes.
