Los principales fabricantes de electrónica ya esperan que sus proveedores de equipos sean capaces de proporcionar herramientas de IA bien desarrolladas. Por otro lado, algunos se muestran cautelosos sobre cómo adaptarse al trabajo con IA, al tiempo que maximizan su potencial para acelerar el flujo de trabajo y eliminar el error humano. Desde cualquiera de estos puntos de vista, el uso de la IA como inspector en el montaje SMT puede aportar varias ventajas conocidas, entre ellas su capacidad de atención infalible, su juicio coherente y una toma de decisiones más rápida.
Un inspector para toda la vida
Mantener inspectores cualificados para revisar las placas rechazadas debido a juicios de «No-Good» (NG) de la AOI es un reto bien conocido para las empresas de fabricación electrónica. El trabajo es repetitivo pero estresante, ya que exige un alto rendimiento sostenido al tiempo que impone una gran responsabilidad. Una sola unidad defectuosa que salga de la fábrica pone en riesgo la reputación del empleador.
El problema para los responsables de producción es que el ciclo típico de participación humana sigue una secuencia conocida. Un inspector se une al equipo y comienza a adquirir conocimientos y experiencia analizando un gran número de imágenes de AOI etiquetadas como OK o NG. A medida que crece la experiencia, la familiaridad y la naturaleza repetitiva del trabajo pueden generar fatiga. Un patrón habitual es que los inspectores alcancen un alto nivel de competencia y luego comiencen a buscar un puesto diferente dentro de la empresa, o incluso que la abandonen por completo. Entonces, el valor de su experiencia, tanto dentro del equipo como de la empresa, se pierde.
Los responsables pueden romper este ciclo entrenando a la IA para que se convierta en un experto siempre presente, siempre atento y permanentemente comprometido. Si se implementa de forma adecuada, la IA entrenada puede almacenar eficazmente la experiencia adquirida por los expertos en inspección que han trabajado en el equipo y convertirse en un consultor, listo para apoyar a los nuevos inspectores que se incorporen en el futuro.
Entrenamiento para el proceso de juicio secundario
Una forma de lograrlo es integrar la IA en las estaciones de trabajo donde los inspectores revisan los conjuntos rechazados tras la inspección óptica automática (AOI). Las unidades que se identifiquen erróneamente como defectuosas pueden devolverse a producción para completar su montaje, mientras que aquellas con defectos verificados pueden enviarse a re-fabricación.
Cuando se adopta en el proceso de juicio secundario, la IA se une primero al equipo de inspección como un nuevo miembro y debe aprender «sobre la marcha» de los inspectores experimentados de la empresa. Cuando llegan los conjuntos rechazados, los inspectores humanos revisan los datos e imágenes de la AOI para aplicar su propio criterio. Si su decisión indica que la AOI ha marcado un falso NG, la placa puede enviarse para completar los procesos de producción restantes. A medida que se guardan las imágenes de la AOI y las decisiones del inspector humano, el servidor de IA utiliza estos datos acumulados para entrenar modelos de inspección. A medida que continúa el entrenamiento, utilizando los datos adquiridos día a día, la precisión de los modelos mejora y la IA puede comenzar a respaldar el juicio humano durante las inspecciones en tiempo real.
Entrenar los modelos de esta manera permite alcanzar rápidamente un nivel de confianza suficiente para ayudar a los inspectores humanos en su toma de decisiones. Al inspeccionar un punto defectuoso, la "Estación de Evaluación de IA" puede presentar la opinión de la IA con una puntuación de confianza asociada, como se muestra en la figura 1. Este nivel de apoyo puede resultar especialmente valioso para los inspectores con menos experiencia, ya que les permite confiar en la IA para obtener ayuda en casos difíciles, lo que contribuye a perfeccionar su propia experiencia y, al mismo tiempo, mejora tanto la precisión como el rendimiento.
Figura 1. Primer nivel de asistencia de la IA en el proceso de juicio secundario.
A medida que cada modelo alcanza un valor de confianza estable, lo que indica que la precisión se ha acercado a la perfección, la IA está lista para proporcionar un juicio automatizado para tipos específicos de componentes y defectos. En esta etapa, el mejor juicio de la IA se combina con las habilidades del inspector humano para garantizar que el proceso sea más rápido, al tiempo que se mantiene una alta precisión y se reduce la fatiga del operario.
Por dónde empezar
Las aplicaciones de software con características como estas están entrando ahora en el mercado y son extremadamente eficaces para detectar defectos de soldadura, como soldadura insuficiente o humectación inadecuada, señalados por las inspecciones AOI 2D. Yamaha Robotics creó su entorno AI Judgement Station con el objetivo de permitir a los clientes crear y entrenar modelos de IA de forma independiente utilizando sus propios datos de producción. Tras seleccionar muestras adecuadas para el entrenamiento, los usuarios pueden aprovechar las funciones del software para generar los modelos de IA automáticamente y, posteriormente, entrenarlos dentro de un marco de aprendizaje automático utilizando los datos recopilados de los turnos de inspección diarios. Los usuarios pueden verificar la precisión a medida que avanza el entrenamiento para identificar cuándo el modelo se ha estabilizado. Tras analizar suficientes imágenes correctas y 30 o más imágenes defectuosas, el modelo puede alcanzar un nivel de precisión adecuado para comenzar a ayudar a los inspectores humanos en su análisis visual. Esto se puede lograr en un breve plazo de tiempo, aunque un mayor número de imágenes aporta una mejora adicional. Tras procesar más de 1000 imágenes, la calidad del modelo puede llegar a ser extremadamente alta. Las evaluaciones de IA tardan aproximadamente un segundo por inspección.
IA y OCR
Un aspecto en el que la IA ya puede proporcionar un juicio fiable similar al humano y aliviar eficazmente la carga de trabajo del inspector es el reconocimiento óptico de caracteres (OCR-Optical Character Recognition). La visión artificial convencional basada en reglas puede leer erróneamente caracteres con bajo contraste, ocultos por arañazos u otros daños, o cubiertos por material extraño. Estos son riesgos comunes en un entorno de montaje superficial y pueden afectar a marcas importantes como los valores de los componentes, los códigos de fecha, las marcas de polaridad y la identificación de la placa (figura 2).
Figura 2. El OCR con IA puede leer marcas que, de otro modo, requerirían la confirmación visual de un inspector.
Al realizar inferencias basadas en el aprendizaje previo, de la misma manera que los humanos pueden determinar los caracteres cuando la legibilidad es deficiente, la IA puede superar estos problemas. El paquete Yamaha AI Judgement Station incorpora modelos de OCR con IA pre-entrenados que pueden utilizarse tal cual, sin necesidad de ajustes ni entrenamiento adicionales.
Evaluación automatizada en línea
A medida que la IA se integra en las prácticas de la empresa, trabajando con diferentes inspectores humanos, el número de modelos creados para cubrir diferentes componentes y tipos de defectos sigue aumentando y el entrenamiento alcanza un alto nivel de confianza. Gracias a esta progresión, cada vez son menos las inspecciones automatizadas que requieren la confirmación de un inspector visual. A medida que disminuye la dependencia de la experiencia humana, el proceso de evaluación secundaria puede automatizarse por completo y, finalmente, integrarse en línea, como se ilustra en la figura 3.
Figura 3. Segunda evaluación totalmente automatizada tras el entrenamiento de todos los modelos de IA.
Al trabajar con inspectores visuales humanos, proporcionando orientación y delegando la toma de decisiones cuando es necesario, esto es coherente con enfoques tanto proactivos como cautelosos a la hora de introducir la IA en la inspección. Los adoptantes más cautelosos pueden mantener la supervisión humana para evitar defectos no detectados y el exceso de inspección en el siguiente proceso, al tiempo que reducen la carga de trabajo de los inspectores. Por otro lado, paquetes como la AI Judgement Station de Yamaha presentan una hoja de ruta hacia la automatización total para satisfacer los requisitos más exigentes de los clientes.
Conclusión
Mientras las industrias de todo el mundo estudian cómo aprovechar las ventajas de la IA en los procesos de fabricación, los ensambladores de montaje superficial están aplicando la tecnología para aumentar la productividad en la inspección óptica. Además de ayudar a crear bibliotecas de modelos y generar programas para sistemas AOI en línea, la IA también está mejorando la inspección para identificar placas rechazadas por error.
Un enfoque de tres niveles, que utiliza la IA para asistir, automatizar parcialmente y, posteriormente, automatizar por completo el proceso de evaluación secundario, forma de manera efectiva a un experto en inspección residente de forma permanente para que gestione esta tarea repetitiva y exigente con una velocidad y precisión constantemente altas.
