SK 
EN 
ES 
FR 
AR 
PT 
RU 
DE 
IT 
TR 
PL 
NL 
CS 
RO 
ZH 
JA 
KO 
ID 
Podstata efektívneho riadenia vykonávania MES v závodoch SMT s využitím umelej inteligencie spočíva vo využívaní technológie umelej inteligencie na optimalizáciu rozhodovania v reálnom čase, riadenia procesov a plánovania zdrojov systémov na vykonávanie výroby (MES), čím sa zvyšuje efektívnosť, kvalita a flexibilita výrobných liniek technológie povrchovej montáže (SMT). Keďže všetky naše stroje na vyberanie a umiestňovanie od spoločnosti Nectec majú implementované funkcie umelej inteligencie, v tejto pasáži stojí za zmienku niekoľko kľúčových bodov týkajúcich sa zlepšenia výkonnosti strojov SMT s podporou umelej inteligencie.
Prvý kľúčový bod, inteligentné plánovanie výroby a dynamická optimalizácia. Dokáže úspešne vykonávať plánovanie riadené údajmi v reálnom čase a predvídať a odstraňovať úzke miesta. Dôvodom je, že agenti AI zhromažďujú údaje, ako je stav zariadenia, priorita objednávky a zásoby materiálu v reálnom čase prostredníctvom systému MES, a používajú posilnené učenie (RL) alebo genetické algoritmy na dynamickú úpravu výrobných plánov v reakcii na neočakávané situácie, ako sú napríklad náhle objednávky a poruchy zariadenia, čím zlepšujú účinnosť plánovania o viac ako 30%. Okrem toho AI na základe historických údajov a monitorovania v reálnom čase predpovedá úzke miesta výrobnej linky, spúšťa včasné varovania a odporúča optimalizačné riešenia.
Druhý kľúčový bod, inteligentná údržba zariadení a zlepšenie OEE. Dokáže bezproblémovo vykonávať prediktívnu údržbu a samooptimalizáciu parametrov. Dôvodom je, že môžeme využívať údaje IoT, ako sú snímače vibrácií a prúdové signály, modely AI - napríklad známa neurónová sieť LSTM - môžu predpovedať poruchy kritických komponentov strojov pick-and-place a zariadení na spájkovanie pretavovaním, čím sa znížia neplánované prestoje a zlepší sa celková účinnosť zariadení o 15% až 25%. A nielen to, inteligentní agenti s umelou inteligenciou automaticky analyzujú parametre procesu, napríklad vzťah medzi teplotnými krivkami spájkovania za studena a kvalitou spájkovania, s ktorými sa často stretávame, a dynamicky upravujú parametre s cieľom znížiť počet chýb, ako je spájkovanie za studena a deformácie.
Tretí kľúčový bod, inteligentné riadenie materiálu a skladu. Dokáže súčasne vykonávať presnú kontrolu súpravy a inteligentné plánovanie skladu. Dôvodom je, že vizuálna identifikácia + technológia RFID umožňuje automatické overovanie zásobníkov SMT, zatiaľ čo inteligentné entity AI poskytujú predbežné upozornenia na nedostatok materiálu v systéme MES, aby sa zabránilo výpadkom výrobnej linky. AGV/AMR a MES sú prepojené a AI optimalizuje trasy dodávok materiálu na základe výrobných rytmov, čím sa zvyšuje miera obratu skladu o 20%.
Štvrtý kľúčový bod, kvalitná uzavretá regulačná slučka. Môže zodpovedne vykonávať detekciu chýb v reálnom čase a inteligentnú analýzu SPC. Dôvodom je, že údaje sa v reálnom čase posielajú späť do modelu umelej inteligencie, kde sa hlboké učenie, ako napríklad algoritmus YOLO, ktorý všetci poznáme, používa na klasifikáciu typov chýb (napríklad nedostatočné spájkovanie alebo nesprávne zarovnanie) a ich sledovanie späť do fázy procesu na automatickú opravu. Okrem toho umelá inteligencia nahrádza tradičné pravidlá SPC, aby bolo možné identifikovať skryté vzory anomálií v údajoch o kvalite (napríklad problémy s tlačou spájkovacej pasty, ktoré sa časom posúvajú) a vopred zasiahnuť.
Piaty kľúčový bod, digitálne dvojčatá a optimalizácia simulácie. Dokáže neuveriteľne vykonávať virtuálne ladenie výrobnej linky a optimalizáciu spotreby energie. Dôvodom je, že v súčasnosti môžeme využívať technológiu digitálnych dvojčiat na simuláciu výrobného procesu SMT pre nové výrobky, a tak agenti AI overujú realizovateľnosť procesu vo virtuálnom prostredí, čím sa skracuje čas výmeny o viac ako 50%. AI tiež analyzuje údaje o spotrebe energie zariadení s cieľom optimalizovať prevádzkové stratégie verejných zariadení, ako sú dielenské klimatizácie a vzduchové kompresory, čím sa znižuje jednotková spotreba energie.
Posledným kľúčovým bodom, ktorý chceme zdôrazniť, je rozhodovanie založené na spolupráci človeka a stroja. Môže veľkoryso vykonávať interakciu s prirodzeným jazykom (NLP) a bázu znalostí o spracovaní výnimiek. Dôvodom je to, že pracovníci výrobnej linky môžu používať hlas/text na zadávanie dotazov na údaje MES (ako je napríklad priebeh pracovnej zákazky) a spúšťanie príkazov (ako je napríklad núdzové vypnutie zariadenia) od agenta AI, čím sa znižuje čas strávený prepínaním medzi prevádzkovými rozhraniami. Okrem toho AI integruje historické záznamy o údržbe a príručky k zariadeniam s cieľom odporučiť riešenia pri výskyte porúch, čo pomáha novým zamestnancom rýchlo reagovať.
Na záver možno konštatovať, že v tejto oblasti je ešte potrebné vyriešiť niekoľko výziev, nielen prepojiť systémy MES/ERP/PLM a vybudovať jednotnú dátovú strednú platformu, ale aj využiť okrajovú umelú inteligenciu na zníženie zaťaženia cloudu v scenároch s vysokým podielom reálneho času, ako je napríklad kontrola AOI, ako všetci vieme. Potrebujeme tiež zobraziť logiku rozhodovania AI prostredníctvom vizuálnych ovládacích panelov, aby sme sa vyhli obavám z "čiernej skrinky". Napriek tomu sú prínosy, ktoré prinieslo riešenie týchto výziev, významné: z hľadiska efektívnosti sa čas výmeny skrátil o 40%, využitie kapacity sa zlepšilo o 20%-35%; z hľadiska kvality sa znížila chybovosť o 50%, znížili sa sťažnosti zákazníkov; z hľadiska nákladov sa znížili straty materiálu o 15%, náklady na údržbu sa znížili o 30%.
Nakoniec, vďaka rozvoju umelej inteligencie a hlbokej integrácii agentov umelej inteligencie a MES môžu továrne SMT postupne prejsť od automatizácie k samoautomatickému riadeniu. Keďže pokračujeme v budovaní adaptívneho, samooptimalizačného inteligentného výrobného systému.