Klassifizierung und Evaluation von Fehlerdaten der Automatischen Optischen Inspektion in der SMT-Fertigung

Ausgangssituation
Bei der Qualitätskontrolle elektronischer Baugruppen in der Oberflächenmontage wird am Ende der Fertigungslinie neben der Röntgeninspektion eine automatische optische Inspektion durchgeführt. Diese Verfahren klassifiziert die Baugruppen in die Kategorien „in Ordnung“ und „nicht in Ordnung“. Beim Großteil der detektierten Defekte handelt es sich jedoch um Pseudofehler. Um die Wertschöpfung zu maximieren, erfolgt daher eine Expertenprüfung aller als fehlerhaft klassifizierten Baugruppen. Auf Künstlicher Intelligenz und Maschinellem Lernen basierende Modelle bieten Möglichkeiten entweder die Bilddaten selbst oder anhand von klassischen Bildverarbeitungsverfahren generierte Daten zu verwerten, um ein Vorhersagemodell zu entwickeln, ob es sich um einen Pseudofehler handelt.

Aufgabenstellung

  • Aufnahme von Bilddaten bereits gefertigter Baugruppen
  • Analyse der Daten mit Hilfe klassischer Bildverarbeitungsverfahren
  • Klassifizierung von Fehler und Pseudofehlern
  • Erstellung eines Vorhersagemodells für Pseudofehler
  • Vergleich mit den Resultaten klassischer Bildverarbeitung und Bewertung des Modells

Vorkenntnisse/Voraussetzungen

  • Vorkenntnisse zum Thema wünschenswert, aber nicht zwingend erforderlich
  • Programmierkenntnisse mit Python hilfreich
  • Selbstständiges Arbeiten & sehr gute deutsch und englisch Kenntnisse

Weitere Infos auf Anfrage, der Arbeitsumfang kann entsprechend der Arbeit angepasst werden. Bitte wenden Sie sich bei Interesse mit Lebenslauf und vollständiger Notenübersicht per E-Mail an Nils.Thielen@faps.fau.de.

Kategorien:

Fachbereich:

Elektronikproduktion

Art der Arbeit:

Masterarbeit, Projektarbeit

Studiengang:

IPEM, Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen

Kontakt: