Typische AOI Fehler beim SMT-Löten

Situation / Ausgangslage:

Alle elektronischen Baugruppen durchlaufen am Ende der Produktionsprozesse der SMT eine automatische optische Inspektion (AOI). In diesem Prozessschritt werden die Baugruppen optisch inspiziert und entsprechend des hinterlegten Prüfmodells durch das AOI als gut/schlecht klassifiziert. Durch die kontinuierliche Optimierung der Algorithmen und die Einführung der 3D-Technologie konnte der First-Pass-Yield für die Technologie AOI auf deutlich über 90% gesteigert werden. Eine weitere Verbesserung des Prozesses ist im bestehenden Ablauf nur äußerst schwer zu erzielen.

Complication / Herausforderung:

Baugruppen, die durch das AOI als schlecht gekennzeichnet werden, müssen durch das Personal an der SMT Linie verifiziert werden. In diesem Prozessschritt werden die Baugruppen derzeit physikalisch aus einem Schlecht-Puffer entnommen und nach Erfassung des Barcodes manuell optisch bewertet. Die Bewertung ist zum einen durch einen hohen Anteil an Pseudofehlern gekennzeichnet, der sich nur schwer weiter senken lässt ohne einen Fehlerschlupf am AOI zu provozieren. Zum anderen erfolgt ein manuellen Handling der Baugruppen, was im Sinne der Automatisierung keinen idealen und schlanken Bearbeitungsschritt darstellt und die Gefahr der mechanischen Beschädigung von Bauteilen beinhaltet.

Solution / Lösungsansatz:

Die Einführung der 3D-Technologie im Bereich AOI ermöglicht es, für jede zu klassifizierenden Baugruppe ein hochauflösendes Bild bereitzustellen. Anhand dieses Bildmaterials in unterschiedlichen Lichteinstellungen ist es möglich, einen Großteil der Fehler “berührungslos” zu befunden. Es gilt das Potenzial für eine neue Art der Befundung zu bewerten und in ein Konzept für einen zentralen Befundungsplatzes zu überführen. Dies beinhaltet dabei das Zusammenspiel eines neu eingeführten Puffersystems mit flexibler Auswahl einer schlecht geprüften Baugruppe und die Bewertung anhand der AOI-Software, um als gut verifzierte Baugruppen automatisiert in das Magazinsystem weiterzuleiten.

Aufgabenstellungen:

• Knowhow-Aufbau und Einarbeitung in AOI Systeme und Abarbeitungssystem von AOI-Fehlern
• Analysieren der Abläufe und definieren von Anforderungen im GWE
• Weiterentwicklung eines vorhandenen Prototypen zur digitalen-AOI-Fehlerbefundung hin zu einem zentralen Befundungsplatz

Erwartet wird:

• Technischer Studienschwerpunkt
• Programmiererfahrung Python wünschenswert
• Kenntnisse zum methodischen Vorgehen

Erwartet wird:

• Kommunikationsfähigkeit und Networkingskills
• Eigenständige und sorgfältige Arbeitsweise
• Affinität zu innovativen Technologien

Beginn: ab sofort

Weitere Infos auf Anfrage, der Arbeitsumfang kann entsprechend der Arbeit angepasst werden. Eine selbstständige, strukturierte Arbeitsweise wird vorausgesetzt.

Bitte wenden Sie sich bei Interesse mit Lebenslauf und vollständiger Notenübersicht per Mail an Reinhardt.Seidel@faps.fau.de

Kategorien:

Kontakt: