Optimierung des Dispensprozesses für 3-dimensionale Schaltungsträger mit Methoden der Künstlichen Intelligenz (BA/PA/MA)

Foto von Christian Voigt

Im Vergleich zum Schablonendruck ist das Aufbringen von Lotpaste mittels Dispensen deutlich weniger robust. Insbesondere für Kleinserien und 3-dimensionale Schaltungsträger ist Dispensen jedoch der wirtschaftlichere Prozess. Aufgrund der Möglichkeit viele Daten zu generieren bietet sich mittelfristig Maschinelles Lernen (ML) an, um eine Optimierung von Prozessparametern zu ermöglichen. Während für zweidimensionale Baugruppen bereits Korrelationsanalysen und erste Modelle zur Qualitätsvorhersage existieren, für 3-dimensionale Schaltungsträger jedoch weitere Herausforderungen, wie die korrekte Positionierung des Bauteils, Einfluss nehmen. Vorbereitend ist es zunächst notwendig, relevante Prozessparameter zu identifizieren, Qualitätsmerkmale zu definieren und mit Hilfe von Versuchsreihen eine ausreichende Datenbasis zu schaffen, die die existierenden Modelle erweitern können. Darauf aufbauend sollen erste ML-Modelle erarbeitet werden, die das Ergebnis des Dispensprozesses auf Basis der Eingangsparameter bestimmen sollen.

 

Aufgabenstellung

  • Auswahl relevanter Einflussgrößen des Dispensprozesses für 3-dimensionale Schaltungsträger
  • Versuchsreihen zur Schaffung einer Datenbasis
  • Statistische Analyse als Benchmarking
  • Entwicklung von ML-Modellen zur Vorhersage der Prozessergebnisse

 

Vorkenntnisse/Voraussetzungen

  • Vorkenntnisse zum Thema wünschenswert, aber nicht zwingend erforderlich
  • Erfahrung in der Programmierung 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 per Mail an Nils.Thielen@faps.fau.de.

Kategorien:

Forschungsbereich:

Elektronikproduktion

Art der Arbeit:

Bachelorarbeit, Masterarbeit, Projektarbeit

Studiengang:

IPEM, Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen

Kontakt:

Nils Thielen, M.Sc.

Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS, Prof. Franke)