News

Fachbeitrag - Prozessoptimierung durch wissensbasierte Diagnosesysteme am Beispiel des Schablonendrucks

(Autoren: Prof. Dr.-Ing. Jörg Franke, Dipl.-Inf. Markus Michel; Friedrich-Alexander-Universität Erlangen-Nürnberg; Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS)).

1. Bedeutung des Schablonendruckprozesses

 

In der Elektronikproduktion stellt der Schablonendruck von Lotpaste im Vergleich zu den Folgeprozessen Bauelementbestückung und Reflowlöten den fehleranfälligsten Prozessschritt dar. Etwa zwei Drittel aller Fertigungsfehler in der Surface Mount Technology-Prozesskette haben ihre Ursache im Schablonendruck und somit am Beginn der Prozesskette [2]. Für eine detaillierte Analyse des Druckergebnisses stehen deshalb sowohl 2D- als auch 3D-Inspektionssysteme zur Verfügung. Insbesondere der Einsatz eines 3D-Pasteninspektionssystems bietet die Möglichkeit, die Qualitätsleistung des Schablonendruckprozesses ganzheitlich zu bewerten, da dreidimensionale Qualitätsmerkmale wie die Transfereffizienz oder das maximale Depothöhenverhältnis mit einbezogen werden können [3].

 

2. Problemstellung und Lösungsansatz

 

Ein Defizit liegt weiterhin in der Interpretation und Nutzung der ermittelten Inspektionsergebnisse. Während beispielsweise für den Bestückprozess Softwarelösungen zur Prozessdiagnose existieren [5], stehen aktuell keine Lösungen im Bereich des Schablonendruckprozesses zur Verfügung. Das enorme Potenzial, welches sich durch die Bereitstellung der Inspektionsergebnisse ergibt, bleibt somit ungenutzt. Die Einleitung geeigneter Abhilfemaßnahmen bei Prozessabweichungen und Störungen ist dadurch aktuell sehr schwierig, da sie vom individuellen Wissensstand des Fertigungsmitarbeiters abhängig ist. Dieser muss eine Vielzahl unterschiedlicher Einflussfaktoren, die zudem häufig in Wechselwirkung stehen, korrekt interpretieren.

Zur Beseitigung der geschilderten Problemstellung können jedoch, ähnlich wie für den Prozess des Bestückens, softwarebasierte Unterstützungssysteme eingesetzt werden. Eine Systemkategorie, die dazu besonders geeignet ist, sind Expertensysteme [1]. Den Schablonendruckprozess zeichnen komplex strukturierte Wirkzusammenhänge aus, die zudem bei Weitem noch nicht vollständig verstanden und analysiert sind. Deshalb bieten sich bei der Entwicklung einer Systemlösung zur Unterstützung dieses Prozesses insbesondere fallbasiert arbeitende Expertensysteme an, da diese zur Modellierung derartiger Problemkategorien am besten geeignet sind [4].

Im Folgenden erfolgt eine Darstellung, wie durch Literaturrecherchen, Experteninterviews und Versuchsreihen erarbeitetes Wissen für die Verwendung im Expertensystem aufbereitet und integriert wird. Dabei kommt ein kommerziell verfügbares System als Basistool zum Einsatz, um den aufwendigen Aufbau einer eigenen Systemlösung mit allen erforderlichen Komponenten zu vermeiden. Dieser Ansatz hat im Unternehmenseinsatz den Vorteil, dass keine Personalkapazität und kein Know-How für Wartung und Weiterentwicklung des Expertensystemkerns vorhanden sein müssen und der Anwender sich auf die Modellierung seines jeweiligen Problembereichs fokussieren kann. Das verwendete System zeichnet sich ferner dadurch aus, dass für alle beteiligten Benutzerrollen (Wissensingenieur, Administrator, Bediener) webbasierte Anwenderschnittstellen bereitstehen, was eine schnelle und breite Systemverfügbarkeit begünstigt.

 

3. Sammlung und Aufbereitung von Wissen zur Integration in das Expertensystem

 

Das Wissen wurde zunächst in Form von Mindmaps gesammelt und strukturiert (vgl. Bild 1 oben links). Das hierbei verwendete Wissen stammt aus drei unterschiedlichen Bereichen. Zum einen sind Informationen aus dem Handbuch des Schablonendruckers berücksichtigt, um die Maschinendiagnose zu unterstützen. Darüber hinaus wurden Wirkzusammenhänge gesammelt, die dabei helfen, Verstöße gegen Qualitätsmerkmale des Schablonendrucks zu beseitigen. Neben Verstößen, die auf Informationen aus der automatischen optischen Inspektion (AOI) basieren, wurden auch Fehlermerkmale abgebildet, die einem Anwender im Rahmen einer manuellen optischen Inspektion auffallen. Dies können z. B. Verunreinigungen auf der Leiterplatte oder verstopfte Schablonenaperturen sein. Die Gesamtheit dieser Informationen erlaubt, neben der Maschinen- auch die Prozessdiagnose zu unterstützen.

 

4. Modellierung und Bereitstellung des Wissens im Expertensystem

 

Die in Mindmaps gesammelten Fehler-Ursache-Beziehungen müssen auf das interne Datenmodell der Expertensystemlösung übertragen werden. Im Folgenden wurden dazu in der Anwenderoberfläche für Wissensingenieure des Systems zu allen identifizierten Fehlersituationen Fehlerfälle mit ihren Ursachen sowie den jeweils möglichen Abhilfemaßnahmen angelegt. Ein Fehlerfall repräsentiert jeweils einen detektierten Verstoß gegen ein Qualitätsmerkmal oder einen Maschinenfehler und wird als ein Ausgangsknoten angelegt. Ihm kann dabei im Expertensystem eine Beschreibung der Fehlersituation zugeordnet werden (vgl. Bild 1 oben rechts). Für jeden Fehlerfall existieren in der Regel mehrere Ursachen, die ihn auslösen. Die Verknüpfung zwischen einem Fehlerbild und den möglichen Ursachen erfolgt über die Modellierung eines Netzwerkes aus Fragen, von diesen ausgehenden Kanten und Lösungen. Die Lösungen enthalten dabei eine Ursachenbeschreibung samt Behebungsanweisung.

 

 

Bild 1: Vorgehensweise bei der Wissensintegration in das Expertensystem zur Unterstützung von Diagnose und Therapie

Bild 1 unten links zeigt exemplarisch einen Teil des - auf Basis dieser Elemente modellierten - Fehlerbildes „Transfereffizienz zu gering“. Über Frageelemente (orange „?“-Bausteine im Bild) wird der Diagnoseprozess durch das Abfragen von Merkmalen, die für die jeweilige Fehlersituation relevant sind, so lange gesteuert, bis der Prozess schließlich bei einem Lösungselement (grüne „!“-Bausteine im Bild) endet. Sowohl Fehlerfall-, Frage- als auch Lösungselementen können neben einer textuellen Beschreibung auch multimediale Inhalte zugeordnet werden. Dies unterstützt die korrekte Auswahl eines Fehlerfalls, die korrekte Beantwortung von Fragen und die zielsichere Durchführung von Maßnahmen zur Problembeseitigung. Um die Komplexität der Modellierung zu reduzieren und Teilbereiche der abgebildeten Graphen in verschiedenen Fehlerfällen wiederverwenden zu können, ist es möglich, diese in Subdiagnosen auszugliedern (vgl. gelbes Element „Ausschöpfen“ im Bild). Darüber hinaus existiert noch eine Funktionalität, die es erlaubt, verschiedenen Fachbegriffen Synonyme zuzuweisen. Dies verbessert die Trefferquote des Systems bei Benutzeranfragen, da es sich dadurch auf unterschiedliches Anwenderjargon einstellen kann (z. B „Lotdepot“ = „Pastendepot“).

Über verschiedene Administrationsschritte werden anschließend die hinterlegten Fehlerfälle in die Anwenderoberfläche des Expertensystems übertragen. Dabei besteht eine Auswahlmöglichkeit, welche Fehlerfälle in die Anwenderoberfläche übernommen werden sollen, so dass in Arbeit befindliche Fehlerfälle nur in der GUI des Wissensingenieurs nicht jedoch in der Anwenderoberfläche zu sehen sind. In letzterer werden die ausgewählten Fehlerfälle in einem anwenderfreundlichen Dialogprozess dargestellt.

 

5. Verwendung des Expertensystems in Fehlersituationen

 

Die Verwendung des Expertensystems wird durch einen Verstoß gegen die definierten Qualitätsmerkmale oder durch einen Maschinenfehler ausgelöst. Ausgangspunkt des Fehlerbehebungsworkflows ist dabei die Eingabe einer Problembeschreibung in das Expertensystem durch den Anwender. Zur weiteren Analyse des Problems existiert die, in Bild 1 unten rechts dargestellte, webbasierte GUI, mit der der Bediener den Diagnoseprozess durch Eingabe der jeweils erforderlichen Informationen steuern kann. Das Bild zeigt beispielhaft einen Ausschnitt aus dem Diagnoseprozess, wie ihn ein Anwender auf Basis der modellierten Wirkzusammenhänge dargestellt bekommt. Aufgabe des Anwenders ist es, die Diagnosefragen zu beantworten, um so die Fehlerursache - und damit einhergehend auch den Lösungsraum - immer weiter einzugrenzen. Bei komplexen Fragen wird die korrekte und sinngemäße Beantwortung der Frage durch die Einblendung der hinterlegten, ergänzenden Beschreibungen und Multimediadokumente unterstützt. Die je nach Beantwortungsstand der Fragen aktuell relevanten Lösungsknoten werden im unteren Bereich der GUI angezeigt, um ggf. die Schnellauswahl einer geeigneten Lösung zu erlauben.

An verschiedenen Stellen des Prozesses steht eine Feedback-Funktion zur Verfügung, über die der Bediener zum einen Rückmeldung über schwer verständliche Fragen geben kann. Andererseits ist Feedback zu den angebotenen Lösungselementen samt den darin vorgeschlagenen Maßnahmen möglich. Hierdurch können fehlende oder nicht mehr relevante Informationselemente gemeldet werden. Diese Funktionalität erlaubt eine kontinuierliche Verbesserung des Fehler-Ursachennetzes.

 

6. Danksagung

 

Die Autoren bedanken sich für die Förderung der Entwicklungsarbeiten durch das BMWi unter dem Förderkennzeichen KF2305702PR9.

 

7. Autoreninformationen

 

• Prof. Dr.-Ing. Jörg Franke ist seit 2009 Inhaber des Lehrstuhls für Fertigungsautomatisierung und Produktionssystematik (FAPS) der FAU Erlangen-Nürnberg. Seit 2010 ist er Vorsitzender des Vorstandes der Forschungsvereinigung Räumliche Elektronische Baugruppen (3-D MID) sowie Leiter des Bayerischen Technologiezentrums für elektrische Antriebstechnik (E|Drive-Center).
  
  

• Dipl.-Inf. Markus Michl studierte Informatik an der FAU Erlangen-Nürnberg. Seit 2006 ist er wissenschaftlicher Mitarbeiter am Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS) der FAU Erlangen-Nürnberg im Bereich Planung und Simulation. Sein Forschungsschwerpunkt ist die Entwicklung von Systemlösungen der technischen Diagnose für automatisierte Produktionsanlagen.

 

8. Literaturverzeichnis

 

[1] Beierle, C.; Kern-Isberner G.: Methoden wissensbasierter Systeme, 4. Auflage, Vieweg+Teubner Verlag, Wiesbaden, 2008

[2] Oresjo, S.: Results from 2007 Industry Defect Level and Test Effectiveness Studies, In: IPC Printed Circuits Expo, APEX and Designers Summit, 2008, Paper Number S03-03

[3] Rösch, M.; Feldmann, K.: 3D-Pastendruckinspektion zur Prozesskontrolle und Optimierung im Schablonendruck, in: PLUS - Produktion von Leiterplatten und Systemen, Jahrgang 106, Heft 11 (2008), S. 2394-2399

[4] Watson, I.: Applying Case-based Reasoning: Techniques for Enterprise Systems, 5. Auflage, Morgan Kaufmann Publishers, Inc., San Francisco, 2001

[5] Zöllner, B.: Adaptive Diagnose in der Elektronikproduktion, 1. Auflage, Carl Hanser Verlag, München, 1995

---