CASE story
Elektronikproduktion og industriel automationEdge AI og Machine Vision automatiserer kvalitetskontrol af printplader
Applikation: AI-baseret kvalitetskontrol af printplader (PCB) med Machine Vision og automatisk analyse af produktionsfejl.
Produkt: JHCTECH BRAV-7721
Opgaven
I moderne elektronikproduktion bliver printplader (PCB) stadig mere avancerede med mindre komponenter, tættere forbindelser og højere krav til præcision. Det stiller store krav til kvalitetskontrollen, hvor selv små produktionsfejl kan påvirke det færdige produkts funktion og levetid.
Traditionelt anvendes automatiske optiske inspektionssystemer (AOI) til at identificere mulige fejl på printpladerne. Systemerne kan dog generere mange falske alarmer, hvor printplader bliver markeret som fejlbehæftede, selvom de reelt er i orden. Det betyder, at medarbejdere efterfølgende skal gennemgå et stort antal billeder manuelt for at afgøre, om der er tale om en reel fejl.
Denne proces er både tidskrævende og ressourcekrævende. Samtidig kan den manuelle vurdering variere afhængigt af medarbejdernes erfaring og arbejdsbelastning.
En af JHCTECHs kunder inden for industriel Machine Vision har derfor udviklet en AI-baseret løsning, der automatiserer en stor del af den manuelle efterkontrol af printplader. Ved hjælp af intelligent billedanalyse kan systemet frasortere falske alarmer, forbedre kvalitetssikringen og reducere behovet for manuel kontrol.
Løsningen – Edge AI og Machine Vision
Løsningen kombinerer eksisterende AOI-inspektionsudstyr med AI-baseret billedanalyse, hvor en industriel Edge AI-computer står for databehandlingen.
Når AOI-systemet registrerer en mulig fejl på en printplade, analyseres billederne af en AI-model baseret på Deep Learning. Modellen er trænet til at genkende produktionsfejl og kan dermed skelne mellem reelle fejl og falske alarmer.
På den måde frasorteres en stor del af de falske alarmer automatisk, så medarbejderne kun behøver at gennemgå de fejl, der kræver yderligere kontrol.
Resultatet er en mere effektiv og ensartet kvalitetskontrol, hvor AI håndterer den indledende analyse, mens medarbejderne foretager den endelige vurdering.
Billedanalysen udføres lokalt på Edge AI-computeren, så store mængder billeddata kan behandles direkte i produktionen uden behov for cloudbaseret AI-behandling.
Produkt – Industriel Edge AI-computer med NVIDIA GPU
JHCTECH BRAV-7721
Den centrale hardwareplatform i løsningen er JHCTECH BRAV-7721, en industriel Edge AI-computer udviklet til krævende applikationer inden for Machine Vision, billedbehandling og lokal AI-inferens.
Computeren understøtter Intel Core-processorer fra 12., 13. og 14. generation og har mulighed for installation af dedikerede grafikkort til GPU-accelereret AI-behandling.
I løsningen anvendes blandt andet:
- Intel Core i7-13700 med 16 kerner og 24 tråde til billedbehandling og parallelle processer.
- NVIDIA GeForce RTX 4070 GPU til acceleration af AI-modeller og billedanalyse.
- Op til 64 GB DDR5 RAM til håndtering og buffering af billeddata.
- PCIe-udvidelse til grafikkort og ekstra netværkskort.
- Tilslutning af op til 8 industrielle GigE Vision-kameraer via PoE-netværkskort.
- Industrielle kommunikationsinterfaces til integration med produktionsudstyr.
Ud over selve AI-billedanalysen håndterer computeren også kommunikationen med inspektionsudstyret, lagring af billeddata og dataudveksling med produktionssystemer som MES (Manufacturing Execution System).
Dermed samles flere funktioner i én industriel hardwareplatform, som kan integreres direkte i produktionslinjen.
Mindre manuel kontrol og højere effektivitet
Ifølge JHCTECH er løsningen implementeret hos flere producenter af printplader, herunder produktion af avancerede HDI-printplader, rigid-flex print og IC-substrater.
Resultater
De rapporterede resultater viser, hvordan kombinationen af AI og industriel Edge Computing kan reducere behovet for manuel kvalitetskontrol betydeligt.
Område |
Rapporterede resultater |
| Falske alarmer | 70–90 % filtreres automatisk |
| Manuel efterkontrol | Over 70 % reduktion i arbejdsbelastningen |
| Bemanding | Fra typisk 3–6 til 1–2 medarbejdere pr. AOI-enhed |
| Kvalitetskontrol | Mere ensartet vurdering med AI |
| Sporbarhed | Digital registrering af inspektionsdata |
| Tilbagebetalingstid | Anslået til 8–12 måneder |
Tallene er baseret på JHCTECHs beskrevne implementeringer og vil afhænge af den konkrete produktionslinje, AI-modellerne og integrationskravene.
Edge AI skaber nye muligheder i industrien
Denne case illustrerer, hvordan AI og Machine Vision kan integreres i eksisterende produktionsmiljøer uden nødvendigvis at udskifte det nuværende inspektionsudstyr.
Ved at kombinere industrielle computere med GPU-acceleration, kameraer og specialudviklede AI-modeller bliver det muligt at automatisere opgaver, der tidligere krævede omfattende manuel behandling.
Teknologien er ikke begrænset til elektronikproduktion. Tilsvarende løsninger kan anvendes til blandt andet visuel kvalitetskontrol, objektgenkendelse, sortering, produktionsovervågning og automatisk fejldetektion.
Case baseret på en kundeløsning publiceret af JHCTECH, som Nord Technology er distributør af. Den beskrevne implementering og de rapporterede resultater stammer fra leverandørens case.
Billedemateriale er i stort omfang AI genererede.
← CASE story – Intelligent energistyring – maritim
Case story – Parkeringsbranchen →
Læs mere om:
Har du brug for en kundetilpasset løsning?
Den samme teknologi kan nemt tilpasses andre brancher, hvor der er behov for lokal databehandling, sikker kommunikation og pålidelig drift – både i og uden for industrien.
Alle vores produkter kan tilpasses for at opfylde de specifikke ønsker og krav, som kunderne måtte have.
Kontakt os gerne med alle spørgsmål relateret til dit projekt.
Ring gerne på Tlf.+45 7027 0415
Vi er en lille, men effektiv enhed i vores produktionsteam

