このカタログについて
| ドキュメント名 | アドバンテックのAI開発・管理プラットフォームWISE-AIFS【事例】 |
|---|---|
| ドキュメント種別 | 事例紹介 |
| ファイルサイズ | 9.2Mb |
| 登録カテゴリ | |
| 取り扱い企業 | アドバンテック株式会社 (この企業の取り扱いカタログ一覧) |
この企業の関連カタログ
このカタログの内容
Page1
WISE-AIFS
クロスプラットフォーム構成例
Page2
WISE-AIFS︓クロスプラットフォーム構築
エッジ〜クラウドの共通AI管理
管理 セントラルコンピューティングのリソース監視
構成センター メインストリームのAIフレームワークの統合
ベアメタル コンピューティングリソースの構成
モデルディスパッチ トレーニングタスクディスパッチ
モデルディスパッチ
AIエッジ AIエッジ AIエッジ
推論エンジン 推論エンジン 推論エンジン
OTA2.0エージェント
MIC-730 MIC-710 Sky-6400
推論Dockerリモートデプロイメント GPUコンピューティングリソース拡張ノード
推論Dockerのリモートデプロイメント
推論 Dockerリモートモニタリング＆管理 GPUの柔軟な拡張
モデルリモートデプロイメントのアップデート
モデルリモートデプロイメントのアップデート コンピューティングノードのリソース使⽤率のリアルタイム監視
Page3
WISE-AIFS︓クロスプラットフォーム構築
プライベート・クラウド〜パブリック・クラウドの共通AI管理
パブリッククラウドサービス グローバルモデル
W1 W2 W3
ローカルFLモデル ローカルFLモデル ローカルFLモデル
エンタープライズ エンタープライズ エンタープライズ
ラージ ラージ スモール
プライベートクラウド プライベートクラウド プライベートクラウド
プライベート プライベート プライベート
データ データ ベアメタル データ
医療センターまたは⼤企業の 地域病院または中規模企業の クリニックまたは中⼩企業向け
プライベートコンピューティングセンター プライベートコンピューティングセンター エッジコンピューティング
Page4
WISE-AIFS
事例︓スマートファクトリー
Page5
⼤⼿SMT機器メーカーはAIFSをベースにAI AOIソリューションを構築
必要事項
⽬視検査には、測定、識別、ポジショニング、検査の4つの機
能があり、その中でも最も⼈的要因の影響を受けやすいのが
検出である。
AIトランスフォーメーションと組み合わせることで、従来のAOI
の⾼い誤警報率の問題が改善される。
効果的な普及を実現するには、複数の使⽤可能なAIモデル
をプラットフォームで構築する必要がある。
SMT機器ベンダーはPCB SMT AI.AOI
モデルをAIFSシステムに統合し、エンド
AI AOI検出モデルはほとんどエッジで動作するため、クラウド カスタマーに継続的に最適化できるPCB
トレーニングからエッジデプロイメントまでのシリーズ的なサービ SMTAI.AOIソリューションを提供する。
スが必要となる。
Page6
⼤⼿SMT機器メーカーはAIFSをベースにAI AOIソリューションを構築
WISE-IoTSuite
SMT Retraining Factory 1 SMT Retraining Factory 2
AI Model AI Model
WISE-AIFS WISE-AIFS
Edge Cloud Edge Cloud
Data Data
Retraining Data Data
Model Retraining
Model Retraining Model Model Retraining
Mgmt. Mgmt. Mgmt. Mgmt.
Production Line 1 Production Line 2 Production Line 1 Production Line 2
SMT SMT SMT SMT
AI Model AI Model AI Model AI Model
WISE-AIFS WISE-AIFS WISE-AIFS WISE-AIFS
Edge AI Mgmt. Edge AI Mgmt. Edge AI Mgmt. Edge AI Mgmt.
Page7
⼤⼿SMT機器メーカーはAIFSをベースにAI AOIソリューションを構築
0〜1︓フォーカスエリアに応じて最初に機能するAIモデルの構築を加速する
Page8
⼤⼿SMT機器メーカーはAIFSをベースにAI AOIソリューションを構築
1〜N︓AIモデルを再トレーニングして最適化し、似たようなシナリオにデプロイする
Page9
WISE-AIFS
事例︓検査⼯程の画像診断
Page10
WISE-AIFS PCBA DIP AI.AOIのアプリケーション事例
必要事項
プリント基板のはんだスポットの⽋陥検出・修正には、各⽣産
で多くの⼈⼿が必要であった
製品の品質は⼀定でなければならない
ルールベースの測定AOI機器を使⽤する場合、製品ごとに異
なるプログラムが必要となり、時間がかかるだけでなく、誤判
定率も⾼い。
PCB AI.AOIモデルとAIFSシステムを導⼊する
ことで、お客様はオンプレミスのPCB AI.AOIソ
⼯場のIT部⾨が⾃動化された再トレーニングメカニズムを通 リューションを利⽤できる。これにより、モデルの再
トレーニングと最適化、およびリモート導⼊のた
じてモデルを継続的に最適化できるように、⾃⼰制御型が望 めにオンプレミスでデータにラベルを付けることが
ましい できる。
Page11
PCBA DIP AI.AOIによるはんだスポットの⽋陥検出
AI.AOI PCBA事前トレーニングモデルで識別可能な⽋陥︓
⽋陥のタイプ ブリッジ スキップ 過剰なはんだ付け
1 はんだブリッジ
2 はんだスキップ ⽋陥サンプル
3 過剰なはんだ付け 合部を覆うは
⽋陥の説明 2つのはんだ接合部が溶 はんだ接
け合っている んだがない、またはほと はんだ接合部のはんだ
んどない が多すぎる
濡れ不⾜ ハンダ不⾜ 外観
⽋陥のタイプ （スルーホール)
4 濡れ不⾜（スルーホール)
5 はんだ付け不⾜ ⽋陥サンプル
6 外観 パッド領域にボイドがある はんだ接合部のはんだ プリント基板にほこりや
⽋陥の説明 が不⾜している 異物が付着している
Page12
PCB AI.AOI 再トレインフロー
DIP AI AOI
事前訓練済みモデル
タスクの再トレーニング
AIトレーニングサーバー
モデルのオートアップデート ミス＆オーバーキルデータのアップロード
修正
プロダクトIDを読み取る ミス＆オーバーキルデータ
次のステーション
ラインスキャナー
バーコードスキャナ DIP AI.AOI 推論エンジン オペレーターレビューシステム ⽣産技術システム
オペレーターレビュー、 エンジニアラベリング＆
イメージラベリング、 モデルの⾃動再トレーニング
品質レポート
1 写真を撮る 2 DIP AI.AOI レビュー、ラベル付け、 モデルの
⽋陥検査 3 レポート 4 ⾃動再トレーニング
Page13
AI.AOIによるパフォーマンス向上
検査の効率向上 検査の品質・安定性向上
⾼い検出率を確保する
はんだ付け品質検査の効率を30%以上
向上させる 検査データのデジタル化により、⽋
検出率が⾼い 陥分布の分析が簡単になる
検出エラー率の低減 ソリューションスケールアップ効率向上
エラー率が低い
⽬視検査により⽬の疲れを軽減する クラウドベースのソリューションによりモデル
疲労による検査ミスのリスクを低減する の再トレーニングと再デプロイメントを可能
にし、異なる⽣産ライン/⼯場への拡張
性を実現する。
Page14
WISE-AIFS
事例︓⽣産⼯程の品質管理
Page15
WISE-AIFSによる⾼透磁率フィルムの品質予測アプリケーション事例
必要事項
⾼透磁率フィルムは⾮常に粘着性があり、フィルムの両⾯から
粘性部分の2％〜3％の廃棄により製造コストが⾼かった
⽣産⼯程における70以上のパラメータのうち、どれが主要な
品質パラメータかわからなかった
異常予測はモニタリングボードに表⽰し、関係機器管理者に
知らせる必要があった PQA AIモデルとAIFSシステムにより、
フィルム製造機のロールツーロールプログラムの
パラメータを収集・分析し、予測品質分析
また、AIモデリングに加えて共同分析・モデリングを⾏う必要 （PQA）モデルと品質予測警告システムを確
があった ⽴するのを⽀援し、警告が発⽣した場合に直
ちに関連パラメータを調整してフィルムロールの
品質を向上させ る。
Page16
AIFS(+ダッシュボード+APM)による⾼透磁率フィルムの品質予測
機器パラメータ＆アラート通知メカニズムの導⼊ 予測分類モデリング＆要因分析 主要機能によるフィルム品質予測結果のモニタリング アラート通知
アセットマネジメント AIモデルのトレーニング＆管理 データの視覚化
MQTT データベースサービス
MQTT
冷却ホイール電流、冷却ホイ 冷却ホイール電流、冷却ホイー
ール周波数、および冷却ホイ ル周波数、および冷却ホイール
ール温度など、70種類以上 温度など、70種類以上のパラ AIFS推論エンジン
のパラメータを収集する メータを収集する（８秒ごとに
（10秒ごとに1回のサンプリ 1回のサンプリング） EIS
フィルム成形機 ング） HMI EIS-D150 (cpu)