Das Erstellen guter automatisierter Modelle für die Inspektion erfordert das Sammeln von mehr Daten, sowohl gute als auch schlechte. Vijay Thangamariappan, F&E-Ingenieur bei Advantest, erklärt, wie Modelle zur Automatisierung optischer Inspektionen entwickelt werden, und zeigt am Beispiel einer Steckdose mit mehreren tausend Stiften, wie maschinelles Lernen dazu beigetragen hat, die Rücklaufquote aufgrund von Fehlern von 2 % auf null zu senken. Er erklärt auch, wie man dieses Maß an Zuverlässigkeit erreicht, wie man die zur Erstellung des Modells verwendeten Daten und das Modell selbst validiert und was noch getan werden muss, um sicherzustellen, dass ein Gerät wie erwartet funktioniert.

[Eingebetteten Inhalt]