Torque Tester Tepat, AI Lancar di Makmal Automasi

Mengapa torque tester jadi isu besar dalam kilang pintar

Dalam satu audit kualiti di sebuah kilang automotif di Selangor, sistem AI vision dah luluskan semua modul stereng. Tapi bila sampel diambil secara manual, beberapa bolt pada housing motor stereng terasa longgar. Root cause? Nilai torque yang dibaca robot pemasangan tak tepat kerana torque tester untuk kalibrasi dah lama lari bacaan.

Situasi macam ni tak asing di kilang elektronik, automotif dan semikonduktor di Malaysia – terutama bila syarikat tengah agresif ke arah AI dalam pembuatan dan kilang pintar. AI hanya sebaik data sensornya. Kalau torque yang sepatutnya 2.0 Nm tapi sensor “percaya” 1.6 Nm sebagai normal, seluruh model AI kawalan kualiti akan tersasar.

Artikel ini fokus pada satu komponen kecil tapi kritikal: torque tester di makmal automasi. Kita akan tengok cara pilih torque tester yang betul, kaitan terus dengan sistem AI di kilang pintar, dan apa yang biasanya syarikat besar buat (Intel, Infineon, pemain TIER-1 automotif) berbanding kilang yang masih di fasa permulaan automasi.

---

1. Hubungan antara torque tester dan AI dalam pembuatan

Untuk kilang elektronik, automotif atau semikonduktor yang dah mula guna AI, torque testing bukan sekadar isu mekanikal – ia jadi sumber data kritikal.

Kenapa torque tester penting untuk AI dan kilang pintar?

• AI guna data torque untuk:
  • kesan corak kegagalan pemasangan
  • ramal kegagalan awal (predictive maintenance)
  • mengoptimumkan parameter robot pemasang skru / bolt
• Sistem MES / IIoT menggabungkan data torque dengan:
  • suhu reflow (untuk PCB)
  • getaran motor (untuk automotif)
  • data OEE dan scrap rate

Kalau torque tester yang digunakan untuk kalibrasi wrench, screwdriver automatik atau spindle robot tak tepat:

Model AI akan belajar daripada data yang salah, dan buat keputusan yang salah dengan penuh yakin.

Ini sebab ramai jurutera proses yang saya jumpa akan pastikan dulu ground truth mekanikal—termasuk torque—stabil, sebelum berhabis bajet untuk projek AI yang kompleks.

---

2. Faham dulu: static vs dynamic torque dalam konteks automasi

Langkah pertama sebelum beli torque tester ialah jelas jenis torque yang anda perlu ukur: static atau dynamic.

Static torque – biasa dalam QA dan audit

Static torque merujuk kepada pengukuran bila komponen tak bergerak.

Contoh di makmal automasi:

• Semak torque bolt pada modul ABS selepas pemasangan di line automotif
• Semak torque screw pada housing motor kipas, vacuum atau hair dryer
• Ujian run-down manual pada sampel PCB assembly dengan connector ber-screw

Static torque tester sesuai untuk:

• kerja audit kualiti berkala
• verifikasi nilai torque selepas mesin atau operator manual selesai pemasangan
• makmal R&D bila sedang tetapkan spesifikasi torque sesuatu produk

Dynamic torque – kritikal untuk robot dan spindle berkelajuan tinggi

Dynamic torque pula diukur ketika komponen sedang bergerak.

Contoh dalam kilang pintar:

• Mengukur torque semasa spindle robot memasang screw pada chassis telefon pintar
• Ujian torque motor stepper pada sistem pick-and-place semikonduktor
• Pantau torque motor servo dalam line pemasangan modul e-axle EV

Bila AI digunakan untuk kawal proses secara masa nyata (contoh, melaras kelajuan screwdriver automatik berdasarkan rintangan semasa skru dimasuk), sensor dynamic torque yang dikalibrasi dengan baik jadi asas.

Salah pilih jenis torque tester: apa yang boleh jadi?

• Guna tester static untuk aplikasi yang perlukan dynamic: data torque nampak “cantik” di makmal, tapi tak mewakili keadaan sebenar di line
• Guna tester dynamic yang tak sesuai jangkauan untuk audit static: bacaan jadi noise, jurutera pening, model AI sukar dilatih

Dalam projek AI pembuatan, ramai terlepas pandang hal “asas” macam ni, sedangkan ia penentu sama ada data yang dihantar ke data lake boleh dipakai atau tidak.

---

3. Pastikan keserasian dengan peralatan dan proses sedia ada

Torque tester yang bagus mesti “masuk” dengan ekosistem peralatan sedia ada – bukan hanya dari segi mekanikal, tapi juga dari segi data.

a) Keserasian mekanikal

Sebelum beli, senaraikan:

• jenis fastener utama: M2, M3, M6, screw self-tapping, bolt hex, nut
• jenis alat:
  • torque wrench manual
  • elektrik / pneumatic screwdriver
  • axis robot dengan spindle khas

Perkara yang perlu dipastikan:

• Adakah adapter yang sesuai tersedia (hex, square drive, bit holder khusus)?
• Adakah torque tester boleh menampung range daripada torque kecil (contoh 0.02 Nm untuk elektronik) hingga torque besar (contoh >100 Nm untuk automotif)?

Ramai pembeli cuba jimat dengan beli satu unit “serba guna” yang kononnya boleh pakai untuk semua. Akhirnya, separuh line tak pernah kalibrasi dengan betul sebab tester tak muat atau sukar digunakan.

b) Keserasian data dengan sistem AI / MES

Ini bahagian yang kritikal bila bercakap tentang AI dalam pembuatan.

Tanya pembekal torque tester:

• Adakah data boleh dieksport secara automatik (USB, Ethernet, fieldbus, OPC-UA)?
• Format data: CSV, JSON, atau protokol proprietari?
• Boleh integrasi dengan:
  • MES
  • platform IIoT sedia ada
  • sistem analitik atau AI (on-prem / cloud)

Torque tester yang boleh menghantar data terus ke sistem analitik memudahkan:

• pembinaan model statistik proses (SPC) untuk torque
• latihan model AI yang menggabungkan torque, suhu, masa kitaran dan scrap rate
• traceability penuh bila ada isu kualiti di lapangan

---

4. Pilih julat pengukuran yang betul: 20%–100%, bukan “asal boleh”

Satu prinsip ringkas yang ramai jurutera senior pegang:

Guna torque tester dalam lingkungan 20% hingga 100% daripada julat maksimumnya untuk dapat bacaan yang paling stabil.

Kenapa julat penting?

• Di hujung bawah skala (contoh <10% dari maksimum), banyak sensor mula hilang ketepatan
• Di hujung atas skala (hampir maksimum), risiko over-stress pada peralatan meningkat

Contoh mudah:

• Jika line elektronik anda perlukan 0.05–0.6 Nm,
  • jangan guna tester 0–10 Nm;
  • lebih baik guna 0–1 Nm atau 0–2 Nm, supaya bacaan berada di tengah-tengah skala.

Dalam automotif:

• Jika kebanyakan aplikasi di 20–80 Nm,
  • pertimbangkan satu torque tester 0–100 Nm,
  • dan mungkin satu lagi 0–20 Nm untuk kerja low-torque di modul elektronik dalam kenderaan.

Kesan terus kepada AI

AI sangat sensitif kepada bisikan kecil dalam data. Kalau julat torque tester terlalu besar sampai bacaan low-torque banyak noise, model AI:

• susah membezakan antara “hampir longgar” dan “masih dalam spesifikasi”
• boleh menyebabkan false reject atau false accept dalam sistem kawalan kualiti automatik

Dengan kata lain, pemilihan julat torque tester yang tepat ialah pelaburan awal untuk data yang bersih dan boleh dipercayai.

---

5. Kalibrasi: asas sebelum bercakap tentang AI dan analitik pintar

Saya selalu kata:

“Kalau kalibrasi lintang-pukang, jangan salahkan AI bila keputusan tak masuk akal.”

Torque tester sendiri mesti dikalibrasi dengan disiplin yang ketat.

a) Soalan yang patut anda tanya pembekal

1. Berapa kerap torque tester perlu dikalibrasi?
   • 6 bulan? 12 bulan? Bergantung intensiti penggunaan dan standard syarikat.
2. Ada tak pilihan kalibrasi di dalam rumah (in-house)?
   • Adakah pembekal sediakan kit rujukan atau hanya boleh dibuat di makmal terakreditasi?
3. Adakah sijil kalibrasi ikut standard antarabangsa (contoh bersandarkan makmal yang diiktiraf)?

b) Kenapa kalibrasi penting untuk integrasi AI

AI bina “pemahaman” tentang proses berdasarkan data sejarah:

• Jika torque tester drift 5–10%, data lama dan baru tak konsisten
• Model AI yang dah dilatih mungkin perlu di-retrain bila anda kalibrasi semula

Dengan jadual kalibrasi yang jelas dan rekod yang teratur:

• pasukan data boleh tandakan (flag) bila ada perubahan rujukan (selepas kalibrasi)
• model AI boleh di-adjust atau retrain dengan lebih terkawal

Dalam sektor semikonduktor yang sangat sensitif pada variasi kecil, amalan ini sudah jadi kebiasaan. Sektor automotif dan elektronik pengguna di Malaysia pun sedang bergerak ke arah tahap disiplin yang sama.

---

6. Ciri tambahan yang patut dipertimbangkan untuk makmal automasi moden

Bila makmal automasi anda semakin matang dan mula menyokong projek AI kilang pintar, beberapa ciri tambahan pada torque tester akan banyak memudahkan hidup.

a) Rakaman dan analisis curve torque–angle

Untuk aplikasi kritikal (contoh:

• screw pada heat spreader cip semikonduktor,
• bolt pada sistem brek,
• fastening pada modul bateri EV),

bentuk curve torque–angle lebih bermakna daripada satu angka torque akhir.

Torque tester yang boleh:

• merakam curve penuh,
• eksport curve untuk analisis,

akan benarkan AI mengesan:

• thread yang rosak,
• komponen yang tersumbat,
• pemasangan serong, walaupun torque akhir nampak “OK”.

b) Antara muka mesra operator + latihan minima

Realitinya, ramai operator dan teknisyen di line mungkin tak selesa dengan GUI yang kompleks. Cari torque tester yang:

• ada menu ringkas, beberapa preset program,
• jelas untuk tukar dari satu jenis produk ke produk lain,
• mudah dilatih dalam masa <1 hari.

Bila operator kurang ralat operasi, data yang dihantar ke sistem AI juga lebih bersih.

c) Integrasi ke aliran kerja kilang pintar

Untuk kilang yang serius tentang AI dalam pembuatan (elektronik, automotif, semikonduktor), torque tester patut dianggap sebagai nod dalam rangkaian data, bukan peralatan terasing.

Pertimbangkan:

• Boleh tak torque tester di-trigger oleh sistem MES secara automatik untuk lot tertentu?
• Boleh tak hasil ujian torque link kepada nombor siri produk atau barcode?
• Boleh tak data torque digunakan sebagai salah satu kriteria release lot dalam sistem quality gate berasaskan AI?

Bila semua ini diatur, torque testing berubah daripada kerja sampingan di makmal kepada komponen utama strategi kualiti pintar.

---

7. Strategi praktikal untuk pilih torque tester pertama (atau naik taraf)

Kalau anda tengah dalam fasa nak beli torque tester untuk makmal automasi, berikut pendekatan yang biasanya berkesan:

1. Peta proses dahulu, beli kemudian

   • Senaraikan semua titik fastening kritikal dalam line elektronik / automotif / semikonduktor anda.
   • Tandakan mana yang perlu static, mana yang perlu dynamic torque.

2. Mulakan dengan 70–80% keperluan utama

   • Jangan cuba tutup semua kemungkinan sekaligus. Fokus pada produk ber-volume tinggi dan berisiko tinggi.

3. Pilih satu atau dua torque tester yang benar-benar boleh diintegrasi data

   • Walaupun mahal sikit, ia membuka jalan untuk projek AI dan analitik yang lebih bernilai.

4. Bangunkan SOP kalibrasi dan data governance sejak awal

   • Tetapkan jadual kalibrasi, tanggungjawab jabatan, dan cara data torque disimpan serta digunakan.

5. Uji bersama pasukan AI / data dan pasukan produksi

   • Jangan beli torque tester hanya dari perspektif QA. Libatkan juga mereka yang sedang membina dashboard, model AI, serta mereka yang jaga OEE.

Dengan pendekatan ni, pelaburan torque tester bukan lagi belanja QA semata-mata, tapi sebahagian daripada pelaburan strategik ke arah kilang pintar berasaskan AI.

---

Penutup: Torque tester kecil, impak pada AI sangat besar

Bila bercakap tentang AI dalam pembuatan – dari elektronik di Penang, automotif di Pekan dan Gurun, sampai semikonduktor di Kulim – orang selalu terus lompat ke topik data lake, cloud, dan model pembelajaran mendalam.

Hakikatnya, AI hanya setepat sensor dan peralatan asas yang membekalkan data. Torque tester yang dipilih dengan betul, dikalibrasi dengan disiplin dan diintegrasi dengan sistem kilang akan:

• mengurangkan risiko produk longgar atau over-tighten,
• meningkatkan keyakinan terhadap data proses,
• menjadikan projek AI kawalan kualiti jauh lebih stabil dan meyakinkan.

Jika anda sedang merancang inisiatif AI atau kilang pintar tahun hadapan, tanya diri sendiri:

“Sejauh mana saya yakin dengan data torque yang masuk ke dalam sistem?”

Kalau jawapannya ragu-ragu, mungkin masa yang sesuai untuk menilai semula torque tester di makmal automasi anda – sebelum anda melangkah lebih jauh dengan AI.