Aplikace, pokrok a výzvy umělé inteligence v oblasti kontroly výroby SMT.

V posledních letech prochází odvětví výroby elektroniky zásadními změnami a rychle se rozvíjí umělá inteligence (AI) a strojové učení. Tyto špičkové technologie podpořily automatizaci, optimalizovaly kontrolu kvality a poskytly cenná data a poznatky při výrobě desek plošných spojů (PCBA) technologií povrchové montáže (SMT). Integrace umělé inteligence do výroby elektroniky znamená posun od tradičních metod k chytřejším a přizpůsobivějším přístupům. Na druhé straně představuje spojení AI a AOI transformační příležitost. Při překonávání výzev průmysl SMT přijal řešení AI, která jsou poháněna pokrokem v oblasti hardwaru, strojového vidění a algoritmů AI. Tento vývoj posílil mechanické struktury a snížil počet falešně pozitivních výsledků. V odvětvích s vysokými požadavky na spolehlivost, jako je automobilový a letecký průmysl, řeší AI nedostatky automatizované kontroly a zároveň splňuje požadavky na výrobu a neustále zlepšuje procesy. Shodou okolností všechny stroje pick and place a rentgenové stroje společnosti Nectec implementovaly výpočetní funkce AI v reálném čase, aby lépe napomáhaly přesnosti a rychlosti montáže čipových součástek. Zajímavé je, co dělá z AI nepostradatelnou součást výrobního procesu SMT. Existuje pět bodů, které stojí za zmínku.

První bod, automatizační asistence AI. Programování AOI zpočátku zahrnuje ruční konfiguraci stovek kontrolních parametrů na základě dat CAD desek plošných spojů. Tento složitý a zdlouhavý proces může trvat až 10 hodin pro každý nový návrh. Řešení pro programování s umělou inteligencí změnila tento proces tím, že automaticky generují kompletní programy AOI během několika minut bez lidského zásahu. Tyto automatické programovací nástroje pracují na základě analýzy souborů návrhu DPS, kusovníku, tvarů/velikostí součástek a automaticky navrhují optimální podmínky kontroly. Algoritmy strojového vidění a hlubokého učení dokáží rychle extrahovat klíčové informace z návrhových souborů a doporučit kontrolní programování vhodné pro DPS. Tato automatizace zjednodušuje přepínání mezi deskami plošných spojů. 

Druhým bodem je spolehlivý kontrolní systém AI. Jednou z nejužitečnějších výhod inspekce AI je její spolehlivý detekční systém pro vizuální kontrolu běžných vad a složitých povrchových součástí. Při kontrole poškozených částí součástek SMT, jako jsou čipy, integrované obvody, konektory. A je ve skutečnosti obtížné předvídat vzhled poškozených dílů. Trénováním na příkladech založených na lidském učení se může umělá inteligence naučit identifikovat vady. V současné době dosahují vysoké míry přesnosti typy součástek, jako jsou čipy SMD, LED, OSC, MLD, SOD, SOT23, RNET, CNET, integrované obvody a konektory. Doporučujeme konzultovat s vlastníkem modelu AI, abyste zjistili, které typy jsou k dispozici pro zapnutí této funkce, čímž se zvýší přesnost ověřování a sníží pracovní zátěž obsluhy.

Třetí bod, implementace kontrolního algoritmu AI. Tradiční algoritmy OCV/OCR vyžadují samostatné školení a jejich konfigurace vyžaduje značné množství času a lidské práce. OCV/OCR je snadno narušen rozdíly v písmu a chybějícími znaky, což vede k vysoké míře falešně pozitivních výsledků, která někdy může dosáhnout více než 10%-20%. AI OCV/OCR vytvořila a vyladila knihovnu písem optimalizovanou pro přesnost znaků. AI OCV/OCR dokáže snadno detekovat znaky s nízkým kontrastem, což je pro tradiční metody téměř nemožné. Přítomnost nízkokontrastních vad a šumu při zobrazování představuje výzvu při optické kontrole, například dutiny při rentgenové kontrole a lepidlo na povrchu při optické kontrole. 

Čtvrtý bod, funkce inteligentního třídění implementovaná v rámci AI. Umělá inteligence dokáže nejen odhalit závady, ale také je inteligentně třídit podle typu, závažnosti a zdroje původu. Tato klasifikace umožňuje cílenou analýzu příčin, snižuje opakování závad a přispívá k robustnějšímu systému kontroly kvality. Jedním z příkladů klasifikace jsou nové součásti s různými tvary a velikostmi, které obvykle vyžadují přeprogramování kontrolního systému. Umělá inteligence řeší tento problém tím, že umožňuje inspekčnímu systému rychle trénovat nové komponenty bez nutnosti přeprogramování. Další aplikací AI při inspekci je detekce cizích objektů. 

Posledním a pátým bodem je chytrost a flexibilita AI v AOI. Flexibilita AI umožňuje systémům AOI zpracovávat různé typy součástek, barvy a materiály desek plošných spojů bez nutnosti přeprogramování. Trénováním na reprezentativních snímcích, které zahrnují očekávané odchylky, se algoritmy AI naučí rozlišovat mezi přijatelnými odchylkami procesu a skutečnými vadami. Tato flexibilita je obzvláště cenná v prostředí výroby s vysokým podílem směsi, kde jsou časté odchylky výrobků. Výsledkem je, že opravárenské stanice pro postoptickou kontrolu se díky AI stávají chytřejšími; tyto stanice nyní využívají potenciál AI k rozhodování podobnému lidskému, což snižuje potřebu ruční opakované kontroly, snižuje provozní náklady a poskytuje analýzu dat o stavu kontroly v reálném čase.

Závěrem lze říci, že transformační síla umělé inteligence v oblasti inspekce a chytrých továren slibuje bezkonkurenční efektivitu, přizpůsobivost a zajištění kvality. Přetváří budoucnost inovací a automatizované výroby elektroniky. Dopad AI přesahuje rámec inspekce na celý ekosystém výroby elektroniky a my se na tuto novou éru těšíme.