ID 
EN 
ES 
FR 
AR 
PT 
RU 
DE 
IT 
TR 
PL 
NL 
CS 
RO 
SK 
ZH 
JA 
KO 
Dalam beberapa tahun terakhir, industri manufaktur elektronik telah mengalami perubahan besar, dengan kecerdasan buatan (AI) dan pembelajaran mesin yang berkembang pesat. Teknologi canggih ini telah mendorong otomatisasi, mengoptimalkan kontrol kualitas, serta memberikan data dan wawasan yang berharga dalam pembuatan teknologi pemasangan permukaan (SMT) untuk perakitan papan sirkuit tercetak (PCBA). Mengintegrasikan AI ke dalam manufaktur elektronik menandai pergeseran dari metode tradisional ke pendekatan yang lebih cerdas dan adaptif. Di sisi lain, perpaduan AI dan AOI menghadirkan peluang transformatif. Untuk mengatasi tantangan, industri SMT telah mengadopsi solusi AI yang didorong oleh kemajuan dalam perangkat keras, visi mesin, dan algoritme AI. Perkembangan ini telah memperkuat struktur mekanis dan mengurangi kesalahan positif. Dalam industri dengan persyaratan keandalan yang tinggi, seperti otomotif dan kedirgantaraan, AI mengatasi kekurangan inspeksi otomatis sambil memenuhi permintaan produksi dan terus meningkatkan proses. Secara kebetulan, mesin pick and place dan mesin x-ray Nectec telah menerapkan fungsi komputasi real-time AI untuk membantu ketepatan dan kecepatan pemasangan komponen chip dengan lebih baik. Yang menarik, apa yang membuat AI menjadi bagian tak terpisahkan dari proses manufaktur SMT. Ada lima poin yang patut disebutkan.
Poin pertama, bantuan otomatisasi AI. Pada awalnya, pemrograman AOI melibatkan para insinyur yang secara manual mengonfigurasi ratusan parameter inspeksi berdasarkan data CAD PCB. Proses yang rumit dan membosankan ini dapat memakan waktu hingga 10 jam untuk setiap desain baru. Solusi pemrograman AI telah mengubah proses ini dengan secara otomatis menghasilkan program AOI lengkap dalam hitungan menit tanpa campur tangan manusia. Alat pemrograman otomatis ini bekerja dengan menganalisis file desain PCB, bill of material, bentuk/ukuran komponen, dan secara otomatis mengusulkan kondisi inspeksi yang optimal. Visi mesin dan algoritme pembelajaran mendalam dapat dengan cepat mengekstrak informasi utama dari file desain untuk merekomendasikan pemrograman inspeksi yang sesuai untuk PCB. Otomatisasi ini menyederhanakan peralihan antar papan sirkuit.
Poin kedua, sistem inspeksi AI yang andal. Salah satu keuntungan yang paling berguna dari pemeriksaan AI adalah sistem pendeteksiannya yang andal untuk pemeriksaan visual cacat umum dan komponen permukaan yang kompleks. Saat memeriksa bagian yang rusak dari komponen SMT, seperti chip, sirkuit terintegrasi, konektor. Dan sebenarnya, sulit untuk memprediksi kemunculan bagian yang rusak. Dengan melatih contoh-contoh berdasarkan pembelajaran manusia, AI dapat mempelajari cara mengidentifikasi cacat. Saat ini, jenis komponen seperti chip SMD, LED, OSC, MLD, SOD, SOT23, RNET, CNET, IC, dan konektor mencapai tingkat akurasi yang tinggi. Disarankan untuk berkonsultasi dengan pemilik model AI untuk menentukan tipe mana yang tersedia untuk mengaktifkan fitur ini, sehingga meningkatkan akurasi verifikasi dan mengurangi beban kerja operator.
Poin ketiga, implementasi algoritme pemeriksaan AI. Algoritme OCV/OCR tradisional memerlukan pelatihan terpisah dan menghabiskan banyak waktu dan tenaga untuk mengonfigurasinya. OCV/OCR mudah terganggu oleh perbedaan font dan karakter yang hilang, sehingga menghasilkan tingkat positif palsu yang tinggi, terkadang dapat mencapai lebih dari 10%-20%. AI OCV/OCR telah membangun dan menyempurnakan pustaka font yang dioptimalkan untuk akurasi karakter. AI OCV/OCR dapat dengan mudah mendeteksi karakter dengan kontras rendah, yang hampir tidak mungkin dilakukan dengan metode tradisional. Adanya cacat kontras rendah dan noise pada pencitraan menimbulkan tantangan dalam pemeriksaan optik, seperti lubang pada pemeriksaan sinar X dan perekat pada permukaan dalam pemeriksaan optik.
Poin keempat, fungsi penyortiran cerdas yang diimplementasikan dalam AI. AI tidak hanya dapat mendeteksi cacat, tetapi juga secara cerdas mengklasifikasikannya berdasarkan jenis, tingkat keparahan, dan sumber asalnya. Klasifikasi ini memungkinkan analisis akar masalah yang ditargetkan, mengurangi pengulangan dan berkontribusi pada sistem kontrol kualitas yang lebih kuat. Salah satu contoh klasifikasi adalah untuk komponen baru dengan berbagai bentuk dan ukuran, yang biasanya memerlukan pemrograman ulang sistem inspeksi. AI mengatasi tantangan ini dengan memungkinkan sistem inspeksi untuk melatih komponen baru dengan cepat tanpa perlu pemrograman ulang. Aplikasi inspeksi AI lainnya adalah deteksi benda asing.
Terakhir dan yang merupakan poin kelima, Kecerdasan dan fleksibilitas AI dalam AOI. Fleksibilitas AI memungkinkan sistem AOI untuk menangani berbagai jenis komponen, warna, dan bahan papan sirkuit tanpa pemrograman ulang. Dengan melatih gambar representatif yang mencakup variasi yang diharapkan, algoritme AI belajar membedakan antara variasi proses yang dapat diterima dan cacat yang sebenarnya. Fleksibilitas ini sangat berharga dalam lingkungan produksi dengan campuran tinggi di mana variasi produk sering terjadi. Hasilnya, stasiun perbaikan pasca-inspeksi optik menjadi lebih pintar melalui AI; stasiun ini sekarang memanfaatkan potensi AI untuk membuat keputusan seperti manusia, mengurangi kebutuhan inspeksi ulang secara manual, menurunkan biaya operasional, dan menyediakan analisis data status inspeksi secara real-time.
Sebagai penutup, kekuatan transformatif AI dalam inspeksi dan pabrik pintar menjanjikan efisiensi, kemampuan beradaptasi, dan jaminan kualitas yang tak tertandingi. Hal ini membentuk kembali masa depan inovasi dan manufaktur elektronik yang digerakkan oleh otomasi. Dampak AI melampaui inspeksi ke seluruh ekosistem manufaktur elektronik, dan kami menantikan era baru ini.