SMT 제조 검사에서 AI의 적용, 발전 및 과제.

최근 몇 년 동안 전자 제조 산업은 인공지능(AI)과 머신러닝이 급부상하면서 큰 변화를 겪고 있습니다. 이러한 첨단 기술은 자동화를 촉진하고 품질 관리를 최적화하며 인쇄 회로 기판 어셈블리(PCBA)의 표면 실장 기술(SMT) 제조에 귀중한 데이터와 인사이트를 제공했습니다. 전자제품 제조에 AI를 통합하는 것은 기존 방식에서 보다 스마트하고 적응력이 뛰어난 접근 방식으로의 전환을 의미합니다. 반면에 AI와 AOI의 융합은 혁신적인 기회를 제공합니다. SMT 업계는 하드웨어, 머신 비전, AI 알고리즘의 발전을 바탕으로 과제를 극복하기 위해 AI 솔루션을 도입했습니다. 이러한 발전으로 기계적 구조가 강화되고 오탐률이 감소했습니다. 자동차 및 항공우주와 같이 높은 신뢰성이 요구되는 산업에서 AI는 자동화된 검사의 단점을 해결하면서 생산 수요를 충족하고 공정을 지속적으로 개선합니다. 공교롭게도 넥텍의 픽 앤 플레이스 머신과 엑스레이 머신은 모두 AI 실시간 컴퓨팅 기능을 구현하여 칩 부품 장착의 정밀도와 속도를 향상시켰습니다. 흥미로운 점은 AI가 SMT 제조 공정에서 없어서는 안 될 필수 요소라는 점입니다. 언급할 가치가 있는 다섯 가지 포인트가 있습니다.

첫 번째는 AI의 자동화 지원입니다. 초기에는 엔지니어가 PCB CAD 데이터를 기반으로 수백 개의 검사 파라미터를 수동으로 구성해야 하는 AOI 프로그래밍이 필요합니다. 이 복잡하고 지루한 프로세스는 새로운 설계마다 최대 10시간이 소요될 수 있습니다. AI 프로그래밍 솔루션은 사람의 개입 없이 몇 분 만에 완전한 AOI 프로그램을 자동으로 생성함으로써 이 프로세스를 혁신적으로 변화시켰습니다. 이러한 자동화된 프로그래밍 툴은 PCB 설계 파일, 자재 명세서, 부품 모양/크기를 분석하고 최적의 검사 조건을 자동으로 제안하는 방식으로 작동합니다. 머신 비전과 딥러닝 알고리즘은 설계 파일에서 핵심 정보를 빠르게 추출하여 PCB에 적합한 검사 프로그램을 추천할 수 있습니다. 이러한 자동화를 통해 회로 기판 간 전환이 간소화됩니다. 

두 번째, AI의 신뢰할 수 있는 검사 시스템. AI 검사의 가장 유용한 장점 중 하나는 일반적인 결함이나 복잡한 표면 구성 요소를 육안으로 검사할 수 있는 안정적인 검출 시스템입니다. 칩, 집적 회로, 커넥터와 같은 SMT 부품의 손상된 부분을 검사할 때입니다. 실제로 손상된 부품의 모양을 예측하기는 어렵습니다. AI는 인간의 학습을 기반으로 한 사례 학습을 통해 결함을 식별하는 방법을 학습할 수 있습니다. 현재 SMD 칩, LED, OSC, MLD, SOD, SOT23, RNET, CNET, IC, 커넥터와 같은 부품 유형이 높은 정확도를 보이고 있습니다. 이 기능을 활성화하여 검증 정확도를 높이고 작업자의 작업량을 줄일 수 있는 유형을 결정하려면 AI 모델 소유자와 상담하는 것이 좋습니다.

세 번째는 AI 검사 알고리즘 구현입니다. 기존의 OCV/OCR 알고리즘은 별도의 학습이 필요하고 구성하는 데 상당한 시간과 인력이 소요됩니다. 글꼴 차이와 누락된 문자로 인해 OCV/OCR이 쉽게 중단되어 오탐률이 높으며, 때로는 10%-20% 이상에 도달하기도 합니다. AI OCV/OCR은 문자 정확도를 위해 최적화된 글꼴 라이브러리를 구축하고 미세 조정했습니다. AI OCV/OCR은 기존 방식으로는 거의 불가능했던 저대비 문자를 쉽게 감지할 수 있습니다. 이미징에서 저대비 결함 및 노이즈의 존재는 광학 검사에서 X-레이 검사의 보이드, 광학 검사의 표면 접착제와 같은 문제를 야기합니다. 

넷째, AI에 구현된 스마트 분류 기능. AI는 결함을 감지할 뿐만 아니라 유형, 심각도, 발생 원인에 따라 지능적으로 분류할 수 있습니다. 이러한 분류는 표적화된 근본 원인 분석을 가능하게 하여 재발을 줄이고 보다 강력한 품질 관리 시스템을 구축하는 데 기여합니다. 분류의 한 가지 예는 다양한 모양과 크기를 가진 새로운 구성 요소에 대한 것으로, 일반적으로 검사 시스템을 다시 프로그래밍해야 합니다. AI는 검사 시스템이 재프로그래밍 없이도 새로운 부품에 대해 빠르게 학습할 수 있게 함으로써 이러한 문제를 해결합니다. 또 다른 AI 검사 애플리케이션은 이물질 검출입니다. 

마지막 다섯 번째 요점은 AOI에서 AI의 스마트함과 유연성입니다. AI의 유연성 덕분에 AOI 시스템은 재프로그래밍 없이도 다양한 부품 유형, 색상, 회로 기판 소재를 처리할 수 있습니다. AI 알고리즘은 예상되는 변형이 포함된 대표 이미지를 학습함으로써 허용 가능한 공정 변형과 실제 결함을 구분하는 방법을 학습합니다. 이러한 유연성은 제품 변형이 빈번한 다품종 생산 환경에서 특히 유용합니다. 결과적으로 광학 검사 후 수리 스테이션은 AI를 통해 더욱 스마트해지고 있으며, 이러한 스테이션은 이제 AI의 잠재력을 활용하여 사람과 같은 결정을 내림으로써 수동 재검사의 필요성을 줄이고 운영 비용을 절감하며 실시간 검사 상태 데이터 분석을 제공합니다.

결론적으로, 검사 및 스마트 팩토리에서 AI의 혁신적 힘은 탁월한 효율성, 적응성 및 품질 보증을 약속합니다. AI는 혁신과 자동화 중심의 전자 제품 제조의 미래를 재편하고 있습니다. AI의 영향력은 검사를 넘어 전체 전자제품 제조 생태계로 확장되고 있으며, 우리는 이 새로운 시대를 기대합니다.