Polski Liczba wyświetleń:0 Autor:Edytuj tę stronę Wysłany: 2026-09-24 Źródło:Ta strona
Oparta na regułach zautomatyzowana kontrola optyczna (AOI) zawodzi na nowoczesnych liniach PCBA o dużej gęstości. Podczas kontroli komponentów 01005 lub gęsto upakowanych płytek BGA nie można polegać na progach statycznych. Wykrywanie defektów w oparciu o sztuczną inteligencję stanowi podstawowy wymóg w przypadku wszelkich poważnych operacji związanych z technologią montażu powierzchniowego (SMT). Wysoki odsetek fałszywych połączeń i długi czas ręcznego przeglądania zmniejszają prędkość linii. Niszczą marże wydajności i wypalają operatorów, co bezpośrednio prowadzi do wtórnych błędów inspekcji.
Kierownicy produkcji toczą ciągłą walkę na hali produkcyjnej. Tradycyjne algorytmy deterministyczne mają trudności z rozróżnieniem akceptowalnych zmian w procesie od rzeczywistych defektów na gęsto zaludnionych płytkach. Niewielka zmiana w sitodruku lub nieszkodliwe pozostałości topnika często powodują zatrzymanie maszyny, zmuszając operatora do sprawdzenia, czy płyta jest całkowicie sprawna.
Oceniamy, w jaki sposób dwóch głównych graczy projektuje swój sprzęt 3D AOI i oprogramowanie AI, aby wyeliminować te wąskie gardła. Przyjrzymy się dokładnej mechanice ich głowic inspekcyjnych, strukturom uczenia maszynowego i ich działaniu na aktywnych halach produkcyjnych. To zestawienie eliminuje twierdzenia marketingowe skupiające się na wydajności wbudowanej, wskaźnikach ucieczki defektów i rzeczywistej wydajności programowania.
Wydajność programowania AI: Porównaj platformę vAI ProVision firmy Viscom z zastrzeżonym silnikiem AI firmy SAKI pod względem czasu konfiguracji wprowadzenia nowego produktu (NPI) i automatycznego generowania programów.
Redukcja wyników fałszywie pozytywnych i inteligentny przegląd: Podkreśl najważniejsze wskaźniki służące do oceny, w jaki sposób każdy system rozróżnia akceptowalne tolerancje od krytycznych defektów oraz w jaki sposób stacje przeglądowe wspomagane sztuczną inteligencją minimalizują czas ręcznej weryfikacji.
Głęboka kontrola 3D: Podsumuj, jak obie marki radzą sobie z ukrytymi defektami i cieniami wysokich komponentów, korzystając z zaawansowanych technologii obrazowania i inteligentnych algorytmów.
Integracja i skalowalność: opisz gotowość obu platform do zapewnienia zgodności z inteligentną fabryką, integracji z systemem MES w pętli zamkniętej oraz ciągłego udoskonalania uczenia maszynowego.
Spis treści
Wydajność AOI należy mierzyć na rzeczywistych liniach SMT, a nie tylko rozdzielczością kamery czy maksymalną szybkością inspekcji. Wibracje fabryczne, zmiany oświetlenia i zmiany temperatury mogą mieć wpływ na jakość obrazu i dokładność kontroli. Niezawodny system AOI powinien utrzymywać stabilną wydajność w rzeczywistych warunkach produkcyjnych.
Sztuczna inteligencja pomaga systemom AOI rozpoznawać normalne różnice w połączeniach lutowanych i rozmieszczeniu komponentów, redukując niepotrzebne fałszywe wywołania. Nowoczesne systemy mogą również uczyć się na podstawie informacji zwrotnych od operatora podczas przeglądu usterek. Skraca to czas ręcznej kontroli, zmniejsza obciążenie operatora i z biegiem czasu poprawia wydajność kontroli.
SAKI łączy kamery o wysokiej rozdzielczości z wieloczęstotliwościową projekcją z przesunięciem fazowym, zapewniając precyzyjną inspekcję 3D. Oświetlenie wielokierunkowe pomaga zredukować cienie z wysokich komponentów i poprawia pomiary w osi Z komponentów i połączeń lutowanych, w tym ukrytych obszarów na płytkach PCBA o dużej gęstości.
SAKI wykorzystuje sztuczną inteligencję do importowania danych CAD i Gerber, tworzenia bibliotek komponentów i automatycznego tworzenia wstępnych ustawień kontroli. Jego sztuczna inteligencja analizuje również dane połączeń lutowanych 3D w celu wykrycia defektów, takich jak podniesione przewody, mostkowanie i niewystarczająca ilość lutu, co ogranicza potrzebę ręcznego programowania i kontroli wizualnych 2D.
SAKI doskonale nadaje się do produkcji na dużą skalę, gdzie ważna jest stabilna kontrola i niski odsetek fałszywych wezwań. Proces NPI łączy dane CAD, biblioteki komponentów, parametry generowane przez sztuczną inteligencję i automatyczne dostrajanie przy użyciu prawdziwych płytek. Jednak operatorzy mogą potrzebować dodatkowego szkolenia, a komponenty niestandardowe mogą wymagać większej ilości danych z kontroli, zanim model sztucznej inteligencji stanie się niezawodny.
Technologia głowicy czujnika w standardowej maszynie Viscom AOI 2026 reprezentuje wysoce wyspecjalizowane podejście do optycznego pozyskiwania danych. Viscom w dużym stopniu opiera się na systemach kamer wielokątowych otaczających centralny ortogonalny czujnik o wysokiej rozdzielczości. Tablica ta współpracuje z zaawansowanymi modułami projekcji prążkowej. Projektory rzucają precyzyjne wzory światła na planszę, podczas gdy kamery ustawione pod kątem rejestrują deformację tych wzorów na komponentach.
Firma Viscom projektuje tę konfigurację sprzętową specjalnie w celu identyfikacji ukrytych defektów. Ustawione pod kątem kamery zaglądają pod krawędzie niektórych komponentów i sprawdzają zaokrąglenia pakietów przewodów J, które pozostają niewidoczne z widoku z góry. Głęboka inspekcja 3D opiera się wyłącznie na danych z wielu perspektyw. System rekonstruuje bardzo dokładny model 3D PCBA, umożliwiając oprogramowaniu pomiar objętości lutu i współpłaszczyznowości komponentów z niezwykłą precyzją.
vAI ProVision firmy Viscom wykorzystuje sztuczną inteligencję do analizy danych CAD i automatycznego tworzenia ustawień kontroli w oparciu o typy komponentów i standardy IPC. Redukuje prace ręczne, takie jak rysowanie obszarów inspekcji i ustawianie limitów wysokości, pomagając inżynierom szybciej tworzyć programy inspekcji i skupiać się na bardziej złożonych komponentach.
Viscom doskonale nadaje się do produkcji o wysokim stopniu zróżnicowania i niezawodności, np. w przemyśle motoryzacyjnym i lotniczym. Oprogramowanie vAI ProVision obsługuje szybsze NPI i częste zmiany produktów, a kontrola pod wieloma kątami pomaga spełnić rygorystyczne wymagania inspekcji. Jednakże bardziej złożone zadania inspekcyjne mogą wymagać dodatkowej konfiguracji i integracji systemu.
Aby zrozumieć różnice w sprzęcie i oprogramowaniu, możemy przyjrzeć się podejściu obu systemów do procesu kontroli:
Funkcja systemu | Architektura SAKI | Architektura Viscomu |
|---|---|---|
Projekt czujnika pierwotnego | Ortogonalny o wysokiej rozdzielczości z przesunięciem fazowym | Ortogonalny w połączeniu z wielokątowym układem kamer |
Strategia łagodzenia cienia | Wielokierunkowa projekcja światła strukturalnego | Fizyczna inspekcja kamerą kątową i projekcja prążków |
Silnik oprogramowania NPI | Scentralizowane automatyczne dostrajanie AI | Zdecentralizowane modele vAI ProVision |
Idealne środowisko produkcyjne | Ciągłe serie o dużej objętości i niskim mieszaniu | Wysoka różnorodność, wysoka niezawodność (motoryzacja/lotnictwo) |
Maksymalizacja możliwości vAI ProVision często wymaga głębokiej integracji z autorskimi narzędziami do zarządzania danymi firmy Viscom. Powierzchnia sprzętowa wielokątowej głowicy czujnika może być również większa niż w przypadku konkurencyjnych systemów, co wymaga starannej integracji z istniejącymi liniami SMT. Złożone oceny AI wykorzystujące dane ze wszystkich kamer ustawionych pod kątem jednocześnie wprowadzają obciążenie przetwarzania, nieznacznie wpływając na czas cykli na wyjątkowo gęstych płytach.
Porównanie maszyny SAKI i Viscom AOI wymaga analizy, w jaki sposób odpowiednie sieci neuronowe odfiltrowują akceptowalne zmiany PCB. Przesunięcia sitodruku, pozostałości topnika i niewielkie odbarwienia podłoża powodują fałszywe alarmy w starszych systemach. SAKI wykorzystuje wysoce scentralizowany model sztucznej inteligencji, który filtruje te anomalie wizualne, nadając priorytet danym topograficznym 3D przed zmianami kolorów 2D. Sieci neuronowe firmy Viscom wykorzystują dane obrazu pod wieloma kątami do porównywania anomalii, zapewniając, że cień spowodowany pozostałościami topnika nie zostanie błędnie zinterpretowany jako brakujące zaokrąglenie lutu.
Szczegółowa kontrola nad progami zaufania AI różni się w przypadku obu platform. Viscom udostępnia inżynierom szczegółowe suwaki umożliwiające dostosowanie dokładności modeli vAI ProVision, umożliwiając szybką regulację w locie. System SAKI automatyzuje te progi w oparciu o ciągłą pętlę uczenia się, wymagającą mniej ręcznej interwencji, ale oferującą nieco mniej natychmiastową możliwość ręcznego pominięcia. Obydwa systemy skutecznie radzą sobie z głęboką inspekcją 3D pod kątem ukrytych defektów, chociaż fizyczne kąty kamery firmy Viscom zapewniają przewagę w kontroli bardzo złożonych geometrii PCBA z silnym cieniowaniem.
Zarówno SAKI, jak i Viscom korzystają z systemów przeglądu wspomaganych sztuczną inteligencją, aby skrócić czas ręcznej kontroli. SAKI zapewnia wyraźne obrazy 3D defektów i obrazy referencyjne, podczas gdy Viscom oferuje widoki z wielu kamer i bardziej szczegółowe dane z inspekcji. Obydwa systemy mogą uczyć się na podstawie informacji zwrotnych od operatora, aby z czasem ograniczać liczbę powtarzających się fałszywych połączeń.
Obydwa systemy wykorzystują dane CAD i Gerber do programowania offline, ale ich przepływ pracy jest inny. SAKI wykorzystuje ustrukturyzowany proces dostrajania sztucznej inteligencji, który koncentruje się na stabilnej inspekcji, podczas gdy vAI ProVision firmy Viscom wykorzystuje wstępnie wytrenowane modele sztucznej inteligencji, aby szybciej tworzyć programy i ograniczać ręczną konfigurację podczas NPI.
SAKI i Viscom obsługują protokół IPC-CFX w celu integracji z urządzeniami MES i innymi urządzeniami SMT. Obydwa systemy mogą udostępniać dane AOI maszynom SPI i Pick-and-Place w celu identyfikacji zmian w procesie i wspierania automatycznych korekt. Pomaga to zmniejszyć liczbę defektów i poprawić kontrolę produkcji.
SAKI i Viscom podchodzą do wyzwań związanych z produkcją elektroniki, stosując odrębne filozofie inżynieryjne. SAKI priorytetowo traktuje solidną stabilność sprzętu optycznego i wysoce scentralizowane, zautomatyzowane dostrajanie AI, aby osiągnąć maksymalną spójność inline. Viscom koncentruje się głównie na pozyskiwaniu czujników pod wieloma kątami i szybkim wdrażaniu oprogramowania za pomocą vAI ProVision, aby zdominować środowiska o dużej różnorodności i złożoności.
Obiekty, dla których priorytetem są długie serie produkcyjne, zgodność istniejącej floty SAKI i absolutna odporność na zmienne środowiskowe, powinny umieścić SAKI na krótkiej liście. Środowiska wymagające szybkich zmian w rozwiązaniach NPI, rygorystycznej zgodności z wymogami 3D w przypadku ukrytych defektów oraz szczegółowej kontroli nad parametrami sztucznej inteligencji uznają architekturę Viscom za wysoce efektywną.
Aby kontynuować ocenę AOI, wykonaj następujące kroki:
Skompiluj partię testową najbardziej złożonych PCBA, uwzględniając w szczególności płytki, w których znane są historyczne wady.
Zaplanuj testy inline z obydwoma dostawcami na aktywnym parkiecie SMT, aby zmierzyć rzeczywistą redukcję fałszywych połączeń w rzeczywistych warunkach termicznych i wibracyjnych.
Oceń interfejs oprogramowania u obecnych operatorów maszyn, aby ocenić krzywą uczenia się i sprawdzić ergonomię stanowiska.
Sprawdź kompatybilność IPC-CFX z istniejącym systemem realizacji produkcji (MES), aby zapewnić prawidłowe działanie rejestrowania danych w pętli zamkniętej.
Odp.: Viscom integruje sieci neuronowe z danymi projekcji prążków 3D. Sztuczna inteligencja analizuje wielokątową topografię 3D komponentu lub złącza lutowanego. Zamiast polegać na sztywnych zasadach geometrycznych, model uczenia maszynowego rozumie naturalne odchylenia w akceptowalnych zaokrągleniach lutowniczych i rozmieszczeniu komponentów. Pozwala to na rozróżnienie pomiędzy rzeczywiście krytycznymi defektami a akceptowalnymi odchyleniami procesu, drastycznie redukując fałszywe alarmy i czas ręcznego przeglądu.
Odp.: Viscom zazwyczaj oferuje szybszą realizację projektów NPI dzięki oprogramowaniu vAI ProVision, które w agresywny sposób stosuje wstępnie wyszkolone modele AI do importowanych danych CAD w celu automatycznego generowania parametrów kontroli. SAKI zawiera narzędzia do automatycznego programowania, ale jego przepływ pracy wymaga bardziej metodycznej fazy dostrajania opartej na sztucznej inteligencji na kilku pierwszych płytach fizycznych, przedkładającej długoterminową stabilność nad natychmiastową szybkość konfiguracji.
O: Tak. Obie platformy są w pełni wyposażone pod kątem inteligentnych ekosystemów fabrycznych. Obsługują standardowe protokoły komunikacyjne, w tym IPC-CFX i SECS/GEM. Umożliwia to bezproblemową integrację z istniejącymi systemami realizacji produkcji (MES) w celu rejestrowania danych w czasie rzeczywistym, identyfikowalności i informacji zwrotnej w pętli zamkniętej z innymi urządzeniami linii SMT.
Odp.: Obie maszyny wykorzystują zaawansowane obrazowanie do mapowania topografii planszy. SAKI wykorzystuje wielokierunkową projekcję światła strukturalnego, aby wyeliminować cienie powodowane przez wysokie elementy. Viscom wykorzystuje wielokątowy system kamer połączony z projekcją prążkową, aby fizycznie zaglądać pod krawędzie komponentów. Inteligentne algorytmy następnie rekonstruują te dane w precyzyjny model 3D, aby sprawdzić zasłonięte połączenia lutowane.
Odp.: Konserwacja sprzętu obejmuje rutynową kalibrację optyczną, czyszczenie soczewek czujników i weryfikację wyrównania projektora w celu zapewnienia dokładności osi Z. Konserwacja oprogramowania jest równie istotna. Inżynierowie muszą stale aktualizować scentralizowane biblioteki komponentów i zarządzać dryfowaniem modeli AI, dostarczając do systemu nowe dane w przypadku zmiany dostawców komponentów lub producentów płytek PCB.
Odp.: Modele sztucznej inteligencji dostosowują się dzięki możliwościom ciągłego uczenia się i inteligentnym pętlom informacji zwrotnych. Kiedy operator klasyfikuje anomalię w nowym komponencie jako fałszywie dodatnią, system aktualizuje swoją wewnętrzną wagę. Inżynierowie aktualizują scentralizowane biblioteki komponentów w trybie offline, dostarczając dane AI CAD i przykładowe obrazy nowych części bez wstrzymywania aktywnej produkcji.
