کاربرد و توسعه فناوری AOI در SMT: موتور اصلی برای بهبود کیفیت تولید الکترونیکی

با توسعه محصولات الکترونیک به سمت کوچک سازی و تراکم بالا،روش های سنتی بازرسی بصری دستی و اندازه گیری الکتریکی دشوار بوده است تا با الزامات دقت بالا تولید SMT (تکنولوژی نصب سطح) مطابقت داشته باشد.فناوری AOI (بررسی نوری خودکار) از طریق تصویربرداری نوری و الگوریتم های هوشمند به یک ابزار اصلی برای تضمین کیفیت جوش و افزایش کارایی تولید تبدیل شده است.این مقاله به طور سیستماتیک نقش کلیدی AOI را در SMT از جنبه هایی مانند اصول فنی تجزیه و تحلیل می کند.، سناریوهای کاربرد، چالش های صنعت و روند آینده.

AOI یک فناوری آزمایش غیر مخرب است که بر اساس تصویربرداری نوری و تجزیه و تحلیل رایانه ای است. هسته آن شامل:

سیستم نوری:دوربین های CCD با وضوح بالا یا اسکنرها برای به دست آوردن تصاویر PCB (بورد مدار چاپی) استفاده می شوند.اثرات پارالاکس برای اطمینان از وضوح تصویر 18٪ حذف می شوند.

الگوریتم تحلیل:این روش به روش تأیید قواعد طراحی (DRC) و روش تشخیص گرافیکی تقسیم می شود. DRC نقص ها را از طریق قوانین پیش تعیین شده (مانند فاصله پد) تشخیص می دهد.در حالی که روش تشخیص گرافیکی با مقایسه تصاویر استاندارد با تصاویر واقعی، مطابقت دقیق را به دست می آورد 68.

نرم افزار هوشمند:AOI مدرن شامل مدل سازی آماری (مانند فناوری SAM) و یادگیری عمیق هوش مصنوعی برای افزایش سازگاری با تغییرات رنگ و شکل قطعات است.کاهش میزان اشتباهات قضاوت 10 تا 20 برابر در مقایسه با روش های سنتی.

اهمیت:60 تا 70 درصد نقص های جوش در مرحله چاپ (مانند کمبود قلع، آفست، پل) ایجاد می شود. 37.

راه حل فنی:یک سیستم تشخیص دو بعدی یا سه بعدی اتخاذ شده است. نور منعکس شده از لبه خمیر جوش به صورت شیب دار توسط یک منبع نور دایره ای گرفته می شود.و ارتفاع و شکل برای شناسایی سریع ناهنجاری 710 محاسبه شده است.

اهداف شناسایی:اگر نقص ها در این مرحله تشخیص داده نشوند، ممکن است پس از جوش مجدد قابل ترمیم نباشند.

مزیت های فنی:PCB پس از نصب سطحی دچار تغییر شکل در دمای بالا نشده است، شرایط پردازش تصویر مطلوب است و میزان اشتباه قضاوت با 410 پایین است.

عملکرد اصلی:تشخیص نقص هایی مانند پل، جوش غلط و توپ های جوش پس از جوش، که کیفیت کلی فرآیند را منعکس می کند.

چالش:لازم است که با پیچیدگی شکل سه بعدی مفصل جوش برخورد شود. برخی از سیستم ها تشخیص اشعه ایکس را برای افزایش دقت 10 ترکیب می کنند.

بهبود کارایی:سرعت تشخیص می تواند به صدها قطعه در ثانیه برسد، که بسیار بیشتر از بازرسی بصری دستی است و نیازهای خطوط تولید با سرعت بالا را برآورده می کند.

تضمین کیفیت:میزان پوشش خطای بیش از 80٪ است که به طور قابل توجهی هزینه های کار مجدد بعدی ناشی از تشخیص اشتباه را به میزان 67٪ کاهش می دهد.

بهینه سازی مبتنی بر داده:در ترکیب با SPC (کنترول فرآیند آماری) ، بازخورد در زمان واقعی در مورد پارامترهای فرآیند را فراهم می کند و به افزایش محصول 410 کمک می کند.

کاهش هزینه های نیروی کار:سیستم های بررسی هوش مصنوعی می توانند کار بررسی را بیش از 80٪ کاهش دهند، مانند "سیستم هوش مصنوعی تیانشو" از Gecreate Dongzhi 25.

اشتباه قضاوت و تشخیص نادرست:هشدارهای نادرست ناشی از عوامل مانند گرد و غبار و بازتاب مواد نیاز به بازرسی دستی دارد.

پیچیدگی برنامه نویسی:AOI سنتی نیاز به تنظیم الگوریتم ها برای اجزای مختلف دارد که چندین روز طول می کشد. 68

ادغام هوش مصنوعی:به عنوان مثال، "aiDAPTIV+ AOI" شرکت فانتزی از یادگیری تصویر هوش مصنوعی برای افزایش نرخ عبور 8 تا 10 درصد و کاهش قابل توجهی میزان قضاوت غلط 9 درصد استفاده می کند.

دید استریو و تصویربرداری سه بعدی:با ادغام فناوری SAM با آرایه های چند دوربین، تجزیه و تحلیل توپولوژی سه بعدی سطح PCBS به دست می آید و دقت اندازه گیری ارتفاع را 38٪ افزایش می دهد.

ادغام پلتفرم ابر:از ارزیابی مجدد متمرکز و نگهداری از راه دور در خطوط تولید متعدد پشتیبانی می کند، وابستگی به برچسب های فیزیکی را 25٪ کاهش می دهد.

هوش و سازگاری با خود:مدل های هوش مصنوعی به طور مداوم از داده های خط تولید یاد می گیرند، پارامترهای تشخیص را به طور پویا بهینه می کنند و به روش های تولید دسته های کوچک و چند نوع سازگار می شوند. 29

کوچک سازی تجهیزات و بهینه سازی هزینه ها:معرفی مدل های با هزینه بالا برای شرکت های کوچک و متوسط برای ترویج محبوبیت AOI.

ادغام کامل فرآیند:یکپارچه سازی عمیق با MES (سیستم اجرای تولید) برای دستیابی به کنترل حلقه بسته از بازرسی تا تنظیم فرآیند 59.

تکنولوژی AOI تبدیل به یک ابزار کنترل کیفیت ضروری در تولید SMT شده است.ادغام آن با فناوری هایی مانند هوش مصنوعی و تصویربرداری سه بعدی، تولید الکترونیک را به سمت دقت بالاتر و هزینه های پایین تر هدایت می کند.در آینده، با عمیق شدن صنعت 4.0، AOI از "شناخت نقص" به "پیشگیری از فرآیند" تغییر خواهد کرد و تبدیل به یک گره اصلی در اکوسیستم تولید هوشمند خواهد شد.