Suomalainen Luettu:0 Kirjoittaja:Sivustoeditori Julkaisuaika: 2026-09-24 alkuperä:paikka
Suuritiheyksisessä Surface Mount Technology (SMT) -tuotannossa väärien puhelujen ja vian taloudelliset vaikutukset pienenevät eksponentiaalisesti komponenttien miniatyrisoinnin myötä. Sijoittaessaan 0201m- ja 01005-komponentteja suunnittelu- ja laatutiimit pyrkivät tasapainottamaan tarkastusten läpimenoa ehdottomalla tarkkuudella. Vanhat automatisoidut optiset tarkastusjärjestelmät (AOI) ovat vahvasti riippuvaisia manuaalisesta kynnyksen virityksestä. Tämä johtaa käyttäjän väsymykseen, epäjohdonmukaiseen vikojen luokitteluun ja tuotannon pullonkauloihin uuden tuotteen esittelyn (NPI) aikana.
Näiden pullonkaulojen ratkaiseminen edellyttää seuraavan sukupolven 3D AOI -alustojen arviointia. Tämä analyysi vertailee Pemtron- ja SAKI-arkkitehtuurien optista laitteistoa, tekoälyyn perustuvia ohjelmistoekosysteemejä ja toiminnallisia realiteetteja. Arvioimme, miten erilaiset projektiotekniikat ja koneoppimismallit vaikuttavat vikojen havaitsemiseen tehtaalla. Opit, mikä järjestelmä sopii parhaiten tiettyihin valmistusympäristöihin, jolloin tiimisi voi optimoida linjanopeuden laadunvalvonnasta tinkimättä.
Laitteistoarkkitehtuuri sanelee perustarkkuuden: Pemtron käyttää edistynyttä värikuviota Moiré 3D -projektiota erittäin yksityiskohtaiseen juotosliitosprofilointiin, kun taas SAKI korostaa jäykkää portaalin vakautta ja nopeaa kuvankaappausta tasaisen toistettavuuden takaamiseksi.
Tekoälyn toteutuksen laajuus eroaa: Molemmat alustat hyödyntävät koneoppimista, mutta niiden sovellus vaihtelee – Pemtron keskittyy voimakkaasti automaattiseen ohjelmointiin ja NPI-asetusten lyhentämiseen, kun taas SAKI priorisoi tekoälypohjaisen virhesuodatuksen minimoimaan väärien puheluiden määrää.
Suorituskyky vs. resoluutio Kompromissit: Näiden järjestelmien välillä valitseminen edellyttää, että koneen näkökenttä (FOV) ja kameran resoluutioominaisuudet (esim. 12MP vs. 25MP) sovitetaan linjan nopeus- ja komponenttitiheysvaatimuksiin.
Älykäs tehdasvalmius ja suljetun silmukan synergia: Molemmat järjestelmät tukevat Industry 4.0 -standardeja (IPC-CFX, Hermes), mutta niiden kyky integroida saumattomasti olemassa oleviin juotospastan tarkastusjärjestelmiin (SPI) ja automatisoituun röntgensädetarkastusjärjestelmään (AXI) sanelee todellisen suljetun prosessin ohjauksen.
Sisällysluettelo
AOI-järjestelmien on tasapainotettava väärät puhelut ja vastaamattomat viat. Liian monet väärät puhelut lisäävät manuaalista tarkistusta ja käyttäjän työtaakkaa, kun taas huomaamatta jääneet viat voivat johtaa laatuongelmiin ja takuukustannuksiin. Valmistajien tulee testata AOI-järjestelmiä oikeilla tuotantolevyillä varmistaakseen, että ne voivat vähentää vääriä hälytyksiä ja silti havaita juotospalloja, siltoja ja riittämätöntä juotetta.
AOI:n tarkastusnopeuden on vastattava muuta SMT-linjaa tuotannon pullonkaulojen välttämiseksi. Suurempi näkökenttä (FOV) voi tarkastaa useampia komponentteja kerralla ja lyhentää syklin aikaa, mutta kuvanlaadun ja Z-akselin tarkkuuden on pysyttävä vakaina. Valmistajien tulee tasapainottaa FOV, tarkastusnopeus ja piirilevyn monimutkaisuus järjestelmää valitessaan.
Fast New Product Introduction (NPI) auttaa valmistajia käsittelemään toistuvia tuotemuutoksia. Nykyaikaiset AOI-järjestelmät voivat tuoda ODB++- tai Gerber-tietoja, tunnistaa komponentteja ja luoda automaattisesti perustarkastusasetuksia. Tämä vähentää manuaalista ohjelmointia ja voi lyhentää asetusaikaa päivistä tunteihin.
Pemtron vs SAKI AOI -järjestelmää arvioitaessa keskeinen ero on niiden optisissa sieppausmenetelmissä. Pemtron luottaa vahvasti monisuuntaiseen projektioon ja värikuvioiseen Moiré-tekniikkaan. Tämä lähestymistapa heijastaa tarkat hilakuviot painetulle piirilevylle useista kulmista. Kun nämä valokuviot osuvat kaareviin juotosfileisiin tai komponenttikappaleisiin, viivat muotoutuvat. Kamera tallentaa tämän muodonmuutoksen ja ohjelmisto laskee tarkan korkeuden ja tilavuuden ruudukon vaihesiirron perusteella.
Tämä moniprojektiostrategia eliminoi erinomaisesti varjovaikutukset. Korkeat komponentit, kuten elektrolyyttikondensaattorit, releet tai suuret liittimet, estävät usein valoa pääsemästä vierekkäisiin mikropassiivisiin. Projisoimalla valoa neljästä tai kahdeksasta eri kulmasta Pemtron varmistaa, että jokainen juotosfilee saa riittävän valaistuksen. Tämä estää kuolleet kulmat ja mahdollistaa tarkan 3D-profiloinnin myös tiheästi asutuilla levyalueilla.
SAKI yhdistää 12-25 megapikselin korkearesoluutioiset kamerat vaihesiirtomittausteknologiaan tarkastaakseen pieniä komponentteja, kuten 0201m. Telesentriset linssit auttavat ylläpitämään tarkat mittaukset koko näkökentässä (FOV), jolloin järjestelmä voi tasapainottaa tarkastusnopeuden mikrokomponenttien ja juotosliitosten vaatimien yksityiskohtien kanssa.
Vakaat konerakenteet auttavat estämään tärinää vaikuttamasta AOI-kuvan laatuun. SAKI käyttää jäykkää portaalirakennetta parantaakseen vakautta nopean skannauksen aikana, kun taas Pemtron käyttää lineaarimoottoreita ja tarkkuuskoodereita sujuvan liikkeen takaamiseksi. Molemmat mallit tukevat toistettavaa tarkastusta, mutta ne käyttävät erilaisia lähestymistapoja tärinän ja liikkeen hallintaan.
Pemtron käyttää tekoälyä nopeuttamaan uuden tuotteen esittelyn (NPI) käyttöönottoa. Ohjelmisto tuo CAD-tiedot, tunnistaa komponenttipaketit ja soveltaa automaattisesti sopivia tarkastusasetuksia. Insinöörien tarvitsee vain tarkistaa ja säätää ehdotetut parametrit, kun taas järjestelmä voi oppia näistä muutoksista parantaakseen tulevaa ohjelmointia ja lyhentääkseen asennusaikaa.
Pemtron keskittyy ohjelmointipuolelle, kun taas SAKI AOI Systems käyttää tekoälyä ensisijaisesti suodattaakseen vikoja tuotannon aikana. SAKI kouluttaa neuroverkkojaan miljoonilla todellisilla juotosliitoksilla. Tekoäly ymmärtää hienovaraiset visuaaliset erot kriittisen vian ja hyvänlaatuisen poikkeavuuden välillä ja toimii samalla tavalla kuin kokenut ihmistarkastaja.
Vaihtelevat vuojäämät laukaisevat usein vääriä riittämättömyyden juotoshälytyksiä vanhoissa koneissa. SAKIn tekoäly tunnistaa vuon tekstuurit ja heijastuskuviot. Se vaimentaa hälytyksen, jolloin lauta pääsee ohi ilman käyttäjän väliintuloa. Tämä kohdennettu koneoppimisen sovellus hyökkää suoraan vääriä puheluita vastaan ja vapauttaa laadunvalvontahenkilöstön keskittymään todellisiin prosessipoikkeamiin haamuvirheiden jahtaamisen sijaan.
Korkeat liittimet, kondensaattorit ja RF-suojat voivat luoda varjoja, jotka piilottavat lähellä olevat pienet komponentit ylhäältä alas käännettäviltä kameroilta. Kehittyneet 3D AOI -järjestelmät käyttävät sivukulmakameroita ja monisuuntaista valaistusta näiden alueiden tarkastamiseen. Tämä parantaa juotosliitosten näkyvyyttä ja vähentää kuolleita kulmia suuritiheyksisille levyille.
Pienet komponentit, kuten 0201m ja 01005, vaativat korkean resoluution tarkastuksen. 3D-AOI-järjestelmät käyttävät tarkkoja Z-akselin mittauksia havaitakseen pieniä korkeusmuutoksia ja vikoja, kuten hautakiviä. Tämä auttaa estämään huonojen juotosliitäntöjen siirtymisen seuraavaan tuotantovaiheeseen.
3D AOI -järjestelmät mittaavat juotosliitoksen tilavuuden, korkeuden ja muodon sen sijaan, että ne vain tarkastaisivat, onko juotetta mukana. Tämä auttaa havaitsemaan riittämättömän juotteen, liiallisen juotteen ja mahdolliset sillat, joita voi olla vaikea nähdä 2D-tarkastuksessa. Tarkka 3D-mittaus tukee myös IPC-A-610 Class 3 -tarkastusvaatimuksia.
Arviointiprosessin yksinkertaistamiseksi seuraavissa taulukoissa on eritelty nykyaikaisten 3D AOI -alustojen käyttämät keskeiset arkkitehtoniset erot ja erityiset vikojen havaitsemisstrategiat.
Ominaisuus / ominaisuus | Pemtron 3D AOI -arkkitehtuuri | SAKI 3D AOI -arkkitehtuuri |
|---|---|---|
Ensisijainen 3D-tekniikka | Värikuvio Moiré Projection (Monisuuntainen) | Vaihesiirtomittaus korkearesoluutioisilla antureilla |
Kameran tarkkuus | Nopea CMOS (yleensä 12 MP - 15 MP) | Erittäin korkearesoluutioiset vaihtoehdot (jopa 25 megapikseliä) |
Mekaaninen rakenne | Tarkat lineaarimoottorit, tasainen liikkeenhallinta | Raskas jäykkä valettu portaali maksimaalisen vakauden takaamiseksi |
AI-tarkennusalue | Automaattinen ohjelmointi, CAD-käsittely, NPI-nopeus | Vikasuodatus, väärän puhelun esto |
Varjon lieventäminen | 8-suuntainen projektio poistaa kuolleet kulmat | Sivukamerat ja optimoidut valaistuskulmat |
Vikatyyppi | Havaitsemishaaste | 3D AOI -ratkaisustrategia |
|---|---|---|
Tombstoneing (01005) | Komponentti on liian pieni 2D-reunojen tunnistukseen. | Z-akselin korkeuskartoitus havaitsee mikronitason noston. |
Riittämätön kantapääfile | Piilotettu lokin siiven johdon taakse. | Monikulmaprojektio valaisee johdon takana. |
Coplanarity Issues (BGA) | Viat ovat kokonaan piilossa pakkauksen alla. | Pakkauksen yläpinnan kallistuksen Z-akselin mittaus. |
Flux Pooling | Jäljittelee todellisen juotteen heijastusta. | AI-hermoverkot luokittelevat flux-tekstuurin vs. juotteen. |
Pemtron ja SAKI tukevat M2M-viestintästandardeja, kuten IPC-CFX ja Hermes. Näiden standardien avulla AOI-koneet voivat jakaa vikatietoja MES:n ja muiden tuotantolaitteiden kanssa reaaliajassa. Tämä auttaa insinöörejä seuraamaan laatutrendejä, tunnistamaan tuotantoongelmia aikaisemmin ja vähentämään tarpeetonta romua.
SPI-, AOI- ja AXI-tietojen yhdistäminen auttaa valmistajia löytämään PCB-virheiden lähteen nopeammin. SPI tarkistaa juotospastan, AOI havaitsee näkyvät viat ja AXI tarkastaa piilotetut juotosliitokset, kuten BGA:n alla. Näiden tietojen jakaminen tuotantolinjalla tukee nopeampaa ongelmanratkaisua ja parempaa prosessin hallintaa.
Säännöllinen kalibrointi auttaa AOI-koneita säilyttämään tarkastustarkkuuden ajan mittaan. Pöly, lämpötilan muutokset ja heikompi LED-valaistus voivat vaikuttaa kameroihin ja Z-akselin mittauksiin. Nykyaikaiset järjestelmät käyttävät automaattisia kalibrointityökaluja kameran tarkennuksen, valaistuksen ja 3D-mittausten säätämiseen, mikä auttaa vähentämään mittausvirheitä ja vääriä kutsuja.
Selkeät ohjelmistorajapinnat ja asianmukainen koulutus auttavat käyttäjiä tarkastelemaan viat tarkemmin. Nykyaikaiset AOI-järjestelmät voivat näyttää 3D-virhekuvia, vertailukuvia ja korostettuja ongelmakohtia, kuten nostettuja johtimia tai juotossiltoja. Tämä helpottaa vikojen ymmärtämistä, vähentää käyttäjän väsymistä ja parantaa tarkastusten yhdenmukaisuutta eri työvuoroissa.
Oikean tarkastusalustan valitseminen edellyttää koneen ominaisuuksien sovittamista tuotantohaasteisiin. Viimeistele arviointisi noudattamalla näitä toimivia vaiheita:
Tarkista nykyiset vikatiedot selvittääksesi, onko ensisijainen ongelmasi ohjelmointiaika vai algoritmin herkkyys.
Tarjoa molemmille toimittajille monimutkaisin, tiheästi tuotantokorttisi ja mittaa heidän todellinen NPI-ohjelmointiaikansa tyhjästä.
Tarkista portaalijärjestelmien fyysinen rakennuslaatu ja pane merkille, kuinka tärinä vaikuttaa kuvan selkeyteen vaaditulla suurimmalla linjanopeudella.
Varmista, että valittu järjestelmä voi onnistuneesti työntää ja noutaa tietoja olemassa olevista SPI-koneistasi ja MES-verkosta käyttämällä IPC-CFX-standardeja.
V: Moiré-projektio heittää taululle tarkat ruudukkokuviot. Kun ristikko putoaa kaarevien juotosfileiden tai korkeiden komponenttien päälle, viivat muotoutuvat. Kamera tallentaa tämän muodonmuutoksen, ja ohjelmisto käyttää vaihesiirtoalgoritmeja laskeakseen kohteen tarkan 3D-korkeuden ja tilavuuden, mikä tarjoaa erittäin tarkat topografiset tiedot.
V: 25 megapikselin kamera tallentaa valtavia määriä yksityiskohtia yhteen kuvaan. Tämän ansiosta kone voi ylläpitää suurta näkökenttää (FOV) ja silti selvittää 0201m- ja 01005-komponenttien mikroskooppiset yksityiskohdat. Se varmistaa suuret tarkastusnopeudet tinkimättä mikrovikojen havaitsemiseen tarvittavasta resoluutiosta.
V: SMT-tarkastus edellyttää, että optinen pää liikkuu nopeasti ja pysähtyy äkillisesti. Tämä liike synnyttää kineettistä energiaa ja värähtelyä. Jäykkä, raskas portaali vaimentaa tämän tärinän välittömästi. Tämä estää kameran linssiä tärisemästä kuvan ottamisen aikana, poistaa epäterävyyden ja varmistaa johdonmukaiset, toistettavat mittaukset.
V: AI hyödyntää neuroverkkoja, jotka on koulutettu miljoonille todellisille juotosliitoksille. Se oppii erottamaan kriittiset viat ja vaarattomat visuaaliset poikkeavuudet, kuten vaihtelevat virtausjäämät tai lievä tyynyn värjäytyminen. Tunnistamalla nämä hyvänlaatuiset kuviot tekoäly vaimentaa hälytyksen ja estää väärän kutsun.
V: IPC-CFX on alan standardin mukainen koneen välinen (M2M) -tiedonsiirtoprotokolla. Sen avulla AOI-kone voi jakaa reaaliaikaisia vikatietoja saumattomasti muiden laitteiden, kuten SPI-koneiden, pick-and-place -kiinnittimien ja tehtaan MES-ohjelmiston kanssa, mikä mahdollistaa automatisoidun suljetun silmukan prosessiohjauksen ja edistyneen analytiikan.
V: Kyllä. Kehittyneet järjestelmät vähentävät varjoja käyttämällä monisuuntaprojektoreita ja sivukulmakameroita. Levyn valaiseminen useista eri kulmista varmistaa valon pääsyn korkeiden komponenttien alle, jolloin järjestelmä voi profiloida tarkasti pienemmät passiivit, jotka sijaitsevat ahtaissa ja tiheissä tiloissa.
