引言

隨著電子制造的復雜性和需求不斷上升，智能工廠已不再是遙遠的愿景，它已經(jīng)成為必需品。盡管近年來機器連接和生產(chǎn)線級數(shù)據(jù)集成越來越受歡迎，但最被忽視的機會之一是元器件本身。具體來說，機會在元件被貼裝到PCB上前幾毫秒捕獲的數(shù)據(jù)中，這些數(shù)據(jù)通常未經(jīng)檢查，一旦回流焊開始就會永久丟失。

在許多現(xiàn)代SMT生產(chǎn)線中，貼片的過程中，貼片機會捕捉元器件底部的高清圖像貼裝設(shè)備捕獲元器件的高分辨率底部圖像是貼裝過程的組成部分。這些圖像代表了特有的機會：在貼裝前每個元器件的實時、非接觸式視圖。貼裝后，此視圖就會被破壞——無論是通過焊料造成的物理破壞還是視覺上的遮擋。然而，這恰恰是可以提取關(guān)鍵信息的時刻。在元器件永久嵌入電路板之前，可以從底視圖檢測到引線腐蝕、機械損壞、未經(jīng)授權(quán)編程的探針痕跡標記或外來物碎片（foreign object debris，簡稱FOD）等問題。

直到最近，在線X射線系統(tǒng)還是光學檢查元器件的唯一方法，通常用于檢查結(jié)果：焊點、對準以及是否存在空洞或橋接。雖然有價值，但這些系統(tǒng)側(cè)重于癥狀。如果不了解元器件在貼裝前的樣子，根本原因分析仍然不完整。例如，焊點中的空洞可能看起來像是工藝故障，而事實上，它源于元器件引線上的氧化或污染，即一些本可以提前發(fā)現(xiàn)的缺陷。

這就是跨機器及檢測階段的連接圖像數(shù)據(jù)成為徹底改變檢測領(lǐng)域的點。如果預貼裝圖像分析檢測到可疑氧化或幾何形狀不規(guī)則的元器件，則可以將此信息轉(zhuǎn)發(fā)給下游的AOI或X射線系統(tǒng)。然后，這些系統(tǒng)可以調(diào)整其檢測參數(shù)，提高特定區(qū)域的分辨率，或應(yīng)用替代檢測閾值。結(jié)果是檢測更了解上下游狀況，提高了精度，減少了誤報。

這種方法的強大之處在于它不需要額外的硬件。關(guān)鍵在于分析生產(chǎn)線上機器已經(jīng)生成的視覺數(shù)據(jù)。通過將基于人工智能的算法應(yīng)用于現(xiàn)有的底部底側(cè)圖像，可以同時進行缺陷檢測和元器件真?zhèn)悟炞C。在元器件圖像的大型數(shù)據(jù)集訓練這些算法，不僅可以學習識別實際缺陷，還可以學習識別制造商、部件類型和生產(chǎn)批次的視覺特征。這意味著不僅可以驗證每個元器件的狀況，還可以驗證其來源，有助于在焊接其到PCB之前識別假冒或不正確的元器件。

同樣的原理可以擴展到X射線檢測。雖然傳統(tǒng)的X射線分析側(cè)重于焊點的完整性，但剖面成像也揭示了元器件的內(nèi)部結(jié)構(gòu)。人工智能算法可用于分析這些內(nèi)部特征，如晶片放置、鍵合線和引線框架，以驗證元器件是否符合其預期的內(nèi)部架構(gòu)。這增加了另一層身份驗證，它超越了表面外觀，可檢測具有類似外部標記但內(nèi)部不同的假冒或未經(jīng)授權(quán)的替代品。

元器件底部視覺檢測、X射線結(jié)構(gòu)分析和人工智能分類的結(jié)合創(chuàng)造了跨越整個SMT生產(chǎn)線的統(tǒng)一檢測過程。每臺機器不僅成為檢查點，而且成為更大數(shù)據(jù)生態(tài)系統(tǒng)的貢獻者，增強了下游的決策。當元器件在貼裝階段被標記為可疑時，AOI可以使用這種洞察力來放大該特定位置。X射線可以聚焦于該元器件的內(nèi)部質(zhì)量，或通過額外的檢查來驗證焊點的完整性。隨著時間的推移，這種反饋環(huán)不僅提高了檢測率，還提高了對故障機理的了解，并反饋到設(shè)計、采購和工藝工程中。

除了提高檢測精度外，這種以元器件為中心的數(shù)據(jù)融合還有助于可追溯性和根本原因分析。當在最終測試或現(xiàn)場發(fā)現(xiàn)缺陷時，可以訪問元器件的完整視覺和結(jié)構(gòu)歷史——貼裝前的樣子、焊接方式以及是否符合技術(shù)規(guī)格——可以大大縮短診斷周期并防止問題的再次出現(xiàn)。

最終，通往實現(xiàn)真正連接的SMT生產(chǎn)線之路不僅依賴于連接機器，還依賴于連接對在制造過程中每個單獨元器件的見解。通過利用現(xiàn)有的成像系統(tǒng)，部署人工智能來分析元器件級數(shù)據(jù)，并實現(xiàn)跨機器通信，制造商可以將其檢測系統(tǒng)從被動的看門人轉(zhuǎn)變?yōu)橹悄?、主動的質(zhì)量推動者。

視覺數(shù)據(jù)、人工智能和系統(tǒng)級連接的融合已經(jīng)重塑了缺陷檢測、身份驗證和決策的方式。其結(jié)果是造就更智能、更快、更安全的生產(chǎn)環(huán)境，即內(nèi)置質(zhì)量和安全性的環(huán)境，不是從生產(chǎn)線末端開始，而是從元器件第一次出現(xiàn)在生產(chǎn)線上開始。

        文章來源：電子首席情報官ECIO