SMT에서 AOI 기술의 적용과 개발: 전자 제조 품질 향상을 위한 핵심 엔진
소개
소형화와 고밀도의 전자 제품의 발전과 함께전통적인 수동 시각 검사 및 전기 측정 방법은 SMT (지상 장착 기술) 생산의 높은 정밀 요구 사항을 충족하기가 어려웠습니다.. AOI (Automatic Optical Inspection) 기술은 광학 영상 및 지능형 알고리즘을 통해 용접 품질을 보장하고 생산 효율성을 향상시키는 핵심 도구가되었습니다.이 문서에서는 기술 원칙과 같은 측면에서 SMT에서 AOI의 핵심 역할을 체계적으로 분석합니다., 응용 시나리오, 산업 과제 및 미래 경향.
I. AOI 기술의 원칙과 핵심 요소
AOI는 광학 영상 및 컴퓨터 분석에 기반한 비파괴적 테스트 기술입니다. 그 핵심은 다음을 포함합니다.
광 시스템: 고 해상도 CCD 카메라 또는 스캐너는 PCB (인프린트 회로 보드) 이미지를 얻기 위해 사용됩니다. 고리 섬유 광원 및 텔레센트릭 렌즈와 결합하여,경사 효과는 18%의 이미지 명확성을 보장하기 위해 제거됩니다..
분석 알고리즘: 설계 규칙 검증 (DRC) 및 그래픽 인식 방법으로 나뉘어 있습니다. DRC는 미리 설정된 규칙 (패드 간격과 같은) 을 통해 결함을 탐지합니다.그래픽 인식 방법은 실제 이미지와 표준 이미지를 비교하여 높은 정확도를 달성합니다..
지능형 소프트웨어: 현대 AOI는 통계 모델링 (SAM 기술과 같은) 과 AI 심층 학습을 통합하여 구성 요소의 색상 및 모양 변화에 적응력을 향상시킵니다.전통적인 방법과 비교해 10~20배나 잘못된 판단률을 줄이는 것.
ii. SMT 생산에서 AOI의 주요 응용 링크
용매 인쇄 검사
중요성: 용접 결함 중 60%~70%는 인쇄 단계에서 발생한다 (타인 결핍, 오프셋, 브리지). 37.
기술 해결책: 2D 또는 3D 감지 시스템이 채택됩니다. 용접 매스트의 가장자리에서 반사되는 빛은 원형 광원으로 기울게 캡처됩니다.높이와 모양은 710의 변형을 빠르게 식별하기 위해 계산됩니다..
2부품을 장착 한 후 검사
탐지 대상: 놓친 붙여넣기, 잘못된 극성, 오프셋 등이 있습니다. 이 단계에서 결함이 발견되지 않으면 재공류 용접 후 복구 할 수 없습니다.
기술 장점: PCB는 표면 장착 후 고온 변형을 겪지 않으며 이미지 처리 조건이 최적이며 판단 오류 비율은 410% 낮습니다.
3. 재흐름 용접 후 최종 검사
핵심 기능: 전체 공정 품질을 반영하여 브리지, 거짓 용접 및 용접 후 용접 공과 같은 결함을 탐지합니다. 38.
도전 과제: 용매 관절 의 3차원 형태 의 복잡성 을 처리 할 필요 가 있다. 일부 시스템 은 X선 검출 을 결합 하여 정확성 을 10배 향상 시킨다.
제3항, AOI의 기술적 장점과 산업적 가치
효율성 향상: 탐지 속도는 초당 수백 개의 구성 요소에 도달 할 수 있으며 수동 시각 검사를 훨씬 초과하고 고속 생산 라인의 요구를 충족시킵니다.
품질 보장: 오류 커버율은 80%를 초과하고, 미수 검출로 인한 후속 재작업 비용을 67% 감소시킵니다.
데이터 기반 최적화: SPC (통계 프로세스 제어) 와 결합하여 프로세스 매개 변수에 대한 실시간 피드백을 제공하여 생산량을 410% 증가시키는 데 도움이됩니다.
인력 비용 감소: 인공지능 검토 시스템은 Gecreate Dongzhi 25의 "Tianshu AI 시스템"과 같이 80% 이상의 검토 노동을 줄일 수 있습니다.
IV. AOI 기술이 직면한 도전 과제 및 혁신 방향
기존의 제한
잘못된 판단 및 발견 실패: 먼지 및 재료 반사 등의 요인으로 인한 거짓 경보는 수동으로 재검토해야합니다. 37
프로그래밍 복잡성: 전통적인 AOI는 여러 구성 요소에 대한 알고리즘 조정이 필요하며, 이는 몇 일 정도 걸립니다. 68
2기술적인 돌파구
인공지능 통합: 예를 들어 Phantasy의 "aiDAPTIV+ AOI"는 인공지능 이미지 학습을 사용하여 합격률을 8%에서 10% 증가시키고 잘못된 판단률을 9% 감소시킵니다.
스테레오 비전 및 3D 영상: 멀티 카메라 배열과 SAM 기술을 통합함으로써 PCBS의 3차원 표면 토폴로지 분석이 달성되며 높이 측정 정확도를 38% 향상시킵니다.
클라우드 플랫폼 통합: 여러 생산 라인에서 중앙 재평가 및 원격 유지보수를 지원하며 물리적 태그에 대한 의존도를 25% 감소시킵니다.
V. 미래 발전 추세
지능과 자기 적응: 인공지능 모델은 생산 라인 데이터로부터 지속적으로 배우고, 탐지 매개 변수를 동적으로 최적화하고, 소량, 다종류 생산 방식에 적응합니다. 29
장비 소형화 및 비용 최적화: AOI의 대중화를 촉진하기 위해 중소기업에 대한 높은 비용 성능 모델을 도입합니다.
전체 프로세스 통합: MES (제공 실행 시스템) 과 깊이 통합하여 검사에서 프로세스 조정까지 폐쇄 된 루프 제어 59.
결론
AOI 기술은 SMT 생산에서 필수적인 품질 관리 도구가되었습니다.인공지능과 3D 영상 기술과의 통합은 전자 제조를 더 높은 정확성과 저렴한 비용으로 이끌고 있습니다.미래에는, 산업의 심화와 함께 4.0, AOI는 더 나아가 "장실 탐지"에서 "과정 예방"으로 전환하여 지능형 제조 생태계의 핵심 노드로 변합니다.
