3D检测数据工具助力PCBA智能工厂过程控制

three · 发表于 2021-6-4 13:46

EDA365欢迎您登录！

您需要登录才可以下载或查看，没有帐号？注册

x

自动3D焊膏检测（SPI）和自动光学检测（AOI）系统已经成为印制电路板组装过程中不可或缺的组成部分，有助于确保高质量的生产结果。随着电路板复杂性的增加，检测技术变得日加重要。虽然大多数制造商的基本质量决策基于参考图像的“好坏”对比，但诸如表面涂层、电路板状况和元器件接近度等变量很容易影响这些基于图像的决策。
然而，由3D测量系统生成的数据可全面真正了解检测过程，帮助制造商消除缺陷的根本原因。因此，制造商必须信任来自系统的数据，并使用这些数据来帮助调整、监控和控制PCBA工艺。然而，这些系统要实现从检测到过程控制、最终到自动化工艺优化的飞跃，数据必须是可靠的、可重复的和可关联的。
在竞争激烈的制造行业，制造商对工艺解决方案提出了挑战性的要求。他们希望通过随时随地访问所有数据监控和调整工艺，以实现零缺陷。此外，制造商还希望优化工艺。然而，对于不能通过提供真实的3D数据而可靠地提供准确信息的2D、 2.5D和准“真3D”系统来说，这一点很难实现。这些系统也不可能精确地测量和量化外形、共面性、焊料量。
为了克服这些缺陷和挑战，真正的3D系统可根据IPC-A-610标准测量元器件和焊点的各个方面，同时生成一组重要的可靠且精确的测量数据。真正的3D可利用所有测量数据，但并非所有2.5D和3D系统都可实现这样的功能。2.5D和大多数3D系统依赖于基于非测量的2D技术，同时结合了少量3D功能，以简单地提供3D图像，及在某些情况下的基本测量值。

智能工厂' p+ B; v" V( O5 \" ~3 G- p
数据，尤其是来自检验和测试系统的数据是工业4.0和智能工厂的基础，因此先进的系统必须从简单地判断通过或失败的情况发展为高度直观、动态的决策系统。这就强调了对可靠、可重复和可关联数据的需求。
人工智能（AI）引擎可以通过管理来自连接的SPI、回流焊前AOI和回流焊后AOI系统的工艺数据，使系统能够帮助制造商分析和优化PCBA工艺。理想情况下，AI系统从生产线上的设备收集所有检测和测量数据，然后通过直观的、基于网络的用户界面将信息传递至网络中的任何地方。

通信
8 B# K4 ]3 ^( r u7 F/ D/ f由工业4.0部分指导的机器对机器（M2M）通信标准通过提高直通率和产量等指标正在改变制造过程，并通过自主工艺调整来提高PCB质量和降低生产成本。作为这条路径的组成环节，某些工艺控制软件包（如KSMART）可彻底改变数据收集和分析，更重要的是还可完成PCBA工艺优化。
当然，仅仅收集可靠和可重复的测量数据本身不足以实现智能工厂。系统还必须立即使用相关指标如良率、不良（NG）分析、百万分率（PPM）分析、量具R&R（可重复性和可再现性）、偏移分析和其他关键指标等分析数据。当这些指标组合在一起时，使制造商能够比较电路板的性能，识别关键工艺步骤（如通过SPI印刷焊膏、通过回流焊前AOI贴装、通过回流焊后AOI进行回流焊）的工艺偏差（图1）。

图1：利用多点数据相关性提高良率的生产线配置实例

基于测量的检验: o1 @: I9 `' m6 T% S) j
工艺优化是每个制造商以及设备供应商（包括自动检测设备供应商）所期望的。然而，由于2D成像的局限性，一直难以实现工艺优化，2D成像是过去25年的实际标准。2D AOI系统很难识别弯曲及反射焊点上的缺陷，并且2D和2.5D AOI系统不能生成基于测量的可靠数据。
2D/2.5D检测过程的每个方面都依赖于对比，而不是定量测量。因此，2D/2.5D AOI用户必须报废或返修有缺陷的电路板，增加了成本并削弱了工艺改进机会。同时，这些非基于测量系统的结果限制了AI在改善检测环境各个方面的应用。
3D成像技术的引入解决了许多问题。通过测量元器件和焊点，然后向检测算法提供关键的高度信息，制造商可以定位焊盘突出和焊料不足等错误。然而，测量数据的有效性仍然存在疑问，因为大多数2.5和3D AOI系统仍然使用基于2D的“blob检测”来查找部元器件主体和引线尖端，这种技术易受外部因素如板翘曲和元器件接近性的影响。由于找到元器件主体和引线端头是检测过程中的关键第一步，如果做得不好或不准确，则会对整个检查顺序产生负面影响，并导致错误引用。
真正的3D检测系统可以通过提取元器件主体的精确尺寸和位置来克服所有类型元器件的挑战（图2）。

图2：通过使用测量技术来提供可靠、可重复及可关联的数据来映射元器件主体的实用方法

精确3D数据的价值
在PCBA工艺中，制造商不应接受任何不可靠、不可重复和不可关联的测量数据。数据是成功和改进的最关键因素，尤其是在利用人工智能解决方案时。专家们将深度学习的有效性与所采用数据的质量和数量联系起来，以解决许多领域的许多不同需求。大多数先进的检测系统供应商都希望采用AI来提供更智能的检测系统。
然而，由于2D和2.5D成像的局限性，一直难以实现智能的检测系统。2D/2.5D AOI系统不仅难以识别焊料和与尺寸相关的缺陷，而且这些系统也无法生成可靠的基于测量的数据。2D检测的每一个方面都依赖于2D特征，如对比、二值化和反射；因此，与3D物体的定量测量相关联非常具有挑战性。
供应商必须测量元器件和焊点的真正3D信息。如果正确完成，AOI可以提供非常有价值的数据，从而成为线上最可靠的“传感器”（图3）。只有当系统采用真正的3D技术来提取所有类型元器件的精确主体尺寸时，公司才能保证3D数据的有效性。“Blob检测”根本不可靠，会影响数据；也会导致错误调用。

图3：检测设备可以是传感器
结合从SPI、回流焊前AOI和回流焊后AOI系统收集的多点测量和工艺数据，再结合丝印机、贴片机和回流炉的数据，可使制造商能够提供一条AI驱动的、零缺陷的自校正生产线。事实上，为创建具有高价值的有效可靠解决方案，数据的质量比数量更重要。然而，可靠的数据与统计上相关的数据量相结合，才能提供下一个层次的相关联结果。