集控式AOI檢測(cè)技術(shù)在SMT生產(chǎn)線上的應(yīng)用

周衛(wèi)玲 王大波 鄧可俊 施清清 張澤娥

（珠海格力電器股份有限公司 珠海 519000）

引言

AOI是電子類產(chǎn)品新興起的一種新型測(cè)試技術(shù)，通過光學(xué)透鏡與設(shè)定好的標(biāo)準(zhǔn)進(jìn)行比對(duì)，經(jīng)過比對(duì)判定產(chǎn)品質(zhì)量狀態(tài)后，由操作工進(jìn)行復(fù)核。當(dāng)前的一人一機(jī)使用模式、追溯能力、數(shù)據(jù)分析、防錯(cuò)功能上都滿足不了生產(chǎn)需求，需通過集控式AOI實(shí)現(xiàn)一人多機(jī)的操作模式、大數(shù)據(jù)分析、條碼追溯、防錯(cuò)防混來快速、有效的了解生產(chǎn)過程和狀況。

圖1 單線體連接

1 工作模式

在傳統(tǒng)的SMT產(chǎn)線，AOI檢查出的OK/NG PCBA由人工在線檢查是否誤判，不良品人工在PCBA上指示不良部位，PCBA由人工分類裝入料框，并運(yùn)送到指定區(qū)域，產(chǎn)線布局每條線需安排1人做AOI檢查和收板裝框，工廠人工浪費(fèi)嚴(yán)重，如圖1。通過集控式AOI檢測(cè)技術(shù)，在所有設(shè)備實(shí)現(xiàn)互聯(lián)和與IMS對(duì)接的前提下，各產(chǎn)線AOI與IMS實(shí)現(xiàn)無縫對(duì)接，通過設(shè)備互聯(lián)和IMS的集控，NG的產(chǎn)品信息發(fā)送到集控中心集中檢查，實(shí)現(xiàn)1人監(jiān)控多臺(tái)AOI，大量減少AOI在線檢查人員如圖2。

2 檢測(cè)技術(shù)原理

集控式AOI檢測(cè)技術(shù)是基于IOT物聯(lián)網(wǎng)技術(shù)上實(shí)現(xiàn)自動(dòng)化檢測(cè)設(shè)備集成，通過對(duì)生產(chǎn)工廠的AOI自動(dòng)化檢測(cè)設(shè)備進(jìn)行基礎(chǔ)數(shù)據(jù)采集，在大工業(yè)互聯(lián)網(wǎng)絡(luò)架構(gòu)基礎(chǔ)上，完成數(shù)據(jù)的可靠傳輸，AOI檢測(cè)技術(shù)人員在遠(yuǎn)程的集控中心進(jìn)行集控式的遠(yuǎn)程操作，利用特有的檢測(cè)算法快速針對(duì)產(chǎn)線的產(chǎn)品異常進(jìn)行高效分析，做出正確的判定后，數(shù)據(jù)信后通過指令進(jìn)行異常任務(wù)下給AOI檢測(cè)設(shè)備實(shí)現(xiàn)NG品自動(dòng)分揀，針對(duì)不同的異常問題，通過異常反饋系統(tǒng)傳送給線邊操作人員，操作人員通過指定進(jìn)行特定的操作，實(shí)現(xiàn)異常關(guān)閉，如圖3。

整體的生產(chǎn)模式打破了傳統(tǒng)的AOI檢測(cè)模式，實(shí)現(xiàn)遠(yuǎn)程集控判定1人多機(jī)的操作，生產(chǎn)線少人化管理。在基于數(shù)據(jù)自采集，信息可靠傳輸，異常高效分析，以及遠(yuǎn)端智能決策的模式，向中國(guó)制造2025的智慧工廠邁進(jìn)。

3 遠(yuǎn)程式集控AOI生產(chǎn)模式的實(shí)際應(yīng)用

3.1 AOI中央監(jiān)控看板信息化

通過打通各線體機(jī)臺(tái)的數(shù)據(jù)通訊，實(shí)現(xiàn)AOI遠(yuǎn)程集控、遠(yuǎn)程調(diào)試以及質(zhì)量監(jiān)控展示，遠(yuǎn)程集控判定，實(shí)現(xiàn)數(shù)據(jù)的集控化收集管理，為中央監(jiān)控看板數(shù)據(jù)采集提供渠道；中央看板采用MIC軟件，實(shí)現(xiàn)對(duì)線體機(jī)臺(tái)數(shù)據(jù)、質(zhì)量數(shù)據(jù)進(jìn)行計(jì)算處理，進(jìn)行看板展示；遠(yuǎn)程集控調(diào)試根據(jù)看板展示實(shí)時(shí)數(shù)據(jù)進(jìn)行線體異常調(diào)節(jié)反饋，形成閉環(huán)管理，如圖4。

圖2 多線體連接

圖3 1人多機(jī)運(yùn)行模式

圖4 AOI集控中心數(shù)據(jù)分析展示

3.2 AOI集控呼叫平臺(tái)

SMT車間實(shí)現(xiàn)1人監(jiān)控多臺(tái)AOI后，需通過無線聲光報(bào)警器，所有觸發(fā)按鈕放在集中心，比如A線體出現(xiàn)異常，外觀檢驗(yàn)員對(duì)應(yīng)著將A線體的報(bào)警器按下去實(shí)現(xiàn)報(bào)警提醒時(shí)間設(shè)置，同步在群里通報(bào)A線體檢驗(yàn)不良具體點(diǎn)位以便操作工進(jìn)行調(diào)試。AOI檢驗(yàn)員在10 min之內(nèi)對(duì)異常線體連續(xù)按兩次報(bào)警同時(shí)操作工未進(jìn)行解決，AOI將在集中心給對(duì)應(yīng)線體做停線處理，如圖5所示，通過無線光電信號(hào)控制報(bào)警，并從報(bào)警燈中取信號(hào)控制接駁臺(tái)與上板機(jī)，從而避免生產(chǎn)過程中操作工中途離開設(shè)備或者外觀反饋質(zhì)量異常不能得到快速度處理導(dǎo)致質(zhì)量不受控及故障。

圖5 AOI集控呼叫平臺(tái)運(yùn)行模式

3.3 基于解決實(shí)際生產(chǎn)設(shè)備誤報(bào)的算法研究

1）基于智能大數(shù)據(jù)基礎(chǔ)的AI智能算法研究

當(dāng)元件數(shù)據(jù)庫建立后, 用戶可以使用此數(shù)據(jù)庫來定義有關(guān)的器件和檢測(cè)程序, 同時(shí)也可利用示教功能選擇元件貼片數(shù)據(jù)生成檢測(cè)程序[1]。AOI智能大數(shù)據(jù)算法是基于大數(shù)據(jù)信息收集，建立云端大數(shù)據(jù)庫，不斷優(yōu)化智能模型，最終通過智能算法優(yōu)化反饋至生產(chǎn)線體，實(shí)現(xiàn)AOI設(shè)備智能判定設(shè)備不良，優(yōu)化設(shè)備程序編程，提升不良檢出，如圖6所示，降低誤報(bào)。圖形比對(duì)算法驗(yàn)證，焊點(diǎn)檢測(cè)以及智能調(diào)節(jié)功能在逐步優(yōu)化。

利用AOI智能大數(shù)據(jù)，可統(tǒng)計(jì)SMT車間AOI一次測(cè)試通過率（一次測(cè)試通過率=一次測(cè)試合格元件數(shù)/測(cè)試元件總數(shù)），通過進(jìn)一步對(duì)一次測(cè)試通過率數(shù)據(jù)整理分析，并根據(jù)不良類型進(jìn)行分類制定帕托圖分析影響一次測(cè)試通過率的最大占比錯(cuò)誤類型，進(jìn)行重點(diǎn)進(jìn)行整改，如圖7。

圖6 AOI集控中心大數(shù)據(jù)分析模式

圖7 AOI智能大數(shù)據(jù)分析通過率

2）雙焊盤定位檢測(cè)（算法：Two PadSearch）

利用雙焊盤定位可以有效的降低Chip內(nèi)元件因?qū)嶋H檢測(cè)筐偏位、MARK點(diǎn)定位偏移而造成的元件偽不良報(bào)出數(shù)，有效降低設(shè)備報(bào)出偽不良，如圖8。算法通過定位焊盤找到與實(shí)際PCB板相同的焊盤定位點(diǎn)，再通過計(jì)算與檢測(cè)焊盤的相對(duì)偏移量實(shí)現(xiàn)實(shí)際過程中檢測(cè)焊盤偏位量的補(bǔ)正，降低因高速運(yùn)動(dòng)過程中檢測(cè)框偏位造成的設(shè)備檢測(cè)誤報(bào)。

3）錯(cuò)件區(qū)塊測(cè)試算法（ Temp Match ）

我司使用的物料因廠家復(fù)雜多樣，導(dǎo)致同一種元件的絲印存在不一致問題，相似物料AOI設(shè)備誤報(bào)高，存在漏檢不良。故通過我們開發(fā)的新算法，在原有的missing pattern（圖像對(duì)比）的基礎(chǔ)項(xiàng)，我們將檢測(cè)框進(jìn)行區(qū)塊分割，每一個(gè)小區(qū)塊實(shí)現(xiàn)單獨(dú)檢測(cè)，最終將所有檢測(cè)結(jié)果進(jìn)行比對(duì)，得出最終結(jié)果，實(shí)現(xiàn)對(duì)相似物料的高效檢出，如圖9。

4）組合邏輯檢測(cè)算法應(yīng)用

傳統(tǒng)的元件檢測(cè)框只能通過單一的集成進(jìn)行專項(xiàng)不良的檢測(cè)，而實(shí)際生產(chǎn)過程中因生產(chǎn)環(huán)境影響，導(dǎo)致存在多數(shù)不確定的異常發(fā)生，如：自插元件引腳因?yàn)樵O(shè)備不一致，導(dǎo)致剪腳方向存在偏差，導(dǎo)致AOI檢測(cè)筐無法檢測(cè)到引腳造成誤報(bào)。項(xiàng)目組通過類比邏輯算法的思路（與、或、非）的邏輯，將多組檢測(cè)框進(jìn)行邏輯組合，實(shí)現(xiàn)檢測(cè)框的自我適應(yīng)，更加適應(yīng)于我司的生產(chǎn)模式，便于小批量、多品種的生產(chǎn)模式，如圖10。

圖8 雙焊盤定位檢測(cè)

圖9 根據(jù)不同廠家進(jìn)行圖像調(diào)整

圖10 多組檢測(cè)框圖像結(jié)合

3.4 條碼防錯(cuò)

生產(chǎn)車間物流種類多，工序混亂復(fù)雜多，導(dǎo)致操作者工作效率低且易出錯(cuò)。生產(chǎn)現(xiàn)場(chǎng)不得不出錯(cuò)，要想不出錯(cuò)，重點(diǎn)要防錯(cuò)。對(duì)流水線上的物流產(chǎn)品進(jìn)行掃描，有效避免錯(cuò)碼錯(cuò)件、漏碼漏件等操作錯(cuò)誤問題，通過條碼防錯(cuò)系統(tǒng)，將采集到的產(chǎn)品信息進(jìn)行校對(duì)，及時(shí)發(fā)現(xiàn)車間的錯(cuò)誤并及時(shí)糾正。為實(shí)現(xiàn)條碼檢測(cè)，每一塊PCB板唯一碼以機(jī)型編碼命名，設(shè)備檢測(cè)數(shù)據(jù)實(shí)現(xiàn)關(guān)聯(lián)綁定，防止混板同時(shí)可對(duì)生產(chǎn)產(chǎn)品質(zhì)量進(jìn)行追溯管理。檢測(cè)NG半成品打入NG框后，與維修系統(tǒng)關(guān)聯(lián)，維修員直接通過條碼識(shí)別找到檢測(cè)異常點(diǎn)進(jìn)行維修，快捷、有效地完成維修，如圖11。設(shè)備目前提供三各停機(jī)設(shè)定，分別是：①連續(xù)瑕疵報(bào)警：當(dāng)單個(gè)零件連續(xù)瑕疵次數(shù)過高時(shí)，設(shè)備自動(dòng)停機(jī)，每個(gè)零件可獨(dú)立設(shè)定連續(xù)瑕疵次數(shù)上限。②瑕疵比例上限：當(dāng)單次檢測(cè)結(jié)果發(fā)現(xiàn)瑕疵零件數(shù)過多時(shí)，則設(shè)備自動(dòng)停機(jī)，其比例為瑕疵數(shù)/總零件數(shù)。③最近累計(jì)瑕疵報(bào)警：統(tǒng)計(jì)每個(gè)零件最近N次的瑕疵次數(shù)，若累計(jì)瑕疵次數(shù)過多，則設(shè)備自動(dòng)停機(jī)，每個(gè)零件可獨(dú)立設(shè)定累計(jì)瑕疵次數(shù)上限。

3.5 提高AOI檢出率的方法

通過對(duì)設(shè)備檢測(cè)誤報(bào)、真實(shí)測(cè)試下線比、人工漏檢及SMT拋料因素四個(gè)維度進(jìn)行分析，提升AOI一次測(cè)試通過率。

3.5.1 設(shè)備誤報(bào)絲印識(shí)別率分析

某廠家35040010三極管絲印不清晰，內(nèi)部因素：程序參數(shù)標(biāo)準(zhǔn)化不符合實(shí)際，使用A廠家物料進(jìn)行測(cè)試，讀值均值為65.4，而程序設(shè)置OK下限值為75，即該廠家物料讀值無法達(dá)到標(biāo)準(zhǔn)，100 %報(bào)出。外部因數(shù)：不同物料廠家絲印不同（A：K3，B：H2），不同廠家物料切換使用，檢測(cè)樣板途中存在兩種樣板，降低設(shè)備識(shí)別率，讀值普遍低于下限值75；物料絲印清晰度問題，B廠家絲印讀值明顯優(yōu)于A廠家，B廠家絲印讀值最優(yōu)可達(dá)89，明顯高于A廠家，如圖12。

內(nèi)部改善方案：程序優(yōu)化，通過加強(qiáng)合成影像的閾值調(diào)節(jié)，增強(qiáng)激光刻印與本體的材質(zhì)對(duì)比對(duì)，增強(qiáng)絲印影像，適當(dāng)增強(qiáng)絲印讀值，并通過散點(diǎn)圖進(jìn)行分析，均值可提升至70，重新制定讀值下限標(biāo)準(zhǔn)，設(shè)定為70～100；

外部改善方案：推進(jìn)物料廠家對(duì)絲印鐳刻工藝進(jìn)行優(yōu)化，可更改激光打標(biāo)字體的行程，加強(qiáng)本體絲印，提升AOI一次測(cè)試通過率；

3.5.2 真實(shí)下線分析

紅膠偏移以及錫膏少錫導(dǎo)致下線數(shù)占比偏高

紅膠偏移因素：①貼片機(jī)吸嘴真空壓力不足，貼片時(shí)貼片偏位；②程序坐標(biāo)偏移；③設(shè)備精度偏差；④基板形變導(dǎo)致貼裝偏位；⑤大封裝元件紅膠膠量不足，運(yùn)輸過程中造成偏位。

改善方案：①定期對(duì)貼片吸嘴進(jìn)行清洗保養(yǎng)，開班前在設(shè)備上對(duì)吸嘴真空壓力進(jìn)行檢查，確保正常工作；②發(fā)現(xiàn)貼裝偏位立即進(jìn)行坐標(biāo)調(diào)試，并跟進(jìn)5pcs主板生產(chǎn)情況；③基板變形主板反饋篩選進(jìn)行清退處理，輕微變形增加頂針優(yōu)化印刷及貼裝；④需要篩選、工藝、質(zhì)控完善修訂PCB板的曲翹檢驗(yàn)規(guī)范，加強(qiáng)雙拼沉銅板變形檢驗(yàn)，現(xiàn)印制電路（PCB）板檢驗(yàn)規(guī)范中要求板扭百分比以及板曲百分比小于0.75 %即合格，但根據(jù)實(shí)際生產(chǎn)情況，板曲在0.3 %即影響印刷以及SMT貼裝；⑤工藝完善大封裝元件銅網(wǎng)開孔標(biāo)準(zhǔn)，增大紅膠量，減少紅膠偏位。

錫膏少錫因素：①鋼網(wǎng)內(nèi)部存在毛疵造成印刷不良；②鋼網(wǎng)異物堵孔造成印刷不良；③引腳密集型芯片印刷不良；④焊盤與元件封裝不匹配，焊盤設(shè)計(jì)過大，焊錫收縮，外部焊盤少錫。

圖11 測(cè)試結(jié)果運(yùn)行方式

圖12 不同物料廠家絲印差異圖

改善措施：①引進(jìn)鋼網(wǎng)清洗檢測(cè)設(shè)備，針對(duì)鋼網(wǎng)內(nèi)部毛疵進(jìn)行檢測(cè)；②目前已增加離子風(fēng)棒對(duì)PCB板進(jìn)行吹塵以及減小印刷機(jī)進(jìn)口空間減少異物堵孔幾率，后續(xù)研究在線PCB清洗工藝，杜絕外物污染；③引腳密集型芯片增加人工清洗鋼網(wǎng)，減少印刷不良。④工藝推進(jìn)物料標(biāo)準(zhǔn)封裝庫建立，設(shè)計(jì)單位在物料跟換時(shí)必須匹配標(biāo)準(zhǔn)的封裝庫。

3.5.3 人工漏檢分析：

1）AOI測(cè)試程序漏檢。

原因：①程序員程序編制參數(shù)設(shè)計(jì)不合理；②相似物料影響識(shí)別度高，導(dǎo)致程序漏檢（例：34005600000328， 絲 印 471；34005600000311絲 印474）。

改善方案：①重新制定CHIP類元件檢測(cè)參數(shù)標(biāo)準(zhǔn)，將CHIP類元件下限值提升至85，確保檢出率；②TempMatch算法（區(qū)塊算法）應(yīng)用，在原有算法基礎(chǔ)上，將檢測(cè)筐進(jìn)行數(shù)個(gè)區(qū)塊細(xì)分（2～9個(gè)區(qū)塊），每個(gè)區(qū)塊再利用Missing Pattern的算法進(jìn)行測(cè)試，提升了相似物料的錯(cuò)件檢出率，如圖13。

2）設(shè)備檢出人工漏檢。

原因：①高強(qiáng)度作業(yè)導(dǎo)致人眼視覺檢測(cè)疲勞造成漏檢；②虛脫焊不良檢測(cè)癥狀不明顯，人工作業(yè)誤判漏檢；③焊盤顏色與平整焊錫顏色相似，判別不當(dāng)導(dǎo)致漏檢。

整改措施：①通過提升AOI一次測(cè)試通過率降低集控檢測(cè)人員工作強(qiáng)度，加強(qiáng)檢驗(yàn)，降低漏檢；②搭建AOI集控調(diào)試中心，及時(shí)解決AOI報(bào)出異常，降低漏檢。

3.5.4 SMT拋料因素

從設(shè)備運(yùn)行率等問題進(jìn)行攻關(guān)，①技術(shù)攻關(guān)：10年工齡CM系列貼片機(jī)TBL旋轉(zhuǎn)軸皮帶、密封圈老化、電池閥失效，進(jìn)行全面的排查，對(duì)老化的皮帶、電池閥針對(duì)性更換，對(duì)密封圈全面更換。②技術(shù)攻關(guān)：10年工齡CM系列貼裝機(jī)TBL鏡頭模糊，氣路堵塞，吸桿變形，對(duì)貼裝頭鏡頭、氣路進(jìn)行全面的清潔，對(duì)設(shè)備變形吸桿進(jìn)行更換，正常吸桿清潔。③技術(shù)攻關(guān)： 完成工作頭的清潔安裝后，需要對(duì)TBL復(fù)原后的精度校精，CPK測(cè)試，合格后正常生產(chǎn)。質(zhì)量改善成果：設(shè)備質(zhì)量復(fù)原，降低產(chǎn)品貼裝錯(cuò)、漏、偏移等質(zhì)量隱患，提高設(shè)備運(yùn)行率和拋料率下降至0.06 %，通過自主攻關(guān)和自主學(xué)習(xí)探討，掌握了高精密部位自主修復(fù)與校準(zhǔn)維護(hù)技術(shù)，降低委外成本和縮短委外修復(fù)期間設(shè)備停機(jī)時(shí)間。

圖13 樣板與實(shí)測(cè)相似度接近

4 結(jié)束語

控制中心集控模式與原始單純模式對(duì)比，提高產(chǎn)線自動(dòng)化效率、方便制程統(tǒng)計(jì)分析、提高不良呂處理能力、便于統(tǒng)一管理、節(jié)省人力成本。AOI、自動(dòng)收板機(jī)、集控中心、維修臺(tái)、接駁臺(tái)與系統(tǒng)實(shí)現(xiàn)無縫對(duì)接，檢測(cè)結(jié)果和圖像由系統(tǒng)保存并與產(chǎn)品條碼綁定，可根據(jù)條碼追溯產(chǎn)品情況和防錯(cuò)。AOI互聯(lián)和集控改進(jìn)了SMT產(chǎn)線運(yùn)行中的信息管控處理，達(dá)到一人多控的高效操作，并通過大數(shù)據(jù)進(jìn)行分析改善，找到設(shè)備拋料率高、誤判率高的原因進(jìn)行對(duì)癥整改，真正實(shí)現(xiàn)智能制造！