Was ist AOI？
AOI (Automated Optical Inspection) ist ein hochpräzises industrielles Erkennungssystem, das auf maschinellem Sehen basiert und hauptsächlich für die Qualitätskontrolle von gedruckte Schaltplatten (PCBs). Das Kernprinzip besteht in der Kombination von optischer Hochgeschwindigkeits-Bildgebung mit intelligenten Algorithmen zur automatischen Erkennung von Defekten bei der Leiterplattenbestückung (z. B. Fehlausrichtung von Bauteilen, fehlende Teile) und Lötproblemen (z. B. Überbrückungen, kalte Verbindungen).
Arbeitsprinzip des AOI-Systems
1. Phase der Bildakquisition
- Hochpräzise Bildgebung: Verwendung von industriellen CMOS/CCD-Kameras mit Ringbeleuchtung zur Erfassung von PCB-Oberflächenmerkmalen mit einer Auflösung im Mikrometerbereich
- Mehrdimensionale Erfassung: Unterstützt 2D-Inspektion (Lötstellen/Siebdruck) und 3D-Topographie-Analyse (Lötpastenhöhe/Komponenten-Koplanarität)
2.Bildvorverarbeitung
- Rauschunterdrückung: Anwendung von Gauß-Filterung und morphologischen Operationen zur Beseitigung optischer Interferenzen
- Funktionserweiterung: Einsatz von Kantenschärfung und HDR-Fusion zur Verbesserung des Kontrasts im Zielbereich
- Koordinatenausrichtung: Führt die CAD-Bild-Registrierung unter Verwendung von Passermarken als Referenzpunkte durch
3.Intelligente Defekterkennung
- Normenbasierte Überprüfung: Überprüft die Bauteilplatzierung/Polarität/Lötstellenmorphologie anhand der IPC-A-610-Kriterien
- Hybride Algorithmen:
Traditionell: Vorlagenabgleich, Blob-Analyse
KI-gestützt:CNN-Netzwerke zur Erkennung von Grabsteinen, kaltem Lötzinn usw.
4.Ausgang & Verstärker; Rückmeldung
- Mehrstufige Alarmierung: Löst visuelle/akustische Alarme nach Fehlerschweregrad aus (kritisch/schwer/geringfügig)
- Systemintegration: Synchronisierung der NG-Ergebnisse mit dem MES und den Koordinaten der Reparaturstation
- Prozessoptimierung: Liefert SPC-Daten für die Abstimmung von Reflow-Ofen/Pick-and-Place-Maschinen
AOI-Technologie-Vorteil
1. Beschränkungen der manuellen Inspektion
Früher beruhte die Leiterplattenprüfung auf manuellen Sichtprüfungen.Doch mit dem Aufkommen der High-Density-Verbindung (HDI) Entwürfe und Massenproduktion Anforderungen stehen manuelle Methoden vor drei entscheidenden Herausforderungen:
- Geringe Zuverlässigkeit: Anfällig für Ermüdung und subjektives Urteilsvermögen, mit Fehlerquoten von mehr als 15%
- Ineffizienz: Geschwindigkeit der Inspektion <0,5 Bretter/Minuteinkompatibel mit modernen SMT-Linienzyklen
- Steigende Kosten: Die Arbeit macht aus 8%-12% der gesamten PCB-Kosten, mit langwierigen Schulungsanforderungen
2.Die wichtigsten Erkennungsfähigkeiten von AOI
Genaue Identifizierung 7 Hauptmängelkategorien:
| Defekt Typ | Beispiele | Erkennungsgenauigkeit |
|---|
| Platzierung der Komponenten | Fehlende, falsche Ausrichtung und umgekehrte Polarität | ±25μm |
| Qualität der Lötverbindungen | Kaltes Lot, Brückenbildung und unzureichendes Lot | 5% Durchmessertoleranz |
| Bleiform-Defekte | Gebogene, angehobene, nicht koplanare Leitungen | 15μm Auflösung |
Einzigartige Vorteile gegenüber traditionellen Methoden:
- Eliminiert blinde Flecken bei der Prüfung: Erkennt BGA-Unterfüllungen, 0201-Komponenten und andere Bereiche, die für ICT-Sonden unzugänglich sind
- Geschlossene Datenanalytik: Fehlerklassifizierung in Echtzeit (z. B. Identifizierung von 30 % Schablonendruckfehlern) ermöglicht Prozessoptimierung
3.Quantifizierte Leistungsvorteile
| Metrisch | AOI-Inspektion | Manuelle Inspektion | Verbesserung |
|---|
| Präzision | Ermittelt 0,01mm² Fehler | Menschliche Grenzen: 0,1mm² | 10x besser |
| Geschwindigkeit | 20 Bretter/Minute (zweispurig) | 0,3 Bretter/Minute | 66x schneller |
| Konsistenz | CpK ≥1,67 | CpK ≤1,0 | Ausbeute ↑40% |
4.Integration intelligenter Fertigung
- Feedback in Echtzeit: Löst MES-Warnungen mit den Koordinaten der Reparaturstation aus (<2 Sekunden Antwort)
- Vorausschauende Wartung: SPC-basierte Trendanalyse prognostiziert Probleme wie Schablonenverstopfung
- Kosteneffizienz: Typisch ROI <6 Monate mit 50-70% weniger Ausschuss
Die entscheidende Rolle der AOI in SMT-Produktionslinien
I. Vier wichtige Inspektionsknoten der AOI im SMT-Prozess
- Post-Solder Paste Inspection (SPI-AOI Integration)
- Kernfunktion: Messung von Pastendicke (±5μm), Bedeckungsfläche und Überbrückungsdefekten
- Vorbeugender Wert:Frühzeitige Erkennung von Schablonenverstopfung/Fehlausrichtung verhindert Reflow-Fehler (Verbesserung der Fehlerabfangrate um 60 %)
- Platzierung der Komponenten nach dem Chip (nach dem Chip Mounter)
- Fokus: Fehlende, vertauschte oder falsch ausgerichtete 0201/0402-Komponenten (±15μm Genauigkeit)
- Kostenvorteil:Die Nacharbeitskosten in diesem Stadium betragen nur 1/20 der Post-Reflow-Korrektur
- Post-IC-Bauteilplatzierung (Fine-Pitch-Bauteile)
- Kritische Fähigkeit: Identifizierung von QFP/BGA-Polaritätsfehlern und Lead-Coplanarität (0,5° Winkelauflösung)
- Prozesssteuerung:Echtzeit-Datenaustausch mit Bestückungsautomaten zum automatischen Versatzausgleich
- Post-Reflow-Abschlussinspektion (umfassendes Defekt-Screening)
- Die wichtigsten Herausforderungen:
3D-Lötstellenmorphologie-Erkennung (erfordert 10μm Z-Achsen-Auflösung)
Inspektion schattiger Bereiche (z. B. QFN-Bodenanschlüsse)
- Industrieller Status: 92 % Erkennungsrate gegenüber 99,5 % bei Pre-Reflow-AOI
II.Technisch-wirtschaftlicher Vergleich: Pre-Reflow vs. Post-Reflow AOI
| Dimension | Pre-Reflow AOI | Post-Reflow AOI |
|---|
| Schwerpunkt | Prävention von Prozessen | Sicherung der Qualität |
| Schlüsselmetrik | Falschanrufquote <0,1% | Entweichungsrate ~8% |
| Kosteneffizienz | 0,002 $/Brett | 0,15 $/Brett Nacharbeit |
| Technische Herausforderung | Dynamische Hochgeschwindigkeitsprüfung (≥45cm/s) | Komplexe 3D-Lötstellenrekonstruktion |
III.Empfehlungen für bewährte Verfahren
- Strategie zur Auswahl der Ausrüstung
- Pre-Reflow: Vorrang für Hochgeschwindigkeits-AOI mit On-the-fly-Technologie (z. B. Koh Young KY8030)
- Post-Reflow:Muss mit 3D-Konfokalmikroskopie ausgestattet sein (z. B. Omron VT-S730)
- Closed-Loop-Daten Anwendung
- Erstellung von SPC-Regelkarten (automatischer Auslöser für die Schablonenreinigung bei Pastenfehlern >3%)
- Rückführung von Bestückungsoffsetdaten an Bestückungsautomaten über MES (±7μm Kompensationsgenauigkeit)
- Zukünftige Entwicklungstrends
- Virtuelle AOI mit Deep Learning (Vorhersage des Fehlerrisikos im EDA-Stadium)
- Multimodale Inspektion (Röntgen- und AOI-Datenfusion für ganzheitliche Lötstellenmodellierung)
AOI-Inspektions-Kurzleitfaden
1. Charakterliche Fehleinschätzung
- Ausgabe: Falsche Anrufe aufgrund von unscharfen/inkonsistenten Komponentenmarkierungen
- Lösungen:
- Verwenden Sie multispektrale Bildgebung (sichtbar + IR)
- Graustufentoleranz einstellen (ΔE < 15)
- Kritische Charakterprüfungen reduzieren
2.Blinde Flecken der Inspektion
- Häufige blinde Flecken:
- Lange Komponentenschatten → 45° Ringlicht + seitliche Beleuchtung
- BGA-Lötstellen unten → Konfokale Mikroskopie Schicht-Scan
- Bauteile <3mm vom Platinenrand → Gestaltung einer 5 mm Sperrzone
3.Debatte über Lötstellenstandards
- Wichtige Parameter:
- Chip-Komponenten: Benetzungswinkel 25°-55°, Xc/Xi=1,2-1,8
- QFP-Bauteile: Lötnaht ≥50% Bleidicke
- Design-Regel:
Pad-Verlängerung = Bauteillänge × 0,25
Mindestabstand = Mittlere Bauteilhöhe + 0,5 mm
4.Ergebnisse der Umsetzung
- Typische Verbesserungen:
Falschanrufquote ↓70%
Inspektionsgeschwindigkeit ↑25%
- Notlösung:
Wenn zu viele falsche Anrufe → Zeichenprüfung deaktivieren oder aktivieren “Lernmodus”
5.Tabelle zur schnellen Fehlersuche
| Art der Ausgabe | Primäre Fixierung | Backup-Lösung |
|---|
| Zeichenfehler | Einstellen der Graustufenschwelle | Zeichenprüfung deaktivieren |
| Fehlende Lötstellen | Seitenbeleuchtung hinzufügen | Manuelle Nachprüfzone |
| Störungen durch Schatten | PCB um 90° drehen | Kennzeichnung als Sperrgebiet |
AOI-Technologie-Anwendungen und Branchenabdeckung
1. Kernanwendungsbereiche
- SMT-Elektronikfertigung (Primärer Bereich)
- Ziele der Inspektion:
Qualität der Lötstellen (Löcher/Brücken/unzureichendes Lot)
Bauteilplatzierung (falsch ausgerichtet/umgekehrt/fehlend)
Überprüfung der Polarität (Ausrichtung der Tantalkondensatoren/Dioden)
- Industrie-Normen:
IPC-A-610 Klasse 3 (Luft- und Raumfahrt/Medizinische Qualität)
Erkennungsgenauigkeit: ±15μm (0201-Komponentenebene)
- Produktion von Anzeigetafeln (LCD/OLED)
- Kritische Inspektionen:
Pixelfehler (helle/dunkle Flecken/Linienfehler)
Ausrichtungsgenauigkeit (Panelversatz <3μm)
Gleichmäßigkeit des Klebers (UV-Kleberbreitentoleranz ±50μm)
2.Breite industrielle Anwendungen
| Sektor | Typische Anwendungsfälle | Technische Merkmale |
|---|
| Halbleiter-Packaging | Prüfung der Höhe von Wafer-Bumps (±1μm) | 3D-Konfokale Mikroskopie |
| Kfz-Elektronik | 100%-Prüfung der Lötstellen des Motorsteuergeräts (Null-Fehler-Anforderung) | Erschütterungsfreies Inline-System |
| Biomedizinische | Integritätsprüfung der Kanäle von Mikrofluidik-Chips | Weißlicht-Interferometrie im Submikrometerbereich |
3.Integration aufkommender Technologien
- Implementierung einer intelligenten Fabrik
- MES-Systemintegration ermöglicht:
Ertragsüberwachung in Echtzeit (Datenaktualisierungsrate ≤2s)
Adaptive Erkennungsschwellen (AI-gesteuerte Parameteranpassung)
- Branchenübergreifende Expansion
- Lebensmittelverpackungen: Prüfung der Dichtigkeit von Aluminiumfolien (0,1 mm Genauigkeit)
- Textilindustrie: Automatische Sortierung von Stofffehlern (Geschwindigkeit 30m/min)
4.Leitfaden zur Technologieauswahl
- Elektronikfertigung Priorität:
- Integrierte 3D SPI+AOI-Systeme (z. B. Koh Young KY8030)
- Minimaler nachweisbarer Anteil: 01005 (40μm×20μm)
- Allgemeine Industrieempfehlungen:
- Universelle AOI-Systeme sollten folgende Merkmale aufweisen:
Multispektrale Beleuchtung (für Metall-/Kunststoffsubstrate)
Schutzart IP54 (Staub-/Ölbeständigkeit)
Schlussfolgerung
Die Technologie der automatisierten optischen Inspektion (AOI) hat sich als zentrales Mittel der Qualitätskontrolle in der modernen Fertigung von der traditionellen SMT-Elektronikfertigung auf verschiedene Bereiche wie LCD-Panels, Halbleitergehäuse, Automobilelektronik und Biomedizin ausgebreitet. Ihr Kernwert liegt in der Kombination aus hochpräziser optischer Bildgebung (±15μm) und intelligenten Algorithmen (z. B. Deep Learning) zur automatischen Erkennung von Lötstellenfehlern, Fehlern bei der Bauteilplatzierung und Polaritätsproblemen sowie der gleichzeitigen Verknüpfung mit dem MES-System zur Bildung eines geschlossenen Datenkreislaufs, um die Verbesserung der intelligenten Fertigung zu fördern. In Zukunft wird die AOI tief in die Röntgen- und KI-Prädiktivwartung integriert werden, um die Erkennungsgrenze weiter zu durchbrechen und ein unverzichtbarer "Qualitäts-Gatekeeper" im Zeitalter von Industrie 4.0 zu werden.