Mikä on AOI？
AOI (Automated Optical Inspection, automaattinen optinen tarkastus) on konenäköön perustuva korkean tarkkuuden teollinen tunnistusjärjestelmä, jota käytetään pääasiassa seuraavien tuotteiden laadunvalvontaan painetut piirilevyt (PCB). Sen perusperiaatteena on yhdistää nopea optinen kuvantaminen älykkäisiin algoritmeihin, jotta voidaan automaattisesti tunnistaa piirilevyjen kokoonpanovirheet (esim. komponenttien väärä suuntaus, puuttuvat osat) ja juotosongelmat (esim. sillat, kylmät liitokset).
AOI-järjestelmän toimintaperiaate
1. Kuvanottovaihe
- Korkean tarkkuuden kuvantaminen: Hyödyntää rengasvalaistuksella varustettuja teollisia CMOS/CCD-kameroita PCB:n pinnan piirteiden kuvaamiseen mikronitason tarkkuudella.
- Moniulotteinen kaappaus: Tukee 2D-tarkastusta (juotosliitokset / silkkipinta) ja 3D-topografian analysointia (juotospastan korkeus / komponenttien koplanaarisuus).
2.Kuvan esikäsittely
- Melunvaimennus: Sovelletaan Gaussin suodatusta ja morfologisia operaatioita optisten häiriöiden poistamiseksi.
- Ominaisuuden parantaminen: Käyttää reunojen terävöittämistä ja HDR-fuusiota kohdealueen kontrastin parantamiseksi.
- Koordinaattien kohdistaminen: Suorittaa CAD-kuvasta kuvaan -rekisteröinnin käyttäen referenssimerkkejä vertailupisteinä.
3.Älykäs vikojen havaitseminen
- Standardeihin perustuva todentaminen: Tarkistaa komponenttien sijoittelun/polarisuuden/juotosliitoksen morfologian IPC-A-610-kriteerejä vasten.
- Hybridialgoritmit:
Perinteinen: Mallien täsmäytys, Blob-analyysi
Tekoälyn avulla:CNN-verkot hautakivien, kylmän juotoksen jne. havaitsemiseen.
4.Lähtö & Palaute
- Porrastettu hälytys: Käynnistää visuaaliset/äänihälytykset vian vakavuuden mukaan (kriittinen/merkittävä/pieni).
- Järjestelmän integrointi: Synkronoi NG-tulokset MES-järjestelmään korjausaseman koordinaattien kanssa.
- Prosessin optimointi: Tarjoaa SPC-tietoja reflow-uunin/pick-and-place-koneen virittämistä varten.
AOI Technology Advantage
1. Manuaalisen tarkastuksen rajoitukset
Varhainen PCB-tarkastus perustui manuaalisiin visuaalisiin tarkastuksiin.Kuitenkin, kun suuritiheyksinen yhteenliitäntä (HDI) mallit ja massatuotanto vaatimukset, manuaalisiin menetelmiin liittyy kolme kriittistä haastetta:
- Vähäinen luotettavuus: Altis väsymykselle ja subjektiiviselle arvostelukyvylle, ja vikojen karkaamisprosentti on suurempi kuin 15%
- Tehottomuus: Tarkastusnopeus <0,5 lautaa/minuutti, yhteensopimaton nykyaikaisten SMT-linjasyklien kanssa
- Nousevat kustannukset: Työvoiman osuus 8%-12% PCB:n kokonaiskustannuksista ja pitkistä koulutusvaatimuksista
2.AOI:n keskeiset havaintokyvyt
Tunnistaa tarkasti 7 päävikaluokkaa:
| Vian tyyppi | Esimerkkejä | Havaintotarkkuus |
|---|
| Komponentin sijoittaminen | Puuttuvat, väärä suuntaus ja käänteinen napaisuus | ±25μm |
| Juotosliitoksen laatu | Kylmä juote, siltojen muodostuminen ja riittämätön juote. | 5% halkaisijan toleranssi |
| Lyijyn muotovirheet | Taivutetut, nostetut, ei-koplanaariset johdot | 15μm resoluutio |
Ainutlaatuiset edut perinteisiin menetelmiin verrattuna:
- Poistaa testin kuolleet kulmat: Havaitsee BGA-alitäytön, 0201-komponentit ja muut alueet, joihin ICT-anturit eivät pääse käsiksi.
- Suljetun silmukan data-analytiikka: Reaaliaikainen vikojen luokittelu (esim. 30 %:n sabluunapainovirheiden tunnistaminen) mahdollistaa prosessin optimoinnin.
3.Määrälliset suorituskykyedut
| Metrinen | AOI-tarkastus | Manuaalinen tarkastus | Parannus |
|---|
| Tarkkuus | Havaitsee 0,01mm² vikoja | Inhimillinen raja: 0,1mm² | 10x parempi |
| Nopeus | 20 lautaa/minuutti (kaksikaistainen) | 0,3 lautaa/minuutti | 66x nopeampi |
| Johdonmukaisuus | CpK ≥1,67 | CpK ≤1,0 | Saanto ↑40% |
4.Älykkään valmistuksen integrointi
- Reaaliaikainen palaute: Käynnistää MES-ilmoitukset korjausaseman koordinaateilla (<2 sekunnin vastaus)
- Ennakoiva kunnossapito: SPC-pohjainen trendianalyysi ennustaa ongelmia, kuten sabluunan tukkeutumista.
- Kustannustehokkuus: Tyypillinen ROI <6 kuukautta kanssa 50-70 % vähemmän romua
AOI:n kriittinen rooli SMT-tuotantolinjoissa
I. AOI:n neljä keskeistä tarkastussolmua SMT-prosessissa
- Post-juotospastatarkastus (SPI-AOI-integraatio)
- Ydintoiminto: Mittaa massan paksuuden (±5μm), peittoalueen ja siltausvirheet.
- Ennaltaehkäisevä arvo:estää reflow-virheitä (60 %:n parannus virheiden havaitsemisasteeseen): Sabluunan tukkeutumisen/virheellisen linjauksen varhainen havaitseminen estää reflow-virheet (60 %:n parannus virheiden havaitsemisasteeseen)
- Piirin jälkeinen komponenttien sijoittelu (Chip Mounterin jälkeen)
- Keskity: Puuttuvat, käänteiset tai väärin kohdistetut 0201/0402-komponentit (±15μm tarkkuus).
- Kustannusetu:Uudelleenkäsittelykustannukset tässä vaiheessa ovat vain 1/20 uudelleenvirtauksen jälkeisestä korjauksesta.
- Post-IC-komponenttien sijoittaminen (Fine-pitch-laitteet)
- Kriittinen kyky: Tunnistaa QFP/BGA:n polariteettivirheet ja johtojen koplanaarisuuden (0,5° kulmatarkkuus).
- Prosessin valvonta:Reaaliaikainen tiedonvaihto pick-and-place-koneiden kanssa automaattista offset-korjausta varten.
- Uudelleenvirtauksen jälkeinen lopputarkastus (kattava vikojen seulonta)
- Keskeiset haasteet:
3D-juotosliitoksen morfologian havaitseminen (vaatii 10μm Z-akselin resoluution).
Varjostettujen alueiden tarkastus (esim. QFN:n pohjapäätteet)
- Teollisuuden tila: 99,5 % verrattuna pre-reflow AOI:n 99,5 %:iin.
II.Teknistaloudellinen vertailu: Pre-Reflow vs. Post-Reflow AOI (AOI ennen virtausta)
| Mitta | Pre-Reflow AOI | Post-Reflow AOI |
|---|
| Focus | Prosessin ehkäisy | Laadunvarmistus |
| Keskeinen mittari | Väärien puhelujen määrä <0,1 % | Karkaamisprosentti ~8% |
| Kustannustehokkuus | 0,002 dollaria/lauta | 0,15 dollaria/levyn jälkityö |
| Tekninen haaste | Nopea dynaaminen tarkastus (≥45cm/s) | Monimutkainen 3D-juotosliitoksen rekonstruktio |
III.Parhaita käytäntöjä koskevat suositukset
- Laitteiden valintastrategia
- Pre-reflow: Koh Young KY8030).
- Jälkihuuhtelu:3D-konfokaalimikroskopia (esim. Omron VT-S730).
- Suljetun silmukan datasovellus
- SPC-ohjauskarttojen laatiminen (automaattinen sabluunan puhdistus käynnistyy, kun massan virheet ovat yli 3 %).
- Sijoittelun offset-tiedon syöttäminen takaisin pick-and-place-koneisiin MES:n kautta (±7μm kompensointitarkkuus).
- Tulevaisuuden kehityssuuntaukset
- Virtuaalinen AOI syväoppimisen avulla (EDA-vaiheen vikariskin ennustaminen)
- Multimodaalinen tarkastus (röntgen- ja AOI-tietojen yhdistäminen kokonaisvaltaista juotosliitoksen mallintamista varten)
AOI-tarkastuksen pikaopas
1. Luonteen virhearviointi
- Kysymys: Komponenttien epäselvistä/epäjohdonmukaisista merkinnöistä johtuvat väärät puhelut.
- Ratkaisut:
- Käytä monispektrikuvantaminen (näkyvä + IR)
- Säädä harmaasävytoleranssi (ΔE < 15)
- Vähennä kriittisiä luonnetarkistuksia
2.Tarkastuksen sokeat kohdat
- Yhteiset sokeat kohdat:
- Korkean komponentin varjot → 45° rengasvalo + sivuvalaistus
- BGA:n alaosan juotosliitokset → Konfokaalimikroskopian kerroskuvaus
- Komponentit <3mm levyn reunasta → Suunnittelu 5 mm:n suojavyöhyke
3.Keskustelu juotosliitosten standardeista
- Keskeiset parametrit:
- Sirukomponentit: Kostutuskulma 25°-55°, Xc/Xi=1.2-1.8
- QFP-komponentit: Juotos täyte ≥50% lyijyn paksuus
- Suunnittelusääntö:
Tyynyn pidennys = Komponentin pituus × 0,25
Vähimmäisväli = Komponentin keskimääräinen korkeus + 0,5 mm.
4.Täytäntöönpanon tulokset
- Tyypillisiä parannuksia:
Väärien puhelujen määrä ↓70%.
Tarkastusnopeus ↑25%
- Hätäkorjaus:
Jos liikaa vääriä puheluita → Merkkien tarkistuksen poistaminen käytöstä tai ota käyttöön “Oppimistila”
5.Nopea vianmääritystaulukko
| Asiatyyppi | Ensisijainen korjaus | Varmuuskopiointiratkaisu |
|---|
| Merkkivirheet | Säädä harmaasävykynnystä | Merkkien tarkistuksen poistaminen käytöstä |
| Juotosliitos pettää | Lisää sivuvalaistus | Manuaalinen uudelleentarkastusalue |
| Varjostushäiriöt | Käännä piirilevyä 90° | Merkitse suojavyöhykkeeksi |
AOI-teknologian sovellukset ja teollisuuden kattavuus
1. Keskeiset sovelluskentät
- SMT Elektroniikan valmistus (Ensisijainen toimialue)
- Tarkastuskohteet:
Juotosliitoksen laatu (tyhjät kohdat/sillat/riittämätön juote)
Komponenttien sijoittelu (väärän suuntainen/vastakkainen/puuttuva)
Napaisuuden tarkistus (tantaalikondensaattoreiden/diodien suuntaus)
- Alan standardit:
IPC-A-610 luokka 3 (ilmailu- ja lääketieteellinen luokka).
Tunnistustarkkuus: ±15μm (0201 komponenttitaso)
- Näyttöpaneelien tuotanto (LCD/OLED)
- Kriittiset tarkastukset:
Pikselivirheet (kirkkaat/tummat kohdat/viivavirheet)
Kohdistustarkkuus (paneelin siirtymä <3μm)
Liiman tasaisuus (UV-liiman leveyden toleranssi ±50μm)
2.Laajat teolliset sovellukset
| Ala | Tyypilliset käyttötapaukset | Tekniset ominaisuudet |
|---|
| Puolijohdepakkaukset | Kiekon kuoppakorkeuden tarkastus (±1μm) | 3D-konfokaalimikroskopia |
| Autoteollisuuden elektroniikka | Moottorin ECU:n juotosliitoksen 100-prosenttinen tarkastus (nollavikavaatimus) | Tärinänkestävä inline-järjestelmä |
| Biolääketiede | Mikrofluidisen sirun kanavan eheyden tarkastus | Sub-mikronin valkean valon interferometria |
3.Kehittyvän teknologian integrointi
- Älykkään tehtaan toteuttaminen
- MES-järjestelmän integrointi mahdollistaa:
Reaaliaikainen tuoton seuranta (tietojen päivitysnopeus ≤2s)
Adaptiiviset havaintokynnykset (tekoälyohjattu parametrin säätö)
- Toimialarajat ylittävä laajentuminen
- Elintarvikepakkaukset: Alumiinifolion tiivisteen eheyden tarkistus (0,1 mm tarkkuus)
- Tekstiiliteollisuus: Kangasvian automaattinen lajittelu (30m/min nopeus).
4.Teknologian valintaopas
- Elektroniikan valmistuksen painopistealue:
- Integroidut 3D SPI+AOI-järjestelmät (esim. Koh Young KY8030)
- Pienin havaittava komponentti: 01005 (40μm×20μm).
- Yleiset teolliset suositukset:
- Yleispätevissä AOI-järjestelmissä olisi oltava seuraavat ominaisuudet:
Monispektrinen valaistus (metalli-/muovialustoille)
IP54-suojausluokitus (pölyn-/öljynkestävyys)
Päätelmä
Automaattinen optinen tarkastus (AOI) -tekniikka on nykyaikaisen valmistuksen keskeinen laadunvalvontakeino, ja se on laajentunut perinteisestä SMT-elektroniikan valmistuksesta erilaisille aloille, kuten LCD-paneeleihin, puolijohdepakkauksiin, autoelektroniikkaan ja biolääketieteeseen. Sen ydinarvo on korkean tarkkuuden optisen kuvantamisen (±15μm) ja älykkäiden algoritmien (esim. syväoppiminen) yhdistelmässä, jonka avulla voidaan havaita juotosliitosten viat, komponenttien sijoitusvirheet ja napaisuusongelmat automaattisesti ja samalla yhdistää MES-järjestelmään, jotta voidaan muodostaa suljettu tietosilmukka älykkään valmistuksen päivittämisen edistämiseksi. Tulevaisuudessa AOI integroidaan syvällisesti röntgensäteilyyn ja tekoälyn ennakoivaan kunnossapitoon, jotta havaitsemisraja voidaan rikkoa ja siitä tulee välttämätön "laadunvartija" teollisuus 4.0:n aikakaudella.