Когда говорят про автоматическое оптическое обнаружение, многие сразу представляют себе просто камеру над конвейером — но на деле это целая философия контроля качества. В наших реалиях часто сталкиваюсь с тем, что технологи пытаются сэкономить на освещении или калибровке, а потом удивляются ложным срабатываниям. Помню, как в 2015 году мы настраивали систему для монтажа BGA-компонентов, где даже угол падения света на шаре припоя влиял на точность.
Раньше в Shenzhen HTGD мы использовали комбинированные методы — часть дефектов ловили оптикой, часть ручным контролем. Но после 2018 года, когда стандарты IPC ужесточились, пришлось полностью пересмотреть подход к автоматическому оптическому обнаружению. Интересно, что именно тогда мы заметили разницу между китайскими и европейскими заказчиками — последние чаще требовали не просто детектирование, а прогнозирование дефектов.
Один из наших инженеров предложил внедрить двойную калибровку для плат с низкоконтрастными маркировками — это снизило процент ложных отбраковок с 7% до 0.8%. Но пришлось пожертвовать скоростью обработки, что для массового производства было критично. Приходилось искать компромисс между точностью и производительностью.
Сейчас на сайте https://www.gdk-smt.ru мы указываем параметры для разных сценариев, но в реальности каждый случай требует индивидуальной настройки. Как-то раз для медицинского оборудования пришлось разрабатывать отдельный алгоритм для обнаружения микротрещин в паяных соединениях — стандартные настройки не справлялись с бликами от защитного покрытия.
Самое неочевидное — это зависимость от предыдущих этапов производства. Если паяльная паста нанесена с отклонениями, даже идеальная система автоматического оптического обнаружения будет давать погрешности. Мы в HTGD с 2008 года занимаемся разработкой автоматических принтеров для паяльной пасты, поэтому хорошо понимаем эту взаимосвязь.
Был случай на заводе в Калуге — там система стабильно пропускала холодные пайки. Оказалось, проблема была в вибрации от соседнего оборудования, которая сдвигала эталонные образцы. Пришлось разрабатывать систему динамической калибровки — сейчас это стало стандартом для наших решений.
Ещё один нюанс — обучение операторов. Часто они доверяют глазам больше, чем системе, и начинают перепроверять корректно отбракованные платы. Мы стали внедрять упрощённые интерфейсы с цветовой индикацией степени уверенности системы — это снизило напряжение у персонала.
Камеры с разрешением 25 Мп — это не панацея. При работе с мелкими компонентами типа 0201 мы столкнулись с тем, что дрожание конвейера сводило на нет все преимущества высокого разрешения. Пришлось дорабатывать систему стабилизации, что увеличило стоимость линии на 12%, но зато позволило детектировать смещения до 15 микрон.
Освещение — отдельная головная боль. Многоугольные LED-системы с регулируемым углом — это хорошо, но они требуют точной юстировки. Как-то пришлось месяц возиться с заказом из Новосибирска — там из-за высотности и перепадов температуры постоянно сбивались настройки. Решили проблему введением термокомпенсации в прошивку.
Сейчас мы тестируем гибридный подход — комбинацию ИК- и УФ-подсветки для выявления скрытых дефектов. Первые результаты обнадёживают, но есть проблемы с совместимостью с некоторыми типами флюсов. Думаю, к концу года доведём до ума.
Современное автоматическое оптическое обнаружение — это на 70% софт. Наши алгоритмы на базе машинного обучения показывают хорошие результаты, но требуют огромных наборов данных для обучения. Коллеги из Shenzhen HTGD Intelligent Equipment Co., Ltd собрали архив из 3.7 миллионов изображений дефектов — это дало нам преимущество при настройке под специфичные производства.
Интересный момент — мы стали анализировать не только сами дефекты, но и последовательность их появления. Это позволило предсказывать износ оборудования. Например, постепенное увеличение количества перекосов компонентов часто указывает на проблемы с вакуумными захватами монтажных головок.
Сейчас разрабатываем систему предиктивного обслуживания на основе этих данных — пока сыровато, но уже есть первые успехи. На тестовой линии в Подольске удалось снизить количество внеплановых остановок на 34% за полгода.
Когда мы только начинали в 2011 году, многие воспринимали автоматическое оптическое обнаружение как отдельный модуль. Сейчас же это должен быть полностью интегрированный элемент. Наше оборудование обычно связывается с принтерами паяльной пасты и монтажными машинами — это позволяет оперативно корректировать параметры производства.
Особенно важно это для гибких производственных линий. Помню, как для завода в Твери пришлось разрабатывать протокол обмена данными между оборудованием трёх разных производителей — потратили три месяца, но добились сокращения времени переналадки с 45 до 12 минут.
Сейчас мы активно работаем над интеграцией с MES-системами — это следующий логичный шаг. Пока не всё гладко, особенно со старым оборудованием, но прогресс есть. Думаю, через пару лет это станет стандартом для всех новых линий.
Многие до сих пор считают автоматическое оптическое обнаружение излишней роскошью для средних производств. Но наши расчёты показывают, что даже для линий объёмом 5000 плат в месяц окупаемость составляет 14-18 месяцев — в основном за счёт сокращения затрат на постпродакшн и гарантийные случаи.
Интересный тренд — запрос на мобильные решения для сервисных центров. Мы сейчас экспериментируем с портативными системами на базе планшетов — пока точность ниже стационарных решений, но для полевых условий вполне приемлемо.
Думаю, следующий прорыв будет связан с мультиспектральным анализом — мы уже видим растущий спрос на контроль не только геометрии, но и химического состава материалов. Возможно, через пару лет появятся гибридные системы, сочетающие оптический контроль и рентгенофлуоресцентный анализ.
