Когда говорят про автоматический оптический детектор, многие сразу представляют себе идеальную систему, которая сама всё находит и исправляет. Но на практике даже ведущие модели вроде тех, что мы тестировали у Shenzhen HTGD, требуют тонкой настройки под каждый производственный участок. Часто сталкиваюсь с иллюзией, что достаточно купить дорогой аппарат — и дефекты сами исчезнут. Увы, это не так: например, паяльная паста может давать разные оптические артефакты в зависимости от температуры, и детектор должен это учитывать.
В 2015 году мы внедряли систему от HTGD на одном из подмосковных заводов. Оборудование позиционировалось как полностью автоматическое, но при первом же запуске выяснилось, что алгоритмы плохо справляются с тенями от компонентов BGA. Пришлось неделями корректировать освещение и углы обзора. Именно тогда я понял, что автоматический оптический детектор — это не просто камера, а комплекс, где софт и механика должны работать синхронно.
Кстати, у Shenzhen HTGD Intelligent Equipment Co., Ltd. подход интересный: они с 2008 года исследуют автоматизацию, и их детекторы часто идут в связке с паяльными пастами. Это важно, потому что несоответствие паяльной пасты и настроек детектора — частая причина ложных срабатываний. На их сайте gdk-smt.ru можно увидеть, как они акцентируют синхронизацию с мировыми стандартами, но на деле под российские мощности приходится адаптировать почти всё.
Заметил ещё одну деталь: многие инженеры пытаются сэкономить на калибровке, думая, что раз детектор автоматический, то он сам подстроится. В результате получаем стабильный брак на 2–3% плат, который выявляется только на финальном контроле. Приходится объяснять, что ведущий автоматический оптический детектор AoI требует регулярной проверки оптических искажений — особенно после переезда линии или замены освещения.
Был у нас проект в Казани, где использовали детектор HTGD для контроля плат с мелкошаговыми компонентами. Система в целом работала неплохо, но периодически пропускала микротрещины в паяных соединениях. Разбирались — оказалось, проблема в настройках контрастности: для тёмных подложек стандартные параметры не подходили. Пришлось вручную добавлять профили для разных типов плат.
А вот на заводе в Дубне тот же автоматический оптический детектор показал себя блестяще при проверке паяльных паст после оплавления. Там как раз использовали паяльные пасты, совместимые с оборудованием HTGD, и процент ложных отбраковок упал ниже 0,1%. Но важно: это достигли только после трёх месяцев экспериментов с углами подсветки.
Порой старые привычки мешают: некоторые технологи до сих пор пытаются дублировать AoI визуальным контролем, не понимая, что современные детекторы способны выявлять дефекты размером до 10 микрон. Хотя, справедливости ради, для плат с высоким напряжением я бы тоже советовал добавить ручную выборочную проверку — из-за риска скрытых дефектов.
Одна из главных проблем при внедрении — несовместимость протоколов. Даже у HTGD, при всей их ориентации на международные стандарты, иногда возникают сложности с интеграцией в старые линии. Помню, в 2019 году в Новосибирске пришлось переписывать часть ПО для обмена данными с немецким паяльным оборудованием — детектор видел дефекты, но не мог передать сигнал на отбраковку.
Ещё момент: многие недооценивают влияние вибрации. Ведущий автоматический оптический детектор AoI может давать сбои, если его поставить рядом с мощными вентиляторами или конвейерными роликами. Приходится добавлять демпферы или менять место установки — мелочь, но без неё вся автоматизация идёт насмарку.
Калибровка по цветам — отдельная головная боль. Особенно с зелёными паяльными масками: детекторы иногда принимают блики за холодные пайки. Мы в таких случаях советуем использовать многоспектральную подсветку, но это удорожает систему на 15–20%. Не каждый заказчик готов на такие траты, хотя в долгосрочной перспективе это снижает брак.
Судя по последним разработкам HTGD, они активно работают над ИИ-алгоритмами для детекторов. Но пока что в реальных условиях нейросети часто переобучаются на специфичные дефекты и пропускают стандартные. Например, на одном из производств в Питере система после обновления начала игнорировать перекосы компонентов, зато гипертрофированно реагировала на пыль.
Интересно, что автоматический оптический детектор постепенно становится не просто контролёром, а элементом аналитики. На тех же линиях, где используют оборудование с gdk-smt.ru, данные с детекторов начали применять для прогнозирования износа паяльных головок. Правда, для этого пришлось дорабатывать отчётность — стандартные логи не всегда содержат нужные метрики.
Лет через пять, думаю, мы увидим детекторы, которые смогут самонастраиваться под изменение паяльных паст или влажности в цеху. Но пока что даже ведущие модели требуют постоянного внимания инженеров. И это нормально: автоматизация — это не про ?включил и забыл?, а про то, чтобы умно распределять ресурсы.
Если рассматривать ведущий автоматический оптический детектор AoI как инвестицию, то считаю важным закладывать в бюджет не только покупку, но и 20–30% на адаптацию. Опыт HTGD показывает, что даже их проработанные решения требуют индивидуальной настройки под российские условия — начиная от стабильности электросетей и заканчивая квалификацией операторов.
Не стоит гнаться за максимальным разрешением камер, если ваше производство не связано с микроэлектроникой. Часто достаточно стандартного детектора, но с хорошо настроенным ПО и подсветкой. Кстати, у HTGD как раз сильна эта сторона: их софт позволяет гибко менять параметры без перепрошивки.
И главное: автоматический контроль не отменяет необходимости в грамотных технологах. Самые дорогие детекторы бесполезны, если настройщик не понимает физику дефектов. Поэтому при внедрении мы всегда проводим обучение — иначе оборудование простаивает или, что хуже, стабильно бракует годные платы.
