Когда речь заходит об оптовых отчетах по АОК, многие сразу представляют сухие таблицы с цифрами, но на деле это скорее живой инструмент для анализа тенденций. В нашей практике часто сталкиваюсь, что клиенты путают разовые протоколы проверки с системными отчетами — последние требуют увязки данных с производственными циклами.
В 2019 году при запуске линии монтажа плат для телеком-заказчика мы первые три месяца фиксировали все дефекты пайки вручную. Потом осознали: без автоматического оптического контроля статистика работает только на 'тушении пожаров', а не на профилактике. Например, серия микросхем QFP в партии от поставщика давала стабильный 2% брака по выдавленной пасте, но это вылезало только при сопоставлении недельных выборок.
Сейчас при отладке новых линий всегда настаиваю на подключении AOI к общей системе сбора данных. Недавно на проекте для автопрома через оптовый отчет выявили аномалию — алгоритм стабильно пропускал трещины в шаровых выводах BGA. Оказалось, камера теряла фокус при вибрации конвейера, что не отслеживалось в единичных проверках.
Кстати, о камерах — у китайских коллег из HTGD в новых моделях AOI добавили температурную стабилизацию оптики. Мелочь, а в отчетах сезонные колебания точности измерений сократились на 18%.
Самый болезненный этап — агрегация данных с разнородного оборудования. Помню, в 2021 сводили логи с японского Omron и китайского HTGD-H450 — пришлось писать промежуточный парсер, иначе проценты дефектов по компонентам 0201 и 0402 не совпадали даже в пределах погрешности.
Здесь важно не гнаться за 100% автоматизацией. Для оптового отчета об автоматическом оптическом контроле мы специально оставляем поле для комментариев оператора — например, когда система помечает как брак допустимые вариации паяльной пасты от индийского производителя.
Лайфхак: если в отчете резко вырастает процент ложных срабатываний на определенном типе плат, в 70% случаев дело не в алгоритмах, а в износе держателей плат. У нас такое было с гнездами для материнских плат серверов — погрешность позиционирования в 0.1 мм давала 15% ложных ошибок пайки.
Большинство систем AOI не учитывают технологические допуски. Скажем, для RF-модулей мы вручную вводим поправочные коэффициенты на прозрачность трафарета — без этого даже идеальные отпечатки пасты система маркирует как 'недолив'.
Любопытный кейс был с контрактным производством для медицинских датчиков. В оптовом отчете три недели подряд падала точность распознавания микроконнекторов — оказалось, новый флюс оставлял блики в ИК-диапазоне. Пришлось калибровать камеры под другую длину волны.
Кстати, у HTGD в последней прошивке для их флагманской серии AOI появилась функция учёта старения LED-подсветки — мелкая деталь, но именно такие нюансы влияют на достоверность квартальных отчетов.
Идеальный оптовый отчет об автоматическом оптическом контроле должен пересекаться с данными рентгена и ICT. Мы в прошлом году внедрили перекрёстную проверку для BGA-компонентов — когда AOI и рентген спорят по высоте столбика припоя, система автоматически назначает выборочную деструктивную проверку.
Особенно критично это для плат с плотным монтажом. Напомнило случай с заказом для железнодорожной автоматики — там из-за вибраций требовался контроль заполнения сквозных отверстий, который обычный AOI не видит. Спаслись синхронизацией с AXOI.
Кстати, на сайте gdk-smt.ru в разделе про совместимое ПО есть любопытная схема обмена данными между их системами AOI и SPI — пригодится тем, кто строит распределённую систему контроля качества.
Самое сложное — определить, когда статистическая аномалия становится тенденцией. Для мощных чипов с термопадками мы ввели 'коридор допуска' в 3% для дефектов отклеивания компонентов — ниже этого порога не дергаем технологов, выше запускаем разбор.
Забавный инцидент был с партией контроллеров для умного дома — в отчетах плавал процент проверок конденсаторов. Оказалось, ночная смена случайно меняла чувствительность камер на AOI HTGD, чтобы 'ускорить проверку'. Пришлось вводить пароль на калибровки.
Важный момент: для высокочастотных плат мы дополнительно вводим в отчет градацию дефектов по критичности — иногда условный 'мостик' между выводами не влияет на работу в низкочастотном режиме, но фатален на высоких частотах.
Если в 2010-х мы просто выгружали CSV-файлы с процентным соотношением, то сейчас в оптовых отчетах появились предиктивные модели. Например, по скорости накопления определенного типа дефектов система предсказывает необходимость замены трафарета.
Интересно, что китайские производители вроде HTGD сейчас активно внедряют ИИ для классификации дефектов — в их облачной системе можно отслеживать динамику по типам плат, что особенно полезно для контрактных производителей с разнородными заказами.
Из последнего — начали экспериментировать с привязкой данных AOI к параметрам пайки в печах. Пока рано говорить о результатах, но уже видно корреляцию между перегревом зоны оплавления и дефектами 'гробстин' у BGA-компонентов.
Судя по последним выставкам, скоро в оптовых отчетах об автоматическом оптическом контроле появятся 3D-характеристики паяных соединений. Уже тестируем прототип системы от HTGD с стереокамерами — пока сыровато, но для контроля копланарности выводов уже полезно.
Ещё одна тенденция — интеграция с MES. Когда видишь в отчёте, что всплеск дефектов совпал с заменой оператора на линии, это меняет подход к анализу причин.
Лично я жду, когда появятся стандартизированные форматы обмена данными между AOI разных производителей — пока каждый раз приходится писать костыли, чтобы сравнить, скажем, статистику по дефектам от HTGD и Koh Young в одном производственном цикле.
