Türk dili Görüntüleme sayısı:0 Yazar:Bu siteyi düzenle Gönderildi: 2026-09-24 Kaynak:Bu site
Kural Tabanlı Otomatik Optik Denetim (AOI), modern yüksek yoğunluklu PCBA hatlarda başarısız olur. 01005 bileşenlerini veya yoğun şekilde paketlenmiş BGA panoları incelerken statik eşiklere güvenemezsiniz. Yapay zeka odaklı kusur tespiti, herhangi bir ciddi yüzeye montaj teknolojisi (SMT) işlemi için temel gereksinim olarak çalışır. Yüksek yanlış arama oranları ve uzun manuel inceleme süreleri hat hızını düşürür. Verim marjlarını yok eder ve operatörleri tüketir, bu da doğrudan ikincil denetim hatalarına yol açar.
Üretim yöneticileri fabrikada sürekli bir savaşla karşı karşıyadır. Geleneksel deterministik algoritmalar, kabul edilebilir süreç değişiklikleri ile yoğun nüfuslu kartlardaki gerçek kusurlar arasında ayrım yapmakta zorlanır. Serigrafi baskıdaki hafif bir değişiklik veya zararsız akı kalıntısı çoğu zaman makinenin durmasına neden olur ve bir insan operatörü mükemmel derecede iyi bir tahtayı doğrulamaya zorlar.
İki büyük oyuncunun bu darboğazları düzeltmek için 3D AOI donanımlarını ve yapay zeka yazılımlarını nasıl tasarladığını değerlendiriyoruz. Denetim kafalarının tam mekaniğine, makine öğrenimi çerçevelerine ve aktif fabrika zeminlerinde nasıl performans gösterdiklerine bakacağız. Bu döküm, satır içi performansa, kusurdan kurtulma oranlarına ve gerçek programlama verimliliğine odaklanan pazarlama iddialarını ortadan kaldırır.
Yapay Zeka Programlama Verimliliği: Viscom'un vAI ProVision çerçevesini, Yeni Ürün Tanıtımı (NPI) kurulum süreleri ve otomatik program oluşturma konusunda SAKI'nin tescilli yapay zeka motoruyla karşılaştırın.
Yanlış Pozitif Azaltma ve Akıllı İnceleme: Her sistemin kabul edilebilir toleranslar ile kritik kusurlar arasında nasıl ayrım yaptığını ve yapay zeka destekli inceleme istasyonlarının manuel doğrulama süresini nasıl en aza indirdiğini değerlendirmek için kritik ölçümleri vurgulayın.
Derin 3D İnceleme: Her iki markanın da gelişmiş görüntüleme teknolojilerini ve akıllı algoritmaları kullanarak gizli kusurları ve uzun bileşen gölgelemesini nasıl ele aldığını özetleyin.
Entegrasyon ve Ölçeklenebilirlik: Her iki platformun da akıllı fabrika uyumluluğu, kapalı döngü MES entegrasyonu ve sürekli makine öğrenimi iyileştirmesi için hazır olup olmadığını ana hatlarıyla belirtin.
İçindekiler
AOI performansı yalnızca kamera çözünürlüğü veya maksimum inceleme hızıyla değil, gerçek SMT hatlarda ölçülmelidir. Fabrika titreşimi, ışık değişiklikleri ve sıcaklık değişimleri görüntü kalitesini ve denetim doğruluğunu etkileyebilir. Güvenilir bir AOI sistemi, gerçek üretim koşulları altında istikrarlı performansı korumalıdır.
Yapay zeka, AOI sistemlerinin lehim bağlantılarındaki ve bileşen yerleştirmedeki normal değişiklikleri tanımasına yardımcı olarak gereksiz yanlış çağrıları azaltır. Modern sistemler aynı zamanda kusur incelemesi sırasında operatörün geri bildirimlerinden de öğrenebilir. Bu, manuel denetim süresini kısaltır, operatörün iş yükünü azaltır ve zaman içinde denetim verimliliğini artırır.
SAKI, hassas 3D inceleme için yüksek çözünürlüklü kameraları çok frekanslı faz kaydırmalı projeksiyonla birleştirir. Çok yönlü aydınlatma, uzun bileşenlerden kaynaklanan gölgelerin azaltılmasına yardımcı olur ve yüksek yoğunluklu PCBA"lerdeki gizli alanlar da dahil olmak üzere bileşenlerin ve lehim bağlantılarının Z ekseni ölçümünü iyileştirir.
SAKI, CAD ve Gerber verilerini içe aktarmak, bileşen kitaplıkları oluşturmak ve otomatik olarak ilk inceleme ayarlarını oluşturmak için yapay zekayı kullanıyor. Yapay zekası ayrıca kaldırılmış kablolar, köprüleme ve yetersiz lehim gibi kusurları tespit etmek için 3 boyutlu lehim bağlantı verilerini analiz ederek manuel programlama ve 2 boyutlu görsel kontrol ihtiyacını azaltır.
SAKI, istikrarlı denetimin ve düşük yanlış çağrı oranlarının önemli olduğu yüksek hacimli üretim için çok uygundur. NPI süreci, CAD verilerini, bileşen kitaplıklarını, yapay zeka tarafından oluşturulan parametreleri ve gerçek kartlar kullanılarak otomatik ayarlamayı birleştirir. Ancak operatörlerin ek eğitime ihtiyacı olabilir ve yapay zeka modeli güvenilir hale gelmeden önce özel bileşenler daha fazla denetim verisine ihtiyaç duyabilir.
Standart bir 2026 sensör kafası teknolojisi, Viscom AOI Makinesindeki optik veri toplama konusunda oldukça uzmanlaşmış bir yaklaşımı temsil eder. Viscom, merkezi bir yüksek çözünürlüklü ortogonal sensörü çevreleyen çok açılı kamera sistemlerine büyük ölçüde güveniyor. Bu dizi, gelişmiş saçak projeksiyon modülleriyle birlikte çalışır. Projektörler panel boyunca hassas ışık desenleri yansıtırken, açılı kameralar bu desenlerin bileşenler üzerindeki deformasyonunu yakalıyor.
Viscom bu donanım konfigürasyonunu özellikle gizli kusurları tespit etmek için tasarlar. Açılı kameralar belirli bileşenlerin kenarlarının altını gözetliyor ve yukarıdan aşağıya bakıldığında görülemeyen J-kurşun paketlerinin şeritlerini inceliyor. Derin 3D inceleme tamamen bu çoklu perspektif verilerine dayanır. Sistem, PCBA"nin yüksek doğruluklu 3 boyutlu modelini yeniden oluşturarak yazılımın lehim hacmini ve bileşen eş düzlemliliğini son derece hassas bir şekilde ölçmesine olanak tanır.
Viscom"un vAI ProVision"ı, CAD verilerini analiz etmek ve bileşen türlerine ve IPC standartlarına göre otomatik olarak denetim ayarları oluşturmak için yapay zekayı kullanır. Denetim alanlarının çizilmesi ve yükseklik sınırlarının ayarlanması gibi manuel işleri azaltır, mühendislerin denetim programlarını daha hızlı oluşturmasına ve daha karmaşık bileşenlere odaklanmasına yardımcı olur.
Viscom, otomotiv ve havacılık üretimi gibi yüksek karışımlı, yüksek güvenilirliğe sahip üretim için çok uygundur. vAI ProVision yazılımı daha hızlı NPI"yi ve sık ürün değişikliklerini desteklerken, çok açılı denetim katı denetim gereksinimlerinin karşılanmasına yardımcı olur. Ancak daha karmaşık denetim görevleri ek kurulum ve sistem entegrasyonu gerektirebilir.
Donanım ve yazılım farklılıklarını anlamak için her iki sistemin de denetim sürecine nasıl yaklaştığına bakabiliriz:
Sistem Özelliği | SAKİ Mimarlık | Viscom Mimarlık |
|---|---|---|
Birincil Sensör Tasarımı | Faz kaydırmalı yüksek çözünürlüklü ortogonal | Çok açılı kamera dizisiyle birleştirilmiş ortogonal |
Gölge Azaltma Stratejisi | Çok yönlü yapılandırılmış ışık projeksiyonu | Fiziksel açılı kamera incelemesi ve kenar projeksiyonu |
NPI Yazılım Motoru | Merkezi yapay zeka otomatik ayarlama | vAI ProVision merkezi olmayan modeller |
İdeal Üretim Ortamı | Yüksek hacimli, düşük karışımlı sürekli çalışmalar | Yüksek karışım, yüksek güvenilirlik (Otomotiv/Havacılık) |
vAI ProVision"ın yeteneklerini en üst düzeye çıkarmak genellikle Viscom"un tescilli veri yönetimi araçlarıyla derin entegrasyon gerektirir. Çok açılı sensör kafasının donanım kaplama alanı rakip sistemlerden daha büyük olabilir ve mevcut SMT hatlarına dikkatli entegrasyon gerektirir. Tüm açılı kameralardan alınan verileri aynı anda kullanan karmaşık yapay zeka değerlendirmeleri, işlem yükünü beraberinde getirir ve son derece yoğun kartlarda döngü sürelerini marjinal olarak etkiler.
SAKI ile Viscom AOI Makinesini karşılaştırmak, ilgili sinir ağlarının kabul edilebilir PCB varyasyonlarını nasıl filtrelediğini analiz etmeyi gerektirir. Serigrafi kaymaları, akı kalıntısı ve küçük alt tabaka renk değişikliği, eski sistemlerde yanlış pozitifleri tetikler. SAKI, 2B renk değişimleri yerine 3B topografik verilere öncelik vererek bu görsel anormallikleri filtreleyen oldukça merkezi bir yapay zeka modeli kullanıyor. Viscom'un sinir ağları, anormallikleri çapraz referanslamak için çok açılı görüntü verilerinden yararlanarak, akı kalıntısının neden olduğu gölgenin eksik lehim dolgusu olarak yanlış yorumlanmamasını sağlar.
Yapay zeka güven eşikleri üzerindeki ayrıntılı kontrol, iki platform arasında farklılık gösterir. Viscom, mühendislere vAI ProVision modellerinin sıkılığını ayarlamaları için ayrıntılı kaydırıcılar sağlayarak anında hızlı ayarlamalara olanak tanır. SAKI"nin sistemi, sürekli öğrenme döngüsüne dayalı olarak bu eşikleri otomatikleştirir; daha az manuel müdahale gerektirir, ancak biraz daha az anlık manuel geçersiz kılma yeteneği sunar. Her iki sistem de gizli kusurlar için derin 3 boyutlu incelemeyi etkili bir şekilde gerçekleştiriyor, ancak Viscom"un fiziksel kamera açıları ciddi gölgeleme içeren son derece karmaşık PCBA geometrilerin incelenmesinde avantaj sağlıyor.
Hem SAKI hem de Viscom, manuel inceleme süresini azaltmak için yapay zeka destekli inceleme sistemlerini kullanıyor. SAKI net 3D kusur ve referans görüntüleri sağlarken Viscom birden fazla kamera görüntüsü ve daha ayrıntılı inceleme verileri sunar. Her iki sistem de zaman içinde tekrarlanan yanlış çağrıları azaltmak için operatör geri bildirimlerinden öğrenebilir.
Her iki sistem de çevrimdışı programlama için CAD ve Gerber verilerini kullanıyor ancak iş akışları farklı. SAKI, istikrarlı denetime odaklanan yapılandırılmış bir yapay zeka ayarlama süreci kullanırken Viscom"un vAI ProVision"ı, programları daha hızlı oluşturmak ve NPI sırasında manuel kurulumu azaltmak için önceden eğitilmiş yapay zeka modellerini kullanır.
SAKI ve Viscom, MES ve diğer SMT ekipmanlarla entegrasyon için IPC-CFX"i destekler. Her iki sistem de süreç değişikliklerini tanımlamak ve otomatik düzeltmeleri desteklemek için AOI verilerini SPI ve Pick-and-Place makineleriyle paylaşabilir. Bu, kusurların azaltılmasına ve üretim kontrolünün iyileştirilmesine yardımcı olur.
SAKI ve Viscom, elektronik üretiminin zorluklarına farklı mühendislik felsefeleriyle yaklaşıyor. SAKI, maksimum hat içi tutarlılığa ulaşmak için sağlam optik donanım kararlılığına ve son derece merkezi, otomatik yapay zeka ayarına öncelik verir. Viscom, çok çeşitli, yüksek karmaşıklıktaki ortamlara hakim olmak için vAI ProVision aracılığıyla çok açılı sensör edinimi ve hızlı yazılım dağıtımına yoğun bir şekilde odaklanıyor.
Uzun üretim sürelerine, mevcut SAKI filosu uyumluluğuna ve çevresel değişkenlere karşı mutlak dirence öncelik veren tesisler, SAKI"yi kısa listeye almalıdır. Hızlı NPI geri dönüşleri, gizli kusurlar için katı 3D uyumluluğu ve yapay zeka parametreleri üzerinde ayrıntılı kontrol gerektiren ortamlar, Viscom"un mimarisini oldukça etkili bulacaktır.
AOI değerlendirmenize devam etmek için aşağıdaki adımları uygulayın:
Özellikle bilinen geçmiş kusur kaçışlarına sahip kartlar dahil olmak üzere, en karmaşık PCBA"larınızın bir test grubunu derleyin.
Gerçek termal ve titreşim koşulları altında gerçek yanlış çağrı azaltımını ölçmek için aktif SMT katınızdaki her iki tedarikçiyle hat içi denemeler planlayın.
Öğrenme eğrisini ölçmek ve istasyon ergonomisini gözden geçirmek için yazılım arayüzünü mevcut makine operatörlerinizle değerlendirin.
Kapalı döngü veri kaydının doğru şekilde çalıştığından emin olmak için IPC-CFX"in mevcut Üretim Yürütme Sisteminizle (MES) uyumluluğunu doğrulayın.
C: Viscom, sinir ağlarını 3D kenar projeksiyon verileriyle entegre ediyor. Yapay zeka, bir bileşenin veya lehim bağlantısının çok açılı 3 boyutlu topografyasını analiz eder. Makine öğrenimi modeli, katı geometrik kurallara dayanmak yerine, kabul edilebilir lehim dolgularının ve bileşen yerleşimlerinin doğal değişkenliğini anlar. Bu, gerçek kritik kusurlar ile kabul edilebilir süreç değişiklikleri arasında ayrım yapılmasına olanak tanıyarak yanlış alarmları ve manuel inceleme süresini büyük ölçüde azaltır.
C: Viscom, denetim parametrelerini otomatik olarak oluşturmak için önceden eğitilmiş yapay zeka modellerini içe aktarılan CAD verilerine agresif bir şekilde uygulayan vAI ProVision yazılımı sayesinde genellikle daha hızlı NPI geri dönüşü sunar. SAKI, otomatik programlama araçlarına sahiptir, ancak iş akışı, ilk birkaç fiziksel kartta daha metodik bir yapay zeka odaklı ayarlama aşaması gerektirir ve anlık kurulum hızından ziyade uzun vadeli istikrara öncelik verir.
C: Evet. Her iki platform da akıllı fabrika ekosistemleri için tam donanımlıdır. IPC-CFX ve SECS/GEM dahil olmak üzere endüstri standardı iletişim protokollerini desteklerler. Bu, gerçek zamanlı veri kaydı, izlenebilirlik ve diğer SMT hat ekipmanıyla kapalı döngü geri bildirimi için mevcut Üretim Yürütme Sistemleri (MES) ile kusursuz entegrasyona olanak tanır.
C: Her iki makine de pano topografyasını haritalamak için gelişmiş görüntüleme kullanıyor. SAKI, uzun bileşenlerin neden olduğu gölgeleri ortadan kaldırmak için çok yönlü yapılandırılmış ışık projeksiyonunu kullanıyor. Viscom, bileşen kenarlarının altını fiziksel olarak görebilmek için kenar projeksiyonuyla birleştirilmiş çok açılı bir kamera sistemi kullanır. Akıllı algoritmalar daha sonra bu verileri, belirsiz lehim bağlantılarını incelemek için hassas bir 3D model halinde yeniden yapılandırır.
C: Donanım bakımı, Z ekseni doğruluğunu sağlamak için rutin optik kalibrasyonu, sensör merceklerinin temizlenmesini ve projektör hizalamasının doğrulanmasını içerir. Yazılım bakımı da aynı derecede kritiktir. Mühendisler, merkezi bileşen kitaplıklarını sürekli olarak güncellemeli ve bileşen tedarikçileri veya PCB imalatçıları değiştiğinde sisteme yeni veriler besleyerek yapay zeka modeli sapmasını yönetmelidir.
C: Yapay zeka modelleri, sürekli öğrenme yetenekleri ve akıllı inceleme geri bildirim döngüleri aracılığıyla uyum sağlar. Bir operatör yeni bir bileşendeki bir anormalliği yanlış pozitif olarak sınıflandırdığında sistem dahili ağırlığını günceller. Mühendisler, aktif üretimi durdurmadan AI CAD verilerini ve yeni parçaların örnek görüntülerini besleyerek merkezi bileşen kitaplıklarını çevrimdışı olarak günceller.
