【虹科】质量问题能否发生在AOI过程之外？

虹科了解制造业努力追求高质量标准，旨在实现0%的质量漏检。这在医疗、航空和国防市场等高度管制的行业中尤其明显。

自动光学检测（AOI）自开创以来已取得了长足进展。如今的AOI机器配备了最新2D/3D检测技术，通常用于生产的不同阶段，从生产开始时检测裸板，一直到回流焊后生产。

对于表面贴装技术（SMT）检测，AOI是检测缺陷、缺失或外加组件、错误组件、焊接质量、锡膏不足、乃至翻转和倾斜组件的一个重要工具。

AOI系统的工作原理是将机器内摄像头拍摄的图像与已知的良好参考板进行比较。该方法通过模式或模板匹配来工作，也可以通过数据文件来提取组件信息进行检测。

传统AOI可能需要大量时间来编制检测程序，但一旦完成，就不必在生产过程中对每块板进行手动检测，从而节省了时间。对于较短的运行或快速原型，操作人员可能会发现，设置AOI的时间权衡不值得，而人工目视检查或其他更传统的方法可能更适合。

如果从一个电子制造商角度看整个过程，你就会发现AOI是在生产过程中尽早发现错误的一个关键因素。数据显示，越早发现错误制造，成本就越低。客户发现错误会导致索赔，制造商的损失最大，因为可能意味着要完全替换产品。

那么在AOI过程之外，哪里会出现质量问题？以下强调了生产过程中错误漏检风险较高的领域。

Q

如何知道零件是否正确？

让我们看看国防领域中的自定义连接器。从供应商那里收到的零件，很容易忽视最轻微的缺陷。比如你可能从供应商处收到了连接器错误旋转的部件。这些错误在离开供应商工厂之前未被发现，而你的团队在收到零件时也未注意到这些缺陷。

或许旋转连接器的错误直至被焊接上才被注意到。而此时一个缺陷已变得十分昂贵。仅依靠人工目视检查接收的部件可能会在生产的最初阶段存在错误漏检的重大风险。

Q

如何确保在极性等方面无错误？

在焊接通孔组件或进行返工时，如何确保在放置、组件类型、极性或损坏方面无错误？

尽管由于尺寸、电气性能和成本的原因，SMT组件已变得越来越受欢迎，但通孔组件在强度和长期兼容性方面提供了额外的优势。这对国防和航空航天等行业尤为重要，在这些行业中，冲击和振动测试对设计至关重要，以确保强度，并需要较长生命周期来保持兼容性。

同样重要的是，要记住，并不是所有组件都可以用SMT设计，尽管大多数PCB板设计会使用SMT，但仍有一些组件需要手动焊接通孔。因为这是在工艺后期手动进行的，所以通常是以目视的方式进行检查。存在的风险是，由于焊接步骤和检查步骤都有人工操作参与，因此存在一个很大的窗口会出现质量漏检。

同样，当AOI系统发现缺陷时，需要返工来纠正问题并提高产量(对比扔掉电路板）。返工通常由手动进行，也是由人工手动检查。不会再送回AOI机器。这可能会在几个不同方面增加风险。首先，是否是正确的返工过程？第二，在返工过程中是否有其他部件受到错误的影响？

举例来说，假设一个直流-直流(DC-DC）转换器需要更换，并对电路板进行返工。成功替换了元件，但是返工的电路板在客户收到后仍然不工作。经过仔细检查，看起来像是电路板的一些额外组件在返工期间意外地“炸掉”了，导致了故障。而故障则从快速的目视检查中溜走了。

通过在最终检验的离线检查中实施机器视觉摄像系统，上述类型的错误可以被最小化，以确保客户收到的是上等质量。这些系统可以作为一种工具，在目视检查过程中帮助检测人员，在产品离厂之前发现意外错误。

Q

错误发生在流程的哪个环节？

在最后的包装阶段，使用机器视觉摄像机作为“跟踪和追踪”系统的一部分，可以是加强质控的另一个领域。每个板的映像会自动保存到数据库中，而无需增加现有进程的额外时间。

这样的好处是，在客户提出索赔的情况下，制造商可以在电路板离厂之前获得一份图像副本，以确认电路板的状态。这是一种创建生产数字记录简单且有效的方法，同时节省解决客户索赔的时间和精力。

机器视觉相机和基于软件的系统最近有了一个更易实现的价格点，并且有了与现有相机易集成的无代码软件工具。

通过将视觉系统与可追溯性和数字化功能结合起来进行检查，制造商和质控经理能够缩小质量漏洞，并通过虹科开箱即用的解决方案提供针对AOI错误的二次检查，以保护其业务。

虹科AI网关

关键特点：

1.与现有的检测硬件、软件和终端用户流程配合。

2.支持的GigEVision、USB3 Vision、CameraLink或MIPI等多种接口协议。

3.强大的NVIDIA GPU可以部署开源或自定义算法，包括预先训练好的TensorFlow深度学习模型和使用OpenCV等开源库开发的Python plug-ins。

虹科AI软件平台

关键特点：

直观的、基于web的eBUS AI Studio平台允许任何用户（从非程序员到高级开发人员）设计、培训、测试和部署自己的AI和计算机视觉插件。