Passiivkomponentide tootjad seisavad praegu silmitsi tõsise väljakutsega seoses käsitsi kvaliteedikontrolli kulude suurenemisega. Inimese visuaalsele kontrollile tuginemine tekitab suuremahuliste tootmistsüklite ajal tõsiseid kitsaskohti. Operaatori väsimus toob kaasa ebajärjekindla sorteerimise, mis lõpuks kahjustab kaubamärgi mainet. Termistori tootmine nõuab enne lõplikku pakkimist ranget välimust ja mõõtmete kinnitamist. Nii NTC kui ka PTC termistorid vajavad füüsilist kontrolli, kuna elektriline funktsionaalsus ei taga pikaajalist mehaanilist stabiilsust. Enne osade klientidele saatmist peate tehase põrandal tuvastama füüsilised vead.
See artikkel on tootmisjuhtide ja kvaliteediinseneride jaoks otsustamisetapi hindamisjuhend. Uurime täpselt, mida see spetsialiseeritud masinad tootmisliinil teevad. Saate aru automatiseeritud nägemissüsteemide rakendamise tegelikkusest. Samuti kirjeldame, kuidas hinnata õiget automatiseeritud masinat teie konkreetsete rajatisenõuete jaoks.
Defektide katvus: Thermistor AOI masinad isoleerivad spetsiaalselt pinnadefektid, katte ebaühtlused ja klemmide väärarengud, mis elektrilisel testimisel ei õnnestu.
Valekõnede haldamine: tipptasemel välimuse tuvastamise AOI seadmete määrav mõõdik on selle võime tasakaalustada kõrge defektide püüdmise määra ja madala valede tagasilükkamise (ülemääramise) määra.
Lineintegratsioon: kaasaegsed süsteemid lähevad üle lihtsalt võrguühenduseta proovivõtult sisekontrollile, kohandudes keerukate geomeetriatega, nagu Matsuba komponendid, ilma tsükliaega vähendamata.
Tarnija hindamine: Eelnimekirja koostamisel tuleks eelistada optilist eraldusvõimet, algoritmilist paindlikkust (AI vs reeglipõhine) ja integratsioonituge puhtalt teoreetilise töötlemise kiiruse ees.
Elektriline testimine kinnitab hõlpsalt komponendi põhifunktsiooni. Funktsionaalsed testid ei suuda aga tuvastada mikroskoopilisi füüsilisi vigu. Elektrilistel katsetel on puudu mikropraod, epoksiidist tühjad kohad ja peen plii oksüdatsioon. Need varjatud vead põhjustavad sageli enneaegseid väljatõrkeid, kui osad läbivad termotsükli. Need käivitavad ka allavoolu koostamise probleemid, kui teie kliendid proovivad automatiseeritud PCB-de populatsiooni. Nende mehaaniliste riskide isoleerimiseks vajate spetsiaalseid nägemissüsteeme.
Kaasaegsed visuaalse kontrolli süsteemid tegelevad korraga mitme kriitilise kontrolliga. Nad skannivad komponente millisekundite jooksul, et tagada mehaaniline terviklikkus. Saate need võimalused kategoriseerida kolme peamise tuvastamise tsooni.
Katte ja kapseldamise kontrollimine
Termistorid toetuvad stabiilsetele epoksü- või klaaskapslitele. Kaamerad tuvastavad termistori pea mullid, laastud või ebaühtlased katted. Mullid püüavad niiskust kinni. Niiskus põhjustab lõpuks sisemisi lühikesi pükse. Ebaühtlased katted muudavad anduri termilise reaktsiooniaega. Kiirkaamerad kontrollivad, kas kapsel katab komponendi ühtlaselt.
Plii ja terminali ülevaatus
Painutatud tihvtid hävitavad PCB sisestamise saagikust. Süsteem mõõdab sammu ja ulatust mikronitaseme täpsusega. See tuvastab koheselt painutatud, oksüdeerunud või deformeerunud juhtmed. Plii oksüdeerumine takistab joote õiget märgumist tagasivoolu ajal. Visuaalsed süsteemid tuvastavad oksüdeerumisega seotud värvimuutuse, eraldades halvad osad enne pakkimist.
Märgistus ja värvide kodeerimine
Paljud passiivsed komponendid kasutavad tuvastamiseks värviribasid või pisikesi tähtnumbrilisi väljatrükke. Nägemissüsteem kinnitab need märgised. See kontrollib värviribade loetavust ja täpsust. Pleekinud prindid või valed värvijärjestused põhjustavad kohese tagasilükkamise.
Kaasaegsed tarneahelad nõuavad põhjalikke kontrolljälgi. Kvaliteetne välimuse tuvastamise AOI seadmed digiteerivad kõik defektide andmed. See jäädvustab pilte igast tagasilükatud osast ja logib konkreetse rikkerežiimi. Need andmed loovad ISO ja IATF-i järgimiseks vajaliku range jälgitavuse. Auto- ja meditsiinisektorid nõuavad sellist andmete logimist. Defekte digitaliseerides saab teie kvaliteedimeeskond teostada algpõhjuste analüüsi eelnevate vormimis- või kastmisprotsesside puhul.
Standardne lame-SMD-kontroll on suhteliselt lihtne protsess. Lamedad komponendid istuvad konveierilindil ideaalselt paigal. Kompleksne 3D-komponentide kontroll esitab täiesti erinevaid inseneriprobleeme.
Traditsioonilised lamekaamerad ebaõnnestuvad veidra kujuga osade kontrollimisel. Juhtmega termistoritel on kolmemõõtmeline sügavus. Nad ei istu lamedalt. Spetsialiseerunud Matsuba komponent AOI varustus käsitleb neid õrnaid ja spetsiifilisi geomeetriaid kaunilt. Need süsteemid kasutavad kohandatud käsitsemisaluseid ja täpseid indekseerimismehhanisme. Need stabiliseerivad juhtmega või kohandatud klemmikomponente ilma mehaanilist pinget põhjustamata. Kaamerad säilitavad täpse fookussügavuse ebaühtlastel pindadel, jäädvustades korraga nii suuremahulise pea kui ka peenikesed juhtmejuhtmed.
Tavalise tasase valgustusega ei saa kontrollida tugevalt kõveraid klaaspindu. Tavaline valgustus loob tohutu sära. Mitme nurgaga valgustus lahendab selle konkreetse probleemi. Täiustatud masinad järjestavad erinevaid valgustusmassiive, et kõrvaldada varjud ja normaliseerida peegeldusi kumeratel termistoripeadel ja metalltihvtidel.
Koaksiaalne valgustus: tõstab esile tasased peegeldavad pinnad, et kontrollida pinna kriimustuste olemasolu.
Madala nurgaga valgustus: heidab tekstuuridele varjud, et rõhutada servakilde ja mikropragusid.
Kuppelvalgustus: pakub pehmet kaudset valgustust, et eemaldada läikivatest klaaskapslitest karm peegeldus.
Süsteem pulseerib neid tulesid kiiresti järjest. Kaamera jäädvustab erinevates valgustingimustes mitu kaadrit. Seejärel ühendab tarkvara need pildid, et moodustada komponendi täielik geomeetriline profiil.
Õigete masinate valimine nõuab struktureeritud lähenemist. Peate konkreetsed riistvarafunktsioonid kaardistama otse soovitud tootmistulemustega. Vältige masinate ostmist ainult turundusspetsifikatsioonide põhjal.
Eraldusvõime vs tsükliaeg
Suurema megapiksliga kaamerad tuvastavad hõlpsalt väiksemad mikropraod. 25-megapikslise pildi töötlemine võtab aga millisekundeid kauem aega kui 5-megapikslise pildi töötlemine. Korrutage see viivitus 20 000 komponendiga tunnis ja liini kitsaskohad tekivad kiiresti. Peate hindama magusat kohta oma nõutavate ühikute kohta tunnis (UPH). Kui teie tolerants lubab väiksemaid kosmeetilisi defekte, võib madalama eraldusvõimega ja suurema kiirusega kaamera teie läbilaskevõimet maksimeerida.
Algoritmiline lähenemine
Tarkvara juhib tegelikku kontrolli. Saate valida traditsioonilised reeglipõhised algoritmid või süvaõppe visioonimudelid. Reeglipõhised süsteemid tuginevad rangetele geomeetrilistele parameetritele. Nad on suurepärased plii sammu mõõtmises. Süvaõppe mudelid on silmapaistvad subjektiivsete pinnadefektide, nagu näiteks peened kattevariatsioonid, leidmisel. AI vähendab drastiliselt valepositiivseid tulemusi, kuna mõistab vaigu värvi vastuvõetavaid erinevusi.
Tabel: Algoritmilise lähenemise võrdlus
Funktsioon |
Reeglipõhised algoritmid |
Süvaõppe (AI) nägemus |
|---|---|---|
Seadistamise aeg |
Kiire lihtsate geomeetriate jaoks |
Nõuab pikemat treeninguaega |
Defekti paindlikkus |
Jäik; ebaõnnestub ootamatute kõrvalekallete korral |
Väga kohandatav peente variatsioonide jaoks |
Parim rakendus |
Ranged mõõtmete mõõtmised (juhtme ulatus) |
Subjektiivsed välimusvead (katte värv) |
Vale kõne määr |
Kõrgem keerukatel peegeldavatel pindadel |
Oluliselt madalam järeloptimeerimine |
Käsitsemismehhanismid
See, kuidas masin komponenti liigutab, on kriitiline. Süsteemid kasutavad raskusjõul toidetavaid radasid, lindi-rullimehhanisme või kohandatud indekseerimisketasid. Gravitatsiooniga roomikud pakuvad suurt kiirust, kuid ohustavad hapraid klaaskatteid. Indekseerimiskettad tagavad õrna ja täpse käsitsemise, kuid maksavad rohkem. Teie valitud käitlemissüsteem peab sobima teie üles- ja allavoolu vooluga. Kontrollimise ajal ei tohi see termistorit kunagi mehaaniliselt kahjustada.
Automatiseeritud nägemissüsteemide juurutamine tehase põrandal kujutab endast alati takistusi. Peaksite neid väljakutseid varakult ette nägema, et teie tootmispersonal saaksid need sujuvalt kasutusele võtta.
Paljud müüjad lubavad plug-and-play lihtsust. Tegelikkuses nõuab optiline kontroll kannatlikkust ja häälestamist. Tehasekeskkonnas on sellised muutujad nagu vibratsioon, ümbritseva valguse muutused ja tolm.
Uus AOI seadmed tekitavad alguses sageli kõrge vale tagasilükkamise määra. Süsteem lükkab täiesti head osad tagasi, kuna tuvastab mikroskoopilised mittefunktsionaalsed kõrvalekalded. Me nimetame seda overkill faasiks. Kontrollilävede optimeerimiseks vajate spetsiaalset häälestusperioodi. Operaatorid peavad tarkvarale õpetama, millised iluvead on vastuvõetavad.
Tugeva defektide raamatukogu loomine võtab aega. Te ei saa lihtsalt masinat sisse lülitada ja oodata täiuslikkust. Peate andma süsteemile tuhandeid näiteid.
Vastuvõetava dispersiooni kindlaksmääramiseks skannige teadaolevate heade komponentide baasjoont.
Tutvustage teadaolevalt halbu komponente, millel on spetsiifilised defektid (praod, mullid, painutatud juhtmed).
Reguleerige valgustuse intensiivsust erinevate vaiguvärvide jaoks (nt must vs roheline epoksiid).
Käivitage katsepartii ja vaadake kõik tagasilükatud osad käsitsi üle, et algoritmi täpsustada.
Tööstuskeskkonnas väheneb optiline selgus kiiresti. Tolm ladestub kaamera objektiividele. Epoksiid kleepub käsitsemisradadele. Peate kirjeldama rangeid hoolduseeldusi. Objektiivi puhastamine, rööbaste joondamine ja tolmu eemaldamine on igapäevased vajadused. Kui te eirate füüsilist hooldust, tõuseb teie vale tagasilükkamise määr aja jooksul pidevalt.
Kapitalikulude põhjendamine nõuab selgeid edumõõdikuid. Peate tõestama, et seadmed pakuvad käegakatsutavat tootmiskasu.
Kuidas edukas kasutuselevõtt tegelikult välja näeb? Tööstusharu parimad tavad sihivad ranget nulldefektide vältimise määra. Ükski defektne osa ei tohi teie kliendini jõuda. Samal ajal peaksite pärast optimeerimist püüdma valekõnede määra alla 3%. Lisaks peaks edukas kasutuselevõtt vähendama käsitsi kontrollimise tööjõukulusid 30%. Saate iniminspektorid ümber paigutada suurema väärtusega ülesannetele, näiteks algpõhjuste analüüsile.
Ärge võtke esitluse ajal vastu standardseid müüja katsekehi. Müüjad häälestavad oma demomasinad täiuslikult nende enda põliste näidiste jaoks.
Taotlege kontseptsiooni tõestamise (POC) testimist, kasutades oma absoluutseid halvima juhtumi tootmisnäidiseid.
Tehisintellekti nüansi testimiseks lisage piiripealsete kosmeetiliste defektidega osi.
Hinnake demo ajal tarkvara kasutatavust hoolikalt.
Küsige endalt: kas teie praegused liinioperaatorid saavad künniseid hõlpsalt reguleerida? Või vajab liides personali jaoks spetsiaalset visiooniinseneri? Tipptasemel masinatel peaks olema intuitiivne ja kasutajasõbralik liides.
Enne müüjatega ühenduse võtmist kaardistage oma konkreetne defekt Pareto diagramm. Tea täpselt, millised defektid põhjustavad kõige rohkem klientide kaebusi. Määrake oma täpsed UPH nõuded. Algandmete mõistmine tagab parema sobitamisprotsessi. Põhjalik ettevalmistus aitab teil valida kõige sobivama termistori AOI seadmed teie konkreetse tootmisliini jaoks.
Automatiseeritud optilised süsteemid muudavad teie kvaliteedikontrolli paradigmat täielikult. Liigute subjektiivsest inimproovide võtmisest objektiivse, skaleeritava 100% kontrolli poole. See üleminek kaitseb teie kaubamärgi mainet ja hoiab ära kulukaid allavoolu kokkupaneku tõrkeid teie klientide jaoks.
Parim varustuse valik tasakaalustab hoolikalt optilise täpsuse praktilise materjalikäsitsusega. Eelistage süsteeme, mis pakuvad paindlikku valgustust, intuitiivset AI-tarkvara ja õrnaid indekseerimismehhanisme. Keskendudes vähe hooldust vajavatele ja väga kohandatavatele masinatele, tagate liini pikaajalise stabiilsuse ja ühtlase tootekvaliteedi.
V: Ei. AOI tuvastab välimuse ja mehaanilised defektid. Kvaliteedi igakülgseks tagamiseks tuleb see ühendada elektrilise testimisega (takistus, B-väärtus).
V: Kuigi tööstusharu standardid sõltuvad suuresti tootest, sihivad valekõnede määr pärast optimeerimist tavaliselt alla 3%, kusjuures veamäär on rangelt 0,1%.
V: Täiustatud süsteemid kasutavad programmeeritavat mitme spektri või mitme nurgaga valgustust koos tehisintellekti nägemismudelitega, et normaliseerida peegeldusi ja isoleerida tegelikud defektid optilise pimestamise eest.