세라믹 기판 제조에서는 중대한 구조적 결함과 외관상 양성 이상을 확실하게 구별할 수 없기 때문에 수익 마진이 직접적으로 침식됩니다. 현대 전자 제품은 열을 발산하고 전력을 전도하기 위해 완벽한 세라믹 베이스를 사용합니다. 표면 흔적을 미세 균열로 잘못 분류하면 불필요한 스크랩이 발생합니다. 이로 인해 값비싼 거짓 거부가 발생합니다. 반대로, 실제 미세 균열이 누락되면 극심한 열적 또는 기계적 스트레스로 인해 현장에서 치명적인 고장이 발생할 위험이 있습니다. 신뢰성이 높은 부문은 이러한 허위 수락을 용납할 수 없습니다.
이 가이드에서는 이러한 이상 현상 간의 구조적 차이점을 분석합니다. 우리는 업계 전반에 걸쳐 사용되는 현재 검사 방법론을 평가합니다. 또한 검사 시스템을 선택하기 위한 실용적인 프레임워크도 찾을 수 있습니다. 고속 처리량과 정확한 정확도의 균형을 맞추는 방법을 배우게 됩니다. 궁극적으로 엄격한 품질 표준을 유지하면서 생산량을 보호할 수 있습니다.
결함 심각도: 미세 균열은 구조적 무결성을 손상시키고 응력 하에서 전파됩니다. 표면 자국은 일반적으로 취급이나 도구 사용으로 인한 얕은 표면적 인공물입니다.
대비 과제: 세라믹의 높은 반사율과 복잡한 입자 구조로 인해 기존의 규칙 기반 광학 검사에서는 잘못된 거부율이 높아지기 쉽습니다.
기술 전환: 효과적 세라믹 기판 미세균열 검사에서는 AI 기반 머신 비전에 점점 더 의존하여 결함 형태를 맥락화하거나 표면 아래 검증을 위한 초음파 테스트에 의존하고 있습니다.
평가 지표: 검사 업그레이드의 주요 성공 기준은 이스케이프율(거짓음성)을 높이지 않고 과잉살상률(거짓양성)을 줄이는 것입니다.
품질 보증 부서는 미묘한 균형 조정 작업에 직면해 있습니다. 좋은 제품을 버리지 않고 치명적인 결함까지 잡아내야 한다. 세라믹 결함을 잘못 분류하면 생산 효율성에 큰 영향을 미칩니다. 이는 단위당 비용을 인위적으로 부풀리고 전체 수율을 저하시킵니다.
기능적으로 완벽한 기판을 거부하면 이익 마진이 손상됩니다. 무해한 툴링 마크는 자동 광학 경고를 유발하는 경우가 많습니다. 어두운 조명에서는 표면 긁힘이 심각해 보입니다. 이러한 허용 가능한 단위를 폐기하면 수율이 인위적으로 낮아집니다. 이는 귀하의 시설이 할당량을 충족하기 위해 더 많은 제품을 생산하도록 강요합니다. 이러한 과잉 생산은 추가 원자재를 소비합니다. 또한 귀중한 기계 시간과 작업자의 노동력을 낭비합니다. 과잉 처리율은 제조 효율성을 직접적으로 훼손합니다.
거짓 부정은 훨씬 더 심각한 위험을 나타냅니다. 미세 균열은 심각한 응력 집중 장치 역할을 합니다. 신뢰성이 높은 애플리케이션에서는 엄청난 위험을 초래합니다. 항공우주 부품과 EV 전력 전자 장치에는 완벽한 부품이 필요합니다. 감지되지 않은 미세 균열은 기판 파손을 일으킬 수 있습니다. 배터리 시스템의 열폭주를 유발할 수도 있습니다. 이러한 실패는 대규모 제품 리콜로 이어집니다. 이는 심각한 책임 위험을 초래하고 브랜드 평판을 영구적으로 손상시킵니다. 결함이 없는 제조 환경에서는 결함 회피가 허용되지 않습니다.
실행 가능한 검사 솔루션은 세 가지 중요한 벤치마크를 충족해야 합니다.
속도: 생산 라인 속도에서 반복 가능한 분류를 제공해야 합니다. 시간당 단위(UPH)는 삭제될 수 없습니다.
정확성: 탈출률을 0에 가깝게 유지하면서 과잉 살상률을 지속적으로 줄여야 합니다.
규정 준수: 산업별 품질 표준을 엄격하게 준수해야 합니다. 여기에는 IPC 및 MIL-STD 규정이 포함됩니다.
이러한 기준을 충족하려면 주관적인 사람의 검사를 넘어서야 합니다. 자동화되고 반복 가능하며 상황을 인식하는 시스템이 필요합니다.
이러한 이상 현상의 물리적 특성을 이해하는 것이 중요합니다. 이 지식 없이는 AI를 훈련하거나 광학 시스템을 구성할 수 없습니다. 미세 균열과 표면 자국은 완전히 다른 프로세스에서 발생합니다. 또한 확대해 보면 뚜렷한 형태학적 특성을 나타냅니다.
미세 균열은 전체 기판의 물리적 안정성을 위협합니다. 이는 유전 강도와 기계적 내구성을 손상시킵니다.
근본 원인: 열충격으로 인해 이러한 골절이 자주 발생합니다. 소결 공정 중 냉각이 고르지 않으면 엄청난 내부 응력이 발생합니다. 다이싱 또는 싱귤레이션 중 기계적 응력도 재료를 쪼개줍니다. 공격적인 레이저 절단은 절단 가장자리를 따라 미세 균열을 유발할 수 있습니다.
특징: 이러한 결함은 일반적으로 깊고 좁습니다. 종종 들쭉날쭉하게 나타나거나 분기 패턴이 특징입니다. 그들은 기판 매트릭스 깊숙이 침투합니다. 구조적 격자를 파괴하기 때문에 전파 가능성이 높습니다. 열 순환 시 기판이 부서질 때까지 작은 미세 균열이 확장됩니다.
외관상 이상은 문제가 있는 것처럼 보이지만 기능적 위협은 없습니다. 내부 구조를 관통하지 않습니다.
근본 원인: 찰과상을 다루는 것이 가장 흔한 원인입니다. 기판은 컨베이어 벨트나 자동화된 그리퍼와 마찰됩니다. 툴링 마찰로 인해 세라믹 표면에 금속 잔여물이 남습니다. 사소한 유약이나 슬러리 불일치도 시각적 변색을 유발합니다.
특성: 표면 자국은 일반적으로 얕고 넓습니다. 들쭉날쭉한 가장자리보다는 균일한 패턴을 나타냅니다. 그들은 상위 표면층에만 엄격하게 국한되어 있습니다. 절연 강도에는 전혀 영향을 미치지 않습니다. 최종 부품의 기계적 내구성을 약화시키지 않습니다.
효과적인 구현 세라믹 기판 미세 균열 검사에는 상당한 물리적 장애물을 극복하는 것이 포함됩니다. 세라믹은 검사 조명 하에서 금속이나 플라스틱과 매우 다르게 반응합니다. 이들의 광학적 특성은 표준 비전 카메라에 적극적으로 맞서고 있습니다.
알루미나 및 질화알루미늄 기판은 반사율이 높습니다. 이는 복잡한 결정질 입자 구조를 특징으로 합니다. 이러한 물질은 입사광을 예측할 수 없게 산란시킵니다. 이러한 예측할 수 없는 산란은 표면 전체에 거친 그림자를 발생시킵니다. 이러한 그림자는 실제 균열의 어두운 선을 쉽게 모방합니다. 반대로 과도한 눈부심은 얕은 결함을 완전히 씻어냅니다. 표준 링 조명은 일반적으로 이러한 재료에서 작동하지 않습니다. 눈부심을 관통하려면 고급 조명이 필요합니다.
가는 선 미세 균열은 시각적 구별이 부족합니다. 그들은 종종 주변 세라믹 입자 경계와 정확히 동일한 회색조 값을 공유합니다. 기존의 자동 광학 검사(AOI)는 픽셀 대비 규칙에 의존합니다. 픽셀이 임계값보다 어두우면 시스템은 결함을 표시합니다. 입자 경계와 미세 균열은 비슷한 암흑 수준을 공유하기 때문에 규칙 기반 알고리즘은 실패합니다. 표준 가장자리 감지 도구를 무력화하여 엄청난 허위 리젝트 급증을 유발합니다.
초기 단계의 미세균열은 믿을 수 없을 정도로 작습니다. 너비가 몇 미크론에 불과할 수도 있습니다. 이러한 이상 현상을 감지하려면 매우 높은 해상도의 광학 장치가 필요합니다. 그러나 고해상도 카메라는 본질적으로 시야각(FOV)을 감소시킵니다. FOV가 작을수록 카메라는 하나의 기판을 덮기 위해 더 많은 사진을 찍어야 합니다. 이로 인해 검사 시간이 대폭 단축됩니다. 미크론 수준의 감지와 고속 생산의 균형을 맞추는 것은 여전히 주요 엔지니어링 과제로 남아 있습니다.
올바른 검사 기술을 선택하면 성공이 결정됩니다. 다양한 시스템은 다양한 유형의 이상 현상을 표적으로 삼습니다. 기술 선택을 특정 품질 요구 사항에 맞춰야 합니다.
세라믹 검사 기술 비교
기술 |
주요 강점 |
주요 제한사항 |
최고의 사용 사례 |
|---|---|---|---|
전통적인 AOI |
빠른 속도, 쉬운 규칙 설정, 비용 효율성. |
대비가 낮은 결함에 대한 허위 거부율이 높습니다. |
심각한 결함 또는 금속화 누락을 감지합니다. |
AI / 딥러닝 |
상황에 따른 이해로 흔적과 균열을 구별합니다. |
강력한 데이터세트와 훈련 시간이 필요합니다. |
고정밀 인라인 표면 검사. |
초음파(SAM) |
숨겨진 내부 공극과 깊은 지하 균열을 감지합니다. |
처리량이 느리고 종종 물 결합이 필요합니다. |
오프라인 배치 샘플링 또는 실패 분석. |
기존 AOI는 고속 기준선 검사에 탁월합니다. 총 결함을 감지하는 데 가장 적합합니다. 누락된 금속화 층이나 큰 가장자리 칩을 찾는 데 사용해야 합니다. 그러나 심각한 제한이 있습니다. AOI는 엄격한 픽셀 대비 규칙에 전적으로 의존합니다. 무해한 표면 자국과 치명적인 미세 균열을 혼동하는 경우가 많습니다. 이러한 혼란으로 인해 제조업체는 수동으로 2차 검토를 실시해야 합니다. 작업자는 거부된 모든 부품을 다시 확인해야 하므로 전체 시설의 속도가 느려집니다.
AI 시스템은 엄청난 도약을 의미합니다. 정확도가 높은 경우에 가장 적합합니다. 세라믹 표면 마크 감지 . 복잡한 균열 형태와 양성 스크래치를 쉽게 구별합니다. 딥 러닝 모델은 분류된 이미지 데이터 세트에 대해 훈련된 신경망을 사용합니다. 그들은 인간 검사관과 마찬가지로 시각적 맥락을 이해합니다. 그들은 균열의 분기 패턴과 도구 자국의 직선 끌림을 인식합니다. 기계 속도로 이러한 분석을 수행합니다. 주요 제한 사항은 데이터 준비입니다. 강력하고 라벨이 잘 지정된 데이터세트가 필요합니다. 모델을 효과적으로 훈련시키려면 실제 결함과 허용 가능한 변형 모두에 대한 모델 예제를 제공해야 합니다.
초음파 비파괴 검사(NDT)는 표면 아래를 살펴봅니다. 내부 공극을 감지하는 데 가장 적합합니다. SAM은 광학 카메라로는 전혀 보이지 않는 박리 및 표면 아래 미세 균열을 찾아냅니다. 고주파 음파를 세라믹 매트릭스로 보내고 에코를 측정합니다. 매우 정확하지만 큰 한계가 있습니다. SAM은 일반적으로 광학적 방법보다 훨씬 느립니다. 종종 기판을 물에 담가야 합니다.
고급 검사 시스템을 구입하는 것은 첫 번째 단계일 뿐입니다. 이를 기존 워크플로우에 원활하게 통합해야 합니다. 공급업체를 평가하려면 과거의 마케팅 주장을 살펴봐야 합니다. 실제 배포 현실에 중점을 두어야 합니다.
제조 라인의 공간은 항상 중요합니다. 새로운 솔루션을 기존 처리 장비에 개조할 수 있는지 평가합니다. 카메라 어레이를 현재 컨베이어 위에 장착할 수 있습니까? 그렇지 않은 경우 독립형 검사 셀이 필요합니다. 독립형 셀은 더 많은 바닥 공간을 차지합니다. 또한 기판을 로드 및 언로드하려면 추가 로봇 핸들러가 필요합니다. 업그레이드 일정에 이러한 공간 및 처리 요구 사항을 고려하십시오.
AI 솔루션에는 지속적인 관리가 필요합니다. 공급업체의 소프트웨어 가용성을 면밀히 평가하십시오. 기존 QA 팀이 모델을 교육하고 업데이트할 수 있나요? 전담 데이터 과학자를 고용할 필요는 없습니다. 최고의 시스템은 직관적이고 코드가 없는 인터페이스를 제공합니다. 이를 통해 품질 엔지니어는 화면에서 결함을 강조 표시하고 모델을 즉시 재교육할 수 있습니다. 전이 학습을 활용하는 공급업체를 찾아보세요. 이 기술을 사용하면 새로운 제품 라인을 기준으로 삼는 데 훨씬 적은 수의 이미지가 필요합니다.
소프트웨어는 잘못된 이미지 캡처를 수정할 수 없습니다. 원본 사진에서 결함이 보이지 않으면 AI가 이를 찾을 수 없습니다. 이러한 현실을 일찍 인식하십시오. 공급업체가 세라믹 표면에 맞는 특수 조명을 지정하는지 확인하십시오. 다각도 구조광에 대해 문의해 보세요. 균열 가장자리를 강조하기 위해 암시야 조명을 요청합니다. 반사 눈부심을 평탄하게 하기 위해 동축 조명을 요청하세요. 소프트웨어가 이미지를 분석하기 전에 하드웨어는 광학적 분리를 생성해야 합니다.
표준 사양서에서 검사 시스템을 구입하지 마십시오. 엄격한 개념 증명(PoC)을 요구합니다. 공급업체에 자신의 생산 샘플을 보내십시오. 구체적으로 엣지 케이스 부품을 보내세요. 역사적으로 인간 검사자를 혼란스럽게 했던 정확한 기판을 포함하십시오. 자동화 시스템이 가장 단단한 부품을 올바르게 분류할 수 있다면 일반 생산도 쉽게 처리할 수 있습니다. 실제 PoC는 실제 기능을 검증할 수 있는 유일한 방법입니다.
최종 미세 균열과 양성 표면 표시를 구별하는 것은 더 이상 지속적인 병목 현상이 아닙니다. 느리고 주관적인 사람의 검사에 의존할 필요가 없습니다.
고급 상황 인식 검사 시스템으로 업그레이드하면 QA 부서가 변화됩니다. 이는 QA를 전통적인 비용 센터에서 적극적인 수율 보호 메커니즘으로 전환합니다.
AI 기반 머신 비전은 세라믹의 복잡한 광학 특성을 성공적으로 탐색하여 과잉살상률을 대폭 낮춥니다.
현재의 허위 거부율을 즉시 감사하십시오. 매일 얼마나 좋은 제품을 버리는지 정량화해 보세요.
샘플 평가를 준비하려면 전문 검사 공급업체에 문의하세요. 이 기준 데이터를 사용하여 잠재적인 ROI를 정확하게 계산하십시오.
A: AI와 결합된 고해상도 광학 장치는 5~20미크론까지 균열을 감지할 수 있습니다. 이를 달성하려면 시야에 대한 정밀한 제어가 필요합니다. 또한 균열 가장자리를 따라 필요한 대비를 생성하기 위해 암시야 조명과 같은 특수 조명 설정이 필요합니다.
A: 아니요. 머신 비전은 엄격하게 표면 및 표면 근처 결함에만 적용됩니다. 이는 전적으로 반사광에 의존합니다. 초음파 검사(SAM)는 불투명 세라믹 층 아래 숨겨진 깊은 내부 공극이나 표면 아래의 구조적 이상을 감지하는 데 여전히 절대적으로 필요합니다.
A: 공급업체는 이미지 부족을 극복하기 위해 전이 학습이나 합성 데이터 생성과 같은 기술을 사용하는 경우가 많습니다. 또한 많은 최신 시스템은 비지도 학습을 기반으로 이상 탐지 모델을 배포합니다. 이러한 모델에는 예상치 못한 편차를 성공적으로 표시하기 위해 '양호' 기판의 이미지만 필요합니다.
답: 그렇습니다. 표면 거칠기가 높으면 표준 조명에서 상당한 광학 노이즈가 발생합니다. 이를 극복하려면 그림자를 상쇄하기 위한 다방향 조명이 필요합니다. 또한 실제 이상 현상을 강조하면서 기판의 자연스러운 질감을 무시하도록 특별히 훈련된 딥 러닝 알고리즘도 필요합니다.
