在电子制造领域，自动化生产无疑变革了整个行业，可以前所未有的规模创建出优质的产品。但自动化也面临着一系列挑战，尤其是可能会出现某些需要人工干预的特定故障。工业物联网(Industrial Internet of Things，简称IIoT)、大数据分析、云计算和人工智能(Artificial Intelligence，简称AI)等技术的迅速发展开创了工业4.0时代，实现了更加智能的制程。
智能制造是此次转型的关键，依赖于根据操作数据和检测数据做出实时决策，将整个制程无缝集成到统一框架中。网络物理系统的数字化转型能够对不确定的状况主动做出响应，同时还可以确保效率提高。
在使用表面贴装技术(SMT)生产线加工印制电路板组件(PCBA)时，IIoT技术可加速收集设备状态和生产质量的数据。人工智能和机器学习算法支持的数据驱动解决方案可以诊断出异常缺陷，且能动态调整设备参数，以响应生产过程中的意外变化。纽约州立大学宾厄姆顿分校(Binghamton University)的研究人员与SMT行业内的各家合作伙伴合作，开发了基于人工智能的闭环反馈控制和参数优化的突破性框架。这种基于AI技术的创新框架有望帮助公司实施PCBA组装智能制造解决方案，重点提高良率和产量，为实现SMA中以数据驱动的过程控制奠定基础。
与纽约州立大学宾厄姆顿分校的合作
自2016年以来，Koh Young Technology公司和纽约州立大学宾厄姆顿分校集成电子工程中心(Integrated Electronics Engineering Center，简称IEEC)的智能电子制造实验室(Smart Electronics Manufacturing Laboratory，简称SEMLab)持续在多项关键研究计划上展开合作，通过人工智能集成技术来改进电子制造的组装制程。SEMLab的目标是利用数据科学和AI原理开发智能电子制造解决方案，从而制造出复杂的印制电路板组件；方案以先进的机器人技术为重心，提高良率和生产效率，彻底改变电子制造流程。智能系统具备自动优化功能，配备了实时智能技术，能用先进的方法分析从设备收集到数据，从而减少缺陷，提高生产效率、产品可靠性和性价比。
在纽约州立大学宾厄姆顿分校团队(包括Seungbae Park博士、Daehan Won博士、Sangwon Yoon博士和Benson Chan等人)的帮助下，合作取得了丰硕的研究成果，Koh Young公司也在这些研究的支持下进一步完善并交付了基于人工智能的解决方案。研究涉及的技术利用自我优化和基于人工智能的诊断，开发出可以提升印制电路板组装制程的闭环控制和优化模块。此项研究通过创新的人工智能和机器学习技术推动了PCBA的技术发展。
PCBA生产中的设备智能
在PCBA组装过程中，每个工序都会对PCB产品的成品质量和产量产生重要影响。例如，焊料印刷工艺是一道关键工序，几乎80%的PCBA焊接缺陷都是由这道工序引起。印刷故障的特点是PCB焊盘上的焊膏用量不足，可能会导致电路板故障，产生大量返工成本。元器件贴装过程需要投入使用高成本的设备，且需要延长生产时间，是另一个成本高企的工序。同时，在回焊流过程中，焊点的品质和可靠性取决于回流焊炉的温度和相关设置。所以说焊膏检测(Solder Paste Inspection，简称SPI)和自动光学检测(Automated Optical Inspection，简称AOI)等检测设备有助于提高PCBA的性能。
具体来说，如果在PCBA生产线上的回流焊操作前后加上两个独立链接的AOI设备，可以检测出元器件的缺陷。
.png)
系统科学与工业工程系的Daryl Santos教授（左）在实验室中与宾厄姆顿大学的一名研究生交谈。（来源：binghamton.edu）
随着电子元器件的尺寸越来越小(例如0201M元器件)，与PCBA相关的故障也越来越多。SEMLab已有的焊膏印刷设备、元器件贴装设备、回流焊炉，以及Koh Young的SPI和AOI设备，这些工具可以帮助我们找到解决方案。对8000多块PCB的大量测试揭示，基于物理属性的数值方法在解读小尺寸元器件的行为方面可能存在实际的局限性。通常是由于未知的环境因素（温度、湿度、机器校准、测量误差和振动）造成的，这些因素可能会影响PCBA的质量。研究表明，与传统方法相比，基于人工智能的方法可以将产品品质至多提高35%，同时还可以降低报废率。这表明数据驱动的智能过程控制可以显著推进PCBA的发展。
智能检测模块
智能PCBA的目标是既要保持优化离线设置，也要保持优化在线设置。AI和数据分析解决方案可以优化生产前（离线控制）和生产过程中（在线控制）的PCBA制程参数。印刷顾问模块可使用复杂的数据驱动方法改善印制电路板质量并提高制程稳健性。采用强化学习方法开发印刷优化模块，实现印刷参数的智能控制。此外，印刷诊断模块将通过识别和预防导致故障的根本原因来降低操作成本并减少潜在故障。
使用卷积神经网络和循环神经网络等深度学习模型，可以检测PCBA中可能存在的异常，以确保操作过程的高可靠性及智能过程控制。但除了印刷工艺的进步之外，项目相关方的相互协作也有助于推动元器件安装的完善和发展。目前，项目组正在对模块进行测试，这些模块旨在通过根据SPI、前AOI和后AOI设备收集的数据预测回流焊后的位置来识别元器件的最佳贴装位置，并且能够在生产过程中及时调整贴装位置。初步结果显示，与传统贴装方法相比，贴装未对准的情况减少了18%。此外，该模块可使用操作检测数据和AOI检测数据来追踪导致贴装设备出现故障的根本原因，并防止后续发生相同的问题；在查找已知根本原因方面，精度达到了84.5%。这些技术进步不仅节省了时间和劳动力，还提高了PCBA制程的自动化水平。该项目提出的电子制造创新方案有助于促进电子制造业实现可持续的成功，通过高效制定制程相关决策、提高产品质量以及提高盈利能力增加竞争优势，同时还能够推进PCBA在工业4.0时代下的发展。
总结
在小型电子产品需求的推动下，PCBA的复杂性日益增加，行业亟需创新的解决方案。借助各种检测操作中的人工智能及大数据，PCBA可以变得智能化，且能够适应动态环境条件。通过维持制程中的理想工艺参数，AI驱动的工具可以帮助制造商在不影响生产速度的情况下提高质量和良率。自动化的智能系统利用终端用户的数据促进定制化产品制造，提高多品种、小批量生产的效率，使电子制造水平更上一层楼。这样不仅可拓宽设计变化的可能性，而且还可加速交付时间，开创电子制造的新时代。
更多内容可点击这里查看，文章发表于《PCB007中国线上杂志》23年11月号，更多精彩原创内容，欢迎关注“PCB007中文线上杂志”公众号。
