Neuigkeiten

Anwendungsszenarien von Al:

Künstliche Intelligenz besteht hauptsächlich aus drei Teilen: ① Informationseingabe. Erfassung der dynamischen physischen Welt durch verschiedene Erfassungsgeräte, um eine große Datenmenge zu erhalten; ② Entscheidungsverarbeitung. Anwendung einer großen Menge an Daten auf das durch maschinelles Lernen erhaltene Modell für Argumentation, Vorhersage oder Entscheidungsfindung; ③ Ausgabe ausführen. Führen Sie entsprechende Aktionen nach den Ergebnissen des Denkens oder der Vorhersage durch. Kurz gesagt, es besteht darin, ein Vorhersagemodell für eine große Anzahl von Eingabedaten durch maschinelles Lernen Algorithmen wie Regression und Integration zu erstellen und das etablierte Modell auf den tatsächlichen Datensatz anzuwenden, um die Vorhersageergebnisse zu erhalten. Al wurde in Finanzen, medizinischer Behandlung, Bildung, öffentlicher Sicherheit, Verkehr, Kommunikation, Landwirtschaft, Meteorologie, Dienstleistungsindustrie und anderen Bereichen weit verbreitet.

AOI automatische optische Inspektion:

The basic concept of Al artificial intelligence is briefly introduced, and the computer vision algorithms commonly used in Al are mentioned. These vision algorithms are also widely used in AOI.AOI automatic optical detection evolved from manual visual inspection. Its working principle is as follows: firstly, the required image feature information is "learned" on the standard CAM data through the visual algorithm, and then the feature is extracted on the scanned image of each PCB by using the model learned on the training set, and the obtained feature image is compared with the standard data,Report the problem points to be detected according to the given rules (detection criteria).Since AOL is a typical application of computer vision, it has the same difficulties as computer vision.

Sehschwierigkeiten bei AOI:

Information loss in imaging process: when people try to understand an image, previous experience and knowledge will be used for current observation. The process of understanding an image is usually completed unconsciously.Computer vision needs to involve the results and methods of mathematics, pattern recognition, artificial intelligence, psychophysiology, computer science, electronics and other disciplines.Therefore, for dry AOI, a lot of information is lost when the PCB field of dry 3D is projected into 2D space, especially the depth information, such as illumination, material properties, orientation and distance, are reflected as the only measured value - gray value.The projection of the same 2D plane may be generated by an infinite number of possible 3D scene projections. Therefore, the inverse process from 2D to 3D is an ill conditioned process, or ill posed problem. The observation data are not enough to constrain the solution of the problem. Therefore, it is necessary to use a priori knowledge or introduce appropriate constraints.For example, in AOI detection, it is often encountered that there is an open circuit on the scanned image (2D image), but it may actually be a real open circuit, or oxidation points, residual glue and dust on the line (3D scene)

Bildokklusion: In der Computersicht bezieht sich Bildokklusion in der Regel auf Lichtokklusion, physische Oklusion, Selbstokklusion oder gemischte Oklusion. Denn Bildokklusion verliert nicht nur einige Zielinformationen, sondern führt auch zusätzliche Störungen ein. Die Abschirmung bei AOI bedeutet, dass der tatsächliche Mangel durch Fremdsachen abgedeckt wird (siehe Abbildung 5). Dieser Kurzschluss ist von viskosen Fremdstoffen bedeckt. Nach der Reinigung mit Werkzeugen kann ein wenig Bodenkupper gesehen werden, aber die Fremdstoffe können nicht vollständig entfernt werden. Es muss mit einem Faserwisch gewischt werden. Daher kann AOI nicht beurteilen, ob es wahre Mängel unter Fremdkörpern durch Grauwanderungen gibt.

Lokales Fenster und globale Ansicht: Normalerweise ist die Analyseoperation des Bildanalyse-Algorithmus die spezielle Speichereinheit (ein Pixel im Bild) und ihre benachbarten Einheiten im Speicher. Wenn das Bild nur aus der lokalen Ansicht oder nur aus einigen lokalen Löchern gewonnen werden kann, ist es in der Regel sehr schwierig, ein Bild zu interpretieren. Ao scannt die angegebene Breite nach verschiedenen Auflösungen und teilt sie für die Verarbeitung in Bildblöcke der angegebenen Größe auf. Daher ist der Erkennungsalgorithmus von AOL auch die lokale Analyse und Verarbeitung. PCB-Netzwerkanalyse wird nicht wie E-Test hinzugefügt. In der Logikverarbeitung für die Funktionsanalyse wird nur eine Hilfsschicht hinzugefügt. 

KI-Anwendung in AOI:

Als Schlüsselprozess der Qualitätskontrolle in der Leiterplattenherstellung erfordert der AOI-Prozess mehr manuelle Beteiligung am Bestätigungsprozess auf der Wartungsmaschine. Die Betreiber müssen falsche Mängel, Reparatur- und SchrottMängel klassifizieren, entsprechende Reparatur- oder Kennzeichnungsmaßnahmen auf der Platte durchführen und gleichzeitig den Qualitätsbericht aufzeichnen. In diesen Verbindungen beschäftigt sich die Industrie mit der Verbesserung der Produktionseffizienz, der Reduzierung der Produktionskosten (insbesondere der Arbeitskosten) und der Reduzierung von Qualitätsabfällen, die durch menschliche Faktoren verursacht werden (Wischen von Blumen im Handhabungsprozess, Fehlerurteilung und Auslassung im Bestätigungsprozess usw.).

As mentioned earlier, the application of Al technology is to solve practical problems in a simple and practical way. Unlike today's intelligent lighting, traditional lighting can turn on / off the light by simply pressing the switch. Intelligent lighting needs to take out the mobile phone to turn on the app, turn on the light and adjust the color brightness, or through voice control, but the process becomes more cumbersome.In the process of integrating al technology into AOI detection, it is necessary to avoid the behavior of Al for Al, but to form a set of valuable schemes.The discussion is divided into three parts: loading and unloading, AOI detection and CVR confirmation.

Laden und Entladen:

Das Be- und Entladen umfasst das Be- und Entladen von AOL und Wartungsmaschinen. Immer mehr Hersteller haben Automatisierungssysteme wie Förderband und Manipulator implementiert, um die Effizienz zu verbessern und die Arbeitskosten zu senken. AGV-Trolley wird auch für die Materialübertragung zwischen AOI-Scanner und Wartungsmaschine in Betracht gezogen. Wenn intelligente Roboter zum Be- und Entladen eingesetzt werden, müssen Kosten und Effizienz intelligenter Roboter bewertet werden.

AOI-Erkennung:

It mainly includes AOI equipment operation and logic operation. The AOI application system has simplified various operations (item number retrieval, alignment, optical correction and application setting), and basically realized one key operation.Some manufacturers use the method of scanning QR code to retrieve the item number to be scanned to ensure fast and accurate.Therefore, according to the current situation, the operation process of AOL does not need to be optimized by Al technology for the time being.If the visual system or speech recognition system is forced to operate the AOI system, the whole process will become more complex.After years of iteration and optimization, AOL's detection logic has been evaluated according to the training process of deep learning, and has become the optimal detection model.As for the efficiency of logical operation, like al, AOL's visual algorithm also uses a lot of matrix multiplication and convolution operations, because GPU can efficiently handle matrix multiplication and convolution operations. It can be predicted that GPU will be used to dry AOI more and more to improve the efficiency of logical operation.The subsequent AOI treatment is the key link of Al technology application, that is, the confirmation of Al technology application dry maintenance station, so as to reduce equipment investment and labor cost.

CVR Bestätigung:

This process is the most concerned part, mainly including false point filtering and true point classification.If the false point rate can be reduced, the board handling, maintenance equipment investment and maintenance labor cost will be reduced accordingly. The false point here does not refer to the logical false point (the defect reported without any abnormality), but the defect that does not want to be reported, such as dust, cohesionless foreign matter and oxidation.According to statistics, such "false points" account for less than 30% and up to 80% of the total defects (this proportion will vary greatly according to different manufacturers' manufacturing equipment, process control, production environment and other factors).See Figure 6 for the common false dot diagram.

Nachteile des Hebens von Fremdkörpern:

Wie in den früheren Sehschwierigkeiten diskutiert, ist es unmöglich, das Material und die Höhe des Fremdkörpers, insbesondere die Kombination zwischen dem Fremdkörper und der Plattenoberfläche (ob der Fremdkörper Viskosität hat) oder ob unter dem Fremdkörper abgedeckte Mängel vorhanden sind, zu bestimmen, und es ist auch unmöglich, Oxidationspunkte, Kupferoberflächendeckungen oder Pinholes nur durch den Grauwechsel der 2D-Graukarte (sogar RGB-Kanalkarte des Farbbildes) genau zu unterscheiden. Wenn die Betreiber der Wartungsstation daher in der realen Produktion auf solche Mängel stoßen, verwenden sie Hilfswerkzeuge (Druckluft, klebrige Staubwalze, Radiergummi oder Fasergummi usw.), um den Defekttyp zu reinigen und zu bestätigen. Wenn Sie ein Visionssystem in diesem Link hinzufügen möchten, um solche falschen Punkte zu reduzieren, müssen Sie bedenken, wie Sie die Störungen verschiedener Arten von Fremdobjekten, Oxidation, Ätzmuster-Unterschiede und so weiter überwinden können, was das System erfordert, 3D-Proben als Verarbeitungsobjekt zu verwenden, genauso wie die Ausnahmenanalyse von PCB SEM oder Scheibe benötigt. Angesichts der Tatsache, dass der Anteil solcher Mängel so hoch wie 3% ~ 10% (fluktuiert entsprechend der staubfreien Verwaltung der AOL-Werkstatt, dem Wartungszyklus jedes Flüssigkeitsmedizinzylinders der Ätzlinie, dem Reinigungszyklus der Membranfilm, der Plattenrandbehandlung nach dem Schneiden usw.), wenn Al einfach auf der Grundlage bestehender Ausrüstung angewendet wird, muss das Ergebnis sein, dass al-Technologie zwar die Arbeitskosten reduziert, aber gleichzeitig die Produktionsqualität ernsthaft beeinflusst.

Perspektive von KI für echte Fehlerverarbeitung:

Was ist also die Aussicht von Al für eine echte Defektbehandlung? Wenn CVR-Betreiber bestätigen, dass die Mängel wahre Mängel sind, unterteilen sie in der Regel die wahren Mängel in Reparatur und Schrott, und diese Mängel können online oder offline bearbeitet werden. Die On-line-Bearbeitung bezieht sich auf die On-line-Reparatur von Reparaturfehlern während des Bestätigungsprozesses und die Schrottinformationen von geschrotteten Mängeln sind auf der Platte markiert. Offline-Verarbeitung bezieht sich lediglich auf die Kennzeichnung von Mängeln oder die Eingabe von Mängelcodes während der Bestätigung und die Übermittlung dieser an anderes Personal oder Ausrüstung zur Reparatur oder zum Schrott. Der Autor glaubt, dass ob Al auf falsche Fehlerfilterung oder wahre Fehlerklassifizierung angewendet wird, von der falschen Punktrate, der Fehlverteilung und der Leiterplattenstruktur der Leiterplattenfabrik abhängt, und es ist notwendig, entsprechende Anwendungsregeln für künstliche Intelligenz zu formulieren (wie die Festlegung der Auffahrt für fahrerlose Autos) oder Al mit einem stärkeren Wahrnehmungssystem zu versorgen, um sicherzustellen, dass Al die Form von Fehlern eindeutig wahrnehmen kann. Es ist optimistisch, den Bau neuer Infrastruktur zuerst zu fördern: das Big Data System importieren. Die erforderlichen Fehlerbilder können über das CDB- und VVS-System von CIMS erfasst werden. Die Fehlerklassifizierung auf VVS (virtuelles Bestätigungssystem) kann nicht nur die Ausrüstungsinvestitionen von CVR erheblich reduzieren, sondern auch die Fehlerbilder kennzeichnen, um sich auf die Einführung der Al-Technologie vorzubereiten. Nach dem Hinzufügen von VVS-System und Al-Technologie zum CDB-Datenbanksystem muss CVR nur mit den Mängeln fertig werden, die nicht durch Bilder beurteilt werden können. Nach ausreichendem Lernen und Modelliteration (insbesondere der kontinuierlichen Aktualisierung neuer Materialien und neuer Prozesse) kann grundsätzlich jede Erkennung künstlicher Intelligenz realisiert werden.

Schlussfolgerung:

Obwohl al-Technologie in der AOI-Bildverarbeitung weit verbreitet wurde, gibt es immer noch riesige Anwendungsszenarien und Platz in der Wartungsverbindung. Vor allem heute, mit der schnellen Iteration eines Algorithmus, wird das zukünftige Wartungssystem ein intelligentes Wartungssystem sein, das verschiedene Algorithmen integriert. Natürlich können diese Algorithmen einfache Regressions- und Klassifizierungsalgorithmen sowie komplexes Verstärkungslernen und strukturiertes Lernen sein. Starke künstliche Intelligenz und schwache künstliche Intelligenz sind heute umstrittene philosophische Themen.