Publicatie tijd: 2026-09-24 Oorsprong: aangedreven
Op regels gebaseerde geautomatiseerde optische inspectie (AOI) mislukt op moderne PCBA-lijnen met hoge dichtheid. U kunt niet vertrouwen op statische drempels bij het inspecteren van 01005-componenten of dicht opeengepakte BGA-kaarten. AI-gestuurde defectdetectie fungeert als basisvereiste voor elke serieuze Surface Mount Technology (SMT)-operatie. Hoge aantallen valse oproepen en lange handmatige beoordelingstijden hebben een negatieve invloed op de lijnsnelheid. Ze verwoesten de opbrengstmarges en zorgen voor burn-out bij operators, wat direct leidt tot secundaire inspectiefouten.
Productiemanagers worden geconfronteerd met een voortdurende strijd op de fabrieksvloer. Traditionele deterministische algoritmen hebben moeite om onderscheid te maken tussen aanvaardbare procesvariaties en daadwerkelijke defecten op dichtbevolkte borden. Een kleine verschuiving in de zeefdruk of onschadelijke fluxresten veroorzaken vaak een machinestop, waardoor een menselijke operator gedwongen wordt een perfect goed bord te verifiëren.
We evalueren hoe twee grote spelers hun 3D AOI-hardware en AI-software ontwikkelen om deze knelpunten op te lossen. We zullen kijken naar de exacte werking van hun inspectiehoofden, hun machine learning-frameworks en hoe ze presteren op actieve fabrieksvloeren. Deze uitsplitsing neemt de marketingclaims weg die zich richten op inline-prestaties, het aantal ontsnappingen aan defecten en daadwerkelijke programmeerefficiëntie.
Efficiëntie van AI-programmering: Contrasteer Viscom's vAI ProVision-framework met SAKI's eigen AI-engine met betrekking tot de insteltijden van New Product Introduction (NPI) en geautomatiseerde programmageneratie.
Vals-positieve reductie en slimme beoordeling: Benadruk de kritische meetgegevens voor het evalueren van hoe elk systeem onderscheid maakt tussen aanvaardbare toleranties en kritieke defecten, en hoe AI-ondersteunde beoordelingsstations de handmatige verificatietijd minimaliseren.
Diepe 3D-inspectie: vat samen hoe beide merken verborgen defecten en schaduwen van grote componenten aanpakken met behulp van geavanceerde beeldtechnologieën en intelligente algoritmen.
Integratie en schaalbaarheid: schets de gereedheid van beide platforms voor naleving van slimme fabrieken, MES-integratie met gesloten lus en voortdurende verfijning van machine learning.
Inhoudsopgave
AOI-prestaties moeten worden gemeten op echte SMT-lijnen, niet alleen op basis van cameraresolutie of maximale inspectiesnelheid. Trillingen in de fabriek, veranderingen in de verlichting en temperatuurverschuivingen kunnen de beeldkwaliteit en de nauwkeurigheid van de inspectie beïnvloeden. Een betrouwbaar AOI-systeem moet stabiele prestaties behouden onder feitelijke productieomstandigheden.
AI helpt AOI-systemen normale variaties in soldeerverbindingen en plaatsing van componenten te herkennen, waardoor onnodige valse oproepen worden verminderd. Moderne systemen kunnen ook leren van feedback van operators tijdens de beoordeling van defecten. Dit vermindert de handmatige inspectietijd, verlaagt de werklast van de operator en verbetert de inspectie-efficiëntie in de loop van de tijd.
SAKI combineert camera"s met hoge resolutie met faseverschuivingsprojectie met meerdere frequenties voor nauwkeurige 3D-inspectie. Multidirectionele verlichting helpt schaduwen van hoge componenten te verminderen en verbetert de Z-asmeting van componenten en soldeerverbindingen, inclusief verborgen gebieden op PCBA"s met hoge dichtheid.
SAKI gebruikt AI om CAD- en Gerber-gegevens te importeren, componentbibliotheken op te bouwen en automatisch initiële inspectie-instellingen te creëren. De AI analyseert ook 3D-soldeerverbindingsgegevens om defecten zoals losgeraakte kabels, overbrugging en onvoldoende soldeer op te sporen, waardoor de noodzaak voor handmatige programmering en visuele 2D-controles wordt verminderd.
SAKI is zeer geschikt voor productie in grote volumes waarbij stabiele inspectie en lage aantallen valse meldingen belangrijk zijn. Het NPI-proces combineert CAD-gegevens, componentbibliotheken, door AI gegenereerde parameters en automatische afstemming met behulp van echte borden. Operators hebben mogelijk echter aanvullende training nodig en op maat gemaakte componenten kunnen meer inspectiegegevens vereisen voordat het AI-model betrouwbaar wordt.
De sensorkoptechnologie in een standaard 2026 Viscom AOI-machine vertegenwoordigt een zeer gespecialiseerde benadering van optische data-acquisitie. Viscom vertrouwt sterk op camerasystemen met meerdere hoeken rond een centrale orthogonale sensor met hoge resolutie. Deze array werkt samen met geavanceerde randprojectiemodules. De projectoren werpen nauwkeurige lichtpatronen over het hele bord, terwijl de schuine camera's de vervorming van deze patronen over de componenten vastleggen.
Viscom ontwikkelt deze hardwareconfiguratie specifiek voor het identificeren van verborgen defecten. De schuine camera"s kijken onder de randen van bepaalde componenten en inspecteren de filets van J-lead-pakketten die van bovenaf onzichtbaar blijven. Diepe 3D-inspectie is volledig afhankelijk van deze multi-perspectiefgegevens. Het systeem reconstrueert een zeer nauwkeurig 3D-model van de PCBA, waardoor de software het soldeervolume en de coplanariteit van componenten met extreme precisie kan meten.
Viscom"s vAI ProVision gebruikt AI om CAD-gegevens te analyseren en automatisch inspectie-instellingen te creëren op basis van componenttypen en IPC-standaarden. Het vermindert handmatig werk zoals het tekenen van inspectiegebieden en het instellen van hoogtelimieten, waardoor ingenieurs sneller inspectieprogramma"s kunnen maken en zich kunnen concentreren op complexere componenten.
Viscom is zeer geschikt voor productie met een hoge mix en hoge betrouwbaarheid, zoals de automobiel- en ruimtevaartproductie. De vAI ProVision-software ondersteunt snellere NPI en frequente productwijzigingen, terwijl inspectie vanuit meerdere hoeken helpt om aan strenge inspectie-eisen te voldoen. Voor complexere inspectietaken kunnen echter aanvullende instellingen en systeemintegratie nodig zijn.
Om de hardware- en softwareverschillen te begrijpen, kunnen we kijken hoe beide systemen het inspectieproces benaderen:
Systeemfunctie | SAKI-architectuur | Viscom-architectuur |
|---|---|---|
Primair sensorontwerp | Orthogonaal met hoge resolutie en faseverschuiving | Orthogonaal gecombineerd met camera-array met meerdere hoeken |
Strategie voor schaduwmitigatie | Multidirectionele gestructureerde lichtprojectie | Fysieke camera-inspectie onder een hoek en randprojectie |
NPI-software-engine | Gecentraliseerde AI-autotuning | vAI ProVision decentrale modellen |
Ideale productieomgeving | Continue runs met een hoog volume en een lage mix | Hoge mix, hoge betrouwbaarheid (automobiel/luchtvaart) |
Het maximaliseren van de mogelijkheden van vAI ProVision vereist vaak een diepgaande integratie met de eigen datamanagementtools van Viscom. De hardware-voetafdruk van de multi-angle sensorkop kan ook groter zijn dan die van concurrerende systemen, waardoor een zorgvuldige integratie in bestaande SMT-lijnen vereist is. Complexe AI-evaluaties die gebruik maken van gegevens van alle camera"s onder een hoek, introduceren tegelijkertijd verwerkingsoverhead, wat een marginale invloed heeft op de cyclustijden op extreem compacte borden.
Als je een SAKI versus Viscom AOI-machine vergelijkt , moet je analyseren hoe hun respectieve neurale netwerken acceptabele PCB-variaties filteren. Zeefdrukverschuivingen, vloeimiddelresten en kleine verkleuring van het substraat veroorzaken valse positieven in oudere systemen. SAKI maakt gebruik van een zeer gecentraliseerd AI-model dat deze visuele afwijkingen filtert door prioriteit te geven aan 3D-topografische gegevens boven 2D-kleurvariaties. De neurale netwerken van Viscom maken gebruik van de beeldgegevens vanuit meerdere hoeken om afwijkingen te vergelijken, zodat een schaduw veroorzaakt door fluxresidu niet verkeerd wordt geïnterpreteerd als een ontbrekende soldeerfilet.
De gedetailleerde controle over de AI-betrouwbaarheidsdrempels verschilt tussen de twee platforms. Viscom biedt ingenieurs gedetailleerde schuifregelaars om de strengheid van de vAI ProVision-modellen aan te passen, waardoor snelle aanpassingen direct mogelijk zijn. Het systeem van SAKI automatiseert deze drempels op basis van de continue leerlus, waardoor minder handmatige tussenkomst nodig is, maar iets minder directe handmatige override-mogelijkheden biedt. Beide systemen kunnen effectief omgaan met diepgaande 3D-inspectie op verborgen defecten, hoewel de fysieke camerahoeken van Viscom een voorsprong bieden bij het inspecteren van zeer complexe PCBA-geometrieën met ernstige schaduwvorming.
Zowel SAKI als Viscom gebruiken AI-ondersteunde beoordelingssystemen om de handmatige inspectietijd te verkorten. SAKI biedt duidelijke 3D-defect- en referentiebeelden, terwijl Viscom meerdere camerabeelden en gedetailleerdere inspectiegegevens biedt. Beide systemen kunnen leren van feedback van operators om herhaalde valse oproepen in de loop van de tijd te verminderen.
Beide systemen gebruiken CAD- en Gerber-gegevens voor offline programmeren, maar hun workflows verschillen. SAKI maakt gebruik van een gestructureerd AI-afstemmingsproces dat zich richt op stabiele inspectie, terwijl Viscom"s vAI ProVision gebruik maakt van vooraf getrainde AI-modellen om sneller programma"s te maken en handmatige instellingen tijdens NPI te verminderen.
SAKI en Viscom ondersteunen IPC-CFX voor integratie met MES en andere SMT-apparatuur. Beide systemen kunnen AOI-gegevens delen met SPI- en Pick-and-Place-machines om proceswijzigingen te identificeren en automatische correcties te ondersteunen. Dit helpt defecten te verminderen en de productiecontrole te verbeteren.
SAKI en Viscom benaderen de uitdaging van de elektronicaproductie met verschillende technische filosofieën. SAKI geeft prioriteit aan robuuste optische hardwarestabiliteit en sterk gecentraliseerde, geautomatiseerde AI-afstemming om maximale inline-consistentie te bereiken. Viscom richt zich sterk op sensoracquisitie vanuit meerdere hoeken en snelle software-implementatie via vAI ProVision om omgevingen met een hoge mix en hoge complexiteit te domineren.
Faciliteiten die prioriteit geven aan lange productieruns, bestaande SAKI-vlootcompatibiliteit en absolute weerstand tegen omgevingsvariabelen zouden SAKI op de shortlist moeten zetten. Omgevingen die snelle NPI-turnarounds, strikte 3D-compliance voor verborgen defecten en gedetailleerde controle over AI-parameters vereisen, zullen de architectuur van Viscom zeer effectief vinden.
Voer de volgende stappen uit om verder te gaan met uw AOI-evaluatie:
Stel een testbatch samen van uw meest complexe PCBA"s, met name inclusief borden waarvan bekend is dat er fouten in het verleden zijn opgetreden.
Plan inline-tests met beide leveranciers op uw actieve SMT-vloer om de daadwerkelijke reductie van valse oproepen te meten onder reële thermische en trillingsomstandigheden.
Evalueer de software-interface met uw huidige machinebestuurders om de leercurve te meten en de ergonomie van het station te beoordelen.
Controleer de IPC-CFX-compatibiliteit met uw bestaande Manufacturing Execution System (MES) om ervoor te zorgen dat de datalogging met gesloten lus correct functioneert.
A: Viscom integreert neurale netwerken met 3D-randprojectiegegevens. De AI analyseert de 3D-topografie vanuit meerdere hoeken van een component of soldeerverbinding. In plaats van te vertrouwen op rigide geometrische regels, begrijpt het machine learning-model de natuurlijke variantie van acceptabele soldeerverbindingen en componentplaatsingen. Hierdoor kan het onderscheid maken tussen echte kritieke defecten en aanvaardbare procesvariaties, waardoor valse alarmen en handmatige beoordelingstijd drastisch worden verminderd.
A: Viscom biedt over het algemeen een snellere NPI-doorlooptijd dankzij de vAI ProVision-software, die vooraf getrainde AI-modellen op agressieve wijze toepast op geïmporteerde CAD-gegevens om automatisch inspectieparameters te genereren. SAKI beschikt over automatische programmeertools, maar de workflow vereist een meer methodische AI-gestuurde afstemmingsfase op de eerste paar fysieke borden, waarbij stabiliteit op de lange termijn prioriteit krijgt boven onmiddellijke installatiesnelheid.
EEN: Ja. Beide platforms zijn volledig uitgerust voor slimme fabrieksecosystemen. Ze ondersteunen industriestandaard communicatieprotocollen, waaronder IPC-CFX en SECS/GEM. Dit maakt een naadloze integratie mogelijk met bestaande Manufacturing Execution Systems (MES) voor realtime datalogging, traceerbaarheid en closed-loop feedback met andere SMT-lijnapparatuur.
A: Beide machines maken gebruik van geavanceerde beeldvorming om de topografie van het bord in kaart te brengen. SAKI maakt gebruik van multidirectionele gestructureerde lichtprojectie om schaduwen veroorzaakt door hoge componenten te elimineren. Viscom maakt gebruik van een camerasysteem met meerdere hoeken in combinatie met randprojectie om fysiek onder de randen van componenten te kijken. Intelligente algoritmen reconstrueren deze gegevens vervolgens in een nauwkeurig 3D-model om verborgen soldeerverbindingen te inspecteren.
A: Hardware-onderhoud omvat routinematige optische kalibratie, reiniging van sensorlenzen en verificatie van de uitlijning van de projector om de nauwkeurigheid van de Z-as te garanderen. Software-onderhoud is net zo belangrijk. Ingenieurs moeten voortdurend gecentraliseerde componentenbibliotheken bijwerken en de drift van AI-modellen beheren door het systeem nieuwe gegevens te geven wanneer componentenleveranciers of PCB-fabrikanten veranderen.
A: AI-modellen passen zich aan door middel van continue leermogelijkheden en slimme feedbacklussen. Wanneer een operator een afwijking op een nieuw onderdeel als vals positief classificeert, werkt het systeem de interne weging bij. Ingenieurs werken gecentraliseerde componentbibliotheken offline bij door de AI CAD-gegevens in te voeren en voorbeeldafbeeldingen van de nieuwe onderdelen te maken zonder de actieve productie te onderbreken.