利用 AOI 提高生产成品率
当前生产工程师在制造带有表面贴装组件的 PCB 板时遇到的最大问题是如何进一步提高生产成品率，同时还必须保证最短的时间和最低的成本。本文介绍了一种目前很先进的利用 AOI 来提高成品率的方法。
当前表面贴装制造商们面临的一个主要挑战是，如何在进一步提高优秀产品产量的同时，将时间、材料和其它工程开销降到最低。为了实现这样的目标，就必须要找出生产过程中的“瓶颈”所在并设法加以克服，目前表面贴装制造商所面对的主要“瓶颈”是位于组装最后阶段的测试 - 调整 - 再测试过程。减小这一“瓶颈”制约因素的办法包括：采用统计过程控制 (SPC) 、在制程前期阶段进行缺陷检查、在贴装过程中尽量避免产生缺陷、以及采用死循环控制，但这些办法都可能对工厂总产量产生一些影响。本文介绍的利用在线自动光学检测系统 (AOI) 来对生产线进行死循环控制的办法，可能是克服这一挑战的关键。
问题的提出
随着 PCB 板密度增加以及组件尺寸的减小，组件贴装制程的性能逐渐到达极限，提高贴装性能成为在大规模生产中实现高成品率的关键。造成成品率低的原因比较复杂，其中之一是贴装不能够完成得很好，因此为实现无缺陷组装经常需要对贴片机的 X-Y 数据进行调整。缺陷可能会由于各种原因而产生，如果不能迅速纠正，这些缺陷很快就会给制造商增加很多测试 - 调整 - 再测试工作量，从而产生限制工厂产量的“瓶颈”。
发现缺陷是 AOI 的一个重要功能，但减少缺陷的产生更加重要。数字元元元元分析表明，当组件密度增加时不管缺陷率是增加还是保持不变，成品率都会大大降低。因此对贴装制程进行分析是减少缺陷最基本的一步 , 可以用统计分析来确定生产过程中会导致缺陷发生的一些倾向，但关键还是要能以最短的时间进行纠正，以避免出现影响产能的“瓶颈”现象。
制程分析方法
传统做法
多数表面贴装制造商在设备黏着好以后，很少会根据生产情况而主动对贴装设备初始设定的机器参数作更改。即使贴装作业人员实施了过程控制，也是那种很慢的离线方式，使用的是最基本的贴装分析方法，而不是针对不同的实际生产过程。事实上用这些方法来排除瓶颈产生的主要原因非常缓慢，而这类瓶颈又与测试 - 调整 - 修理的时间密切相关。
现在的做法
贴装设备供货商们已进行了大量卓有成效的工作，同时业界组织也对贴装系统特性作了规范，这些方法都试图藉由一些与组件贴装精度、重复性及可靠性等相关的关键参数建立起一个标准的性能评估体系。然而目前这些方法主要注重于“第一级”制程分析，或者只是针对使用标准玻璃封装和基板贴装系统的理想性能条件。虽然这些工作对建立机器性能测定标准是完全必要的，但理论性能与实际生产情况之间却有一定的差距。
还需考虑的因素
不管采用哪种方法对贴装过程进行死循环控制，都必须要考虑到与贴放过程有关的缺陷同时还和贴装组件 ( 尺寸、形状及不同外形 ) 、 PCB 板 ( 线路图案、阻焊层对位、基准点状况及板子翘曲程度 ) 以及贴装设备本身 (X-Y- θ的定位误差 ) 等都有关。
同时，在线 AOI 测试系统检查产生的误差必须与制程其它部份造成的差异进行比较，可以用一些统计技术方法如 ANOVA( 变量分析 ) 来对各制程变量之间的相互影响进行评估。如果希望实时 SPC 系统发挥作用，那么与因为贴装系统、组件及 PCB 带来的变化相比， AOI 系统产生的误差应尽可能最小。
把用理想标准得到的理论机器性能与实际机器性能结合起来也有一定的困难，因为实际性能与现代表面贴装制造本身使用的材料和条件有关。一个 AOI 设备如果能够从实际生产的板子上以很高的速度采集到精确且重复性高的数据，那么它就可以作为分析系统的主要部份，对贴装 /PCB/ 组件组合制程进行分析、评估以及最终的控制。$Page_Split$
AOI 系统涉及的问题
在死循环系统中用于进行数据采集的 AOI 设备的性能非常重要，如果一个 AOI 系统不能迅速提供高质量数据，则其纠正效果就可能适得其反。评估一个死循环系统的 AOI 时需要考虑的主要因素有：数据采集的可靠性、精度、可重复性、速度以及使用的简易性。
系统可靠性将决定 AOI 探测组件及正确识别组件数据的效果，如缺件、极性错误或组件错误等。评估可靠性的标准有缺陷误判率 (FAR) 和合格误判率 (FFR) 两种，前者表示真正的缺陷 ( 如缺件 ) 被 AOI 系统遗漏的情况，而后者则反映 AOI 系统把合格点认作是缺陷的情况。实际生产中 AOI 系统的 FAR 应比较低以避免真正的缺陷进入到组装过程。最近新的 AOI 技术如彩色影像 ( 如图 ) 和自适应技术如多级分类法 (MVC) 等都可以在含高密度 0402 、 0201 及 0.4mm 间距组件的产品上降低 FAR 和 FFR 。
精度定义为测量平均值与真实值之间的差异，它对于确保 AOI 系统能够对生产过程进行准确修正非常重要。精度受许多因素影响，可用专门制作的上面模仿有各种不同形状组件的板子对其进行评估。
另一个确定 AOI 系统性能的重要指针是可重复性 (GR&R) ， GR&R 衡量的是 AOI 系统在不同状况下测试的一致性。理想情况下 AOI 设备测量结果不应超过被测组件允许公差的 10% ，例如在某个贴放要求为 X-Y 方向± 100 μ m 的 0402 组件上， AOI 系统的重复性不应超过要求的 10% 或者说± 10 μ m 。这个指标也可用精度 / 公差 (P/T) 比来表示，从理论上讲 10% 或更低的 P/T 比较理想，但在某些限定条件下也可以到 30% 。
此外速度也很重要，因为 PCB 要进行 100% 全检以确保没有缺陷被遗漏。另一个重要的考虑因素是易于编程作业，因为 AOI 系统编程时间过长或不好使用必然会对生产造成影响。 $Page_Split$
死循环控制
虽然制造商使用了大量内部传感器监控贴片机的使用情况，但却没有办法监测到贴装过程结束之后的结果，以确定出缺陷是贴装出错造成的还是控制不良造成的。问题的复杂性还在于表面贴装生产线通常由多个贴片机组成，而且是不同的品牌，因此目前的企业多采用开环方式进行组件贴装，所以缺陷通常在回流焊之后或更晚的测试阶段才会被发现。
存在的障碍
对贴装制程进行真正死循环控制的两个最大的障碍是： 1) 如何将 AOI 系统采集到的组件数据与贴片机运行情况联系起来 ( 即确定每个组件贴装时用的是哪一个吸嘴、贴装头或机器 ) ； 2) 如何对贴片机作业进行修改以纠正测量时发现的误差。贴装死循环控制可分三个步骤： 1) 贴装系统提供待组装板关键数据的前馈阶段； 2)AOI 系统对板子进行测量之后的反馈阶段； 3) 死循环过程对分析结果的修正阶段。
前馈阶段
死循环控制过程在此阶段从各贴片设备采集数据，包括组件类型、位置数据、供料器号、吸嘴、贴装头、机器、摄像头、视觉对位数据及通用信息 ( 如板子型号及系列号 ) 等。由于前馈阶段所需的全部数据可能都是专用的，或者在某些系统中由于吸嘴动态配置而无法确定，所以死循环过程多采用通用数据接口然后由供货商提供专门的数据转换。显然死循环贴装系统可以有助于得到有用的信息，而死循环系统中使用的贴装设备应能提供全套相关数据，包括吸嘴、贴装头、机器和供料器情况等。
反馈阶段 AOI 系统将把所有特征数据 ( 如缺件、极性错误和错件等 ) 和变动数据 (X-Y- θ位置偏差 ) 反馈到死循环系统，变动的数据可用来更新系统数据库，并且将 AOI 变量与每个设备贴装的组件联系起来。
修正阶段
在此阶段死循环系统对测到的数据进行分析，计算平均值、标准偏差和 Cp/Cpk ，并算出与测量结果相关的校正措施。对于完全死循环式控制系统，偏差纠正数据会自动送入贴片设备，用户也可以在该阶段规定机器执行的动作。这类纠正数据通常是根据统计出的趋势而不是针对某一次贴装做出的，这种统计趋势可不断地进行修正，如果出现较大的问题例如缺件、极性错误或错件时还可以中止生产。如果贴装设备能接受远程控制，则死循环系统将可作为贴装制程中的一种伺服控制器而使效果更加明显。
结论
为了扩大表面贴装产量，并减少在缺陷上所消耗的时间， AOI 系统可以用来收集实时数据以驱动一个死循环贴片系统。死循环贴装是实现缺陷校正自动化的第一步，这种系统能够识别出制程变化，并自动进行自我纠正以适应新的贴片系统。另外，由于大大消除了因缺陷 ( 测试 - 调整 - 再测试 ) 而引起的“瓶颈”现象，该系统还可以实现高成品率下的大批量生产。