我采访了MIRTEC公司总裁Brian D’Amico，在采访中我们讨论了测试和检测设备在智能工厂中所发生的变化，以及工厂应如何做出调整以利用这一新技术。D’Amico表示：“尽管近90%的美国电子制造商都意识到工业 4.0在提升生产率方面具有很大潜力，但推行智能工厂方案的进程却行动迟缓。”

 

Johnson: 测试与检测在工厂中的作用发生了哪些变化？其作用在美国、欧洲或亚洲是否有所不同？

 

D’Amico: 工业 4.0是电子制造业的热议话题。制造商和供应商正尝试给这个术语一个准确的定义。用最简单的话来解释，工业 4.0有着向制造工艺自动化和数据交换不断发展的趋势。从根本上来说，它需要实现生产线中机器之间的连接与通信。其挑战在于要从生产线中的每台设备收集数据，然后将数据共享给其他设备。没有测试和检测，就不可能实现工业 4.0。测试和检测的目的是收集可操作的数据，减少生产线中的缺陷，将生产效率最大化，同时最大程度减少报废品数量，切实有效地在第一时间以正确方式处理工艺参数。对于生产效率最大化，需要在生产线上使用3种检测系统——焊料沉积后的焊膏检验（SPI）、放置元件后的自动光学检测（AOI）以及回流焊后的AOI。这3种检测系统需要大量投资；但若想为制造过程的每个阶段提供反馈信息，三者结合是唯一可行的方式。

 

Johnson: 你刚刚说到要在3个位置进行测试和检测。通过测试与否的传统方式，只有在制造过程的最后才会安排测试与检测。

 

D’Amico: 我知道多数制造商都只是依靠回流焊后的AOI系统，但问题是现在越来越难诊断，因为这种方法只能看到最终结果，只能猜测问题可能出现在了哪里。比如SPI系统就可以在焊料沉积后立刻反馈焊料不足、焊料过多、焊料桥接或焊料偏移等问题。这些问题通常和工艺参数有关，例如丝网印刷机的行程速度、刮刀压力、模板下清洁状况等。最基本的问题在于，根据回流焊后AOI收集的数据，越来越难以诊断丝网印刷存在的问题。

 

Johnson: 对于那些思维比较保守的行业人士而言，还是认为应该在生产线最后设置测试和检测。工厂自动化程度越高，需要检测的位置就越多，目的是为了形成微反馈循环。获取测量数据后，接受测试数据反馈的设备变得更为复杂，随之带来的问题，比如设备能否在接受数据后进行自我调整，还是说需要操作员来手动调整？

D’Amico: 通常会根据检测数据中观察到的趋势来做出调整。例如，SPI机器检测到焊料沉积相对焊盘位置出现偏移的趋势。在这类情况下，SPI会将观测到的这个趋势并报告给丝网印刷机。丝网印刷机反过来会利用这组数据调整模板和焊盘的相对位置，消除偏移。但也正如你所说，这一点确实取决于丝网印刷机接受数据的复杂程度，然后对特定参数做出必要更改，解决问题。谨记，这样做的目标不是为了控制丝网印刷机，而是提供可操作的数据，利用数据消除偏移及潜在的缺陷。实际上完全取决于每家设备供应商是要手动还是自动做出调整。大多数供应商都会提供手动/自动模式切换功能。我刚才也提到过，只根据回流焊后的缺陷数据分析很难确定需要对整条生产线上哪个位置做出调整。你当然可以做出假设，但这些假设都是基于整条生产线做出的，而且越来越难以准确确定缺陷出现的具体位置。我完全能理解客户会把我们所提议的方案理解成一种对测试设备的大量投资，但掌控整个生产线的唯一最佳方式就是在生产线上的每个区间安置测试设备，包括焊料沉机后测试、元件放置后测试以及回流焊后测试。这才是工业4.0的核心。

 

Johnson: 根据将检测功能安排在整条生产线内的发展趋势，会不会促使你们这样的测试检测设备制造商要专门针对生产线上某个位置开发测试功能？

 

D’Amico: 当然会。我们会设计专门测试与焊膏沉积有关的缺陷SPI系统，比如焊料过多或焊料不足，X-Y轴与焊盘位置发生相对偏移，焊料桥接或沉积外形变形等。放置元件后的AOI系统可以通过编程，测试元件是否漏放、部件标识、适当旋转或偏移情况等。回流焊后的3D AOI系统能够经过编程测试放置元件后AOI系统所能测试的全部参数，还能测试每个器件的共面性、焊点完整性以及焊料桥接。

 

Johnson: 既然整个流程是从这台设备获取信息并将内含趋势的数据传送回去进行分析，那么分析的过程是发生在系统内还是发生在数据库中？

 

D’Amico: 两个位置都会进行分析。某些情况下，能通过直接的机器与机器间交流获取数据。但也会在测试数据库中收集这类机器生成的数据（通常称之为大数据）进行分析。将被称为“深度学习”的人工智能（AI）技术应用于大数据，就能确定可以获得最高效率和最佳质量的工艺参数。为新的PCB完成设置后，不同的SMT工程师会根据自己的经验为生产线内的每台设备设定不同的工艺参数。深度学习就是根据历史数据预测最佳参数，帮助人们完成枯燥繁琐的工艺优化任务。其目标是，不论工程师的能力或经验如何，都能够实现最佳生产质量。后续必须通过持续收集并分析生产数据来实时监控生产线的性能。其理念是：比如我们收集了刮刀速度、刮刀压力等参数的历史大数据，而这些数据来自多个丝网印刷机和不同的PCB模型。与此同时，我们会收集这些工艺数据，并且从SPI机器中收集检测结果数据。通过分析这些检测结果并将其和各种刮刀速度、刮刀压力等设置联系在一起，就可以主动确定针对给定应用的最佳参数，之后将其应用于SMT制造工艺确保机器的最佳性能。谨记，这只是针对生产线中的设备之一，同样的方法可以用于整个SMT生产线。

Johnson: 通过AI引擎在数据库中进行工艺优化和实时调整，而AI是公司的核心竞争力。需要和专门做AI的公司展开深度合作吗？

 

D’Amico: 当然会。AI是一个很庞大、很笼统的术语。我所说的AI专门针对SMT制造工艺。但AI和大数据可以在全球各地用于各种不同应用。比如很多人在线访问过很多网站，上面都会有一个确认我们是不是机器人的测试。这类测试通常会让你“点击图中含有公交车、桥梁、自行车、行人等元素的图片”。但很少有人意识到，这个测试只是AI引擎收集大数据的组成之一，随后大数据会用于协助自动驾驶的编程。基本原则就是AI引擎针对任何给定的应用可以更有针对性，所以AI团队和SMT设备供应商之间要展开深度合作。

 

Johnson: MIRTEC和AI引擎如何实现连接？比如你们是否会利用第三方工具，或者一组认可的AI供应商？

 

D’Amico: 我们的AI引擎专门为产品而设计。但系统一定要足够灵活才能处理来自多个生产设备的数据，包括有竞争性的检测系统。MIRTEC秉承着这一理念，做出了要与Cogiscan这类专门从事机器间通讯技术公司合作的战略性决策，这样一来我们就能真正与生产线中的任何设备连接。之后就能收集机器数据并做格式化处理，然后存入资源库，供生产线上的其他设备使用。这样做还可以克服与竞争对手系统连动的困难。MIRTEC和Cogiscan就完整工业 4.0集成方案展开了合作，也就是我们的全远程管理系统（Total Remote Management System ，简称TRMS）。这款应用可显示来自MIRTEC AOI和SPI系统，以及SMT生产线中其他设备的数据，使我们的客户更清晰地看到整个制造过程，帮助提高运行效率和改善产品质量。

 

Johnson: 并不是所有人都有能力安装新设备并组建数字化工厂的，改造现有设备并提高其速度，至少是一步一步向前发展，也是有价值的。在采访开始时，你提到数字工厂的采纳率受到地理位置的影响，哪些区域更愿意采纳数字工厂方案？

 

D’Amico: 亚洲是采纳率最高的地方。这和我预期的完全一致，因为亚洲一般走在新技术的最前沿，包括工业 4.0。美国和欧洲很多客户都仍处于初始尝试阶段。他们意识到接受工业 4.0一定会带来附加价值，但这件事似乎没那么急。说到这里，我发现很多客户都会询问相同的问题：这些设备支持工业 4.0吗？这句话说明他们肯定认为这是未来的需要，这种思维很正确。制造商在投资新的组装设备时，希望这款设备能使用5年至10年以上。毫无疑问，任何新的组装设备都一定要提供必需的工艺数据，而且要能够与生产线上其他设备通信，这是工业 4.0的基本要求。

 

Johnson: 进行大批量生产时，智能工厂和自动化将是优先考虑的事情。你希望生产线尽可能长时间地保持运行，而且希望生产线能自我调整、自我优化或者在遇到问题时迅速发出警报以保证生产线的正常运行。但在我看来，美国和欧洲市场的制造业更加有针对性，比如产量低、品种较多，对于具体生产的产品，可能技术含量更高，如层数更多和其他需要精准调整以适配工艺窗口的限制因素。这种工艺窗口反馈在相应环境下比以往任何时候都更加重要。

 

D’Amico: 我完全同意这一点。亚洲的制造商通常都以大批量生产为主。墨西哥也同样如此。大批量生产市场的成本竞争非常激烈，利润很薄，所以特别重视全自动SMT生产线。但在美国和欧洲，专注于多品种中小批量制造业务，遇到的是完全不同的挑战。每批次加工的数量从1至100块PCB不等，所以现在很有必要迅速调整制造工艺并消除缺陷。此外，美国和欧洲生产的产品价值往往更高，所以返工的成本极高。随着产品在生产线上逐步接近完工，返工的成本会急剧增加，对于多品种、中小批量生产任务，在每个生产阶段设置检测是最理想的。例如，我们有一个可以检测到焊料不足缺陷的SPI系统。鉴于系统会在焊料沉积后报告哪里出现了缺陷，我们可以在焊盘上添加焊料或清洗PCB，重新印刷。这种方案的成本相对较低。放置元件后的AOI系统能报告某个器件的极性问题。在这类情况下，操作员仅仅使用镊子将器件旋转过来就能解决问题，这也属于成本相对较低的方案。回流焊后AOI检测出的缺陷很有可能需要返工才能解决缺陷，但这样做要么会损坏元件，要么会损坏PCB。基本原则是在回流焊操作之前发现缺陷，避免成本高昂的返工。

 

Johnson: 智能工厂实施能缓解大批量生产工厂所面临的压力，因为这样才能保持生产线一直运行，教会生产线进行自我调整，尽可能维持工艺窗口和产品的流动。但相同的功能也很适合多品种、技术含量更高的小批量生产任务，关键是设置过程中要提供更高的精度。

 

D’Amico: 没错。亚洲的主要生产任务是大批量应用，产品品种少。一旦设置好生产线，就能生产几万块以上的PCB。在这种环境下，实时监控生产线的每个环节是很有必要的，这样才能保证最佳质量和最高效率。处理多品种、中小批量生产时，在生产线上设置更适当的参数就变得尤为重要，因为这类生产任务没有足够的时间监控生产线来保证最佳质量和最高效率。

 

Johnson: 使这些工作能够顺利无误进行的关键要素是什么？

 

D’Amico: 唯一的关键要素就是优秀的工艺工程师，他们有丰富的经验和专业技术来保证生产线的正常运行。在设置丝网印刷机的过程中，优秀的工程师能意识到阶梯模板可能需要一定的刮刀速度和压力才能实现最佳的焊料沉积。这位工程师还要知道如何调整贴片机才能达到最佳性能。例如，某些元器件需要在放置元件时施加较大的压力或停留更长时间。同样的情况也适用于回流焊最佳温度曲线。关键在于，工程师需要花费大量时间研究指定生产线并了解每台设备的细微差别，才能具备一定的专业知识。实现机器间的连接和通信是为了收集并分析工艺数据，为生产线上的每台设备提供最佳参数，然后移除生产工艺中一些不必要的组成。此外，全面的工业 4.0方案可以实时监控生产线的每个环节，从而保证整个制造过程的最高效率，生产出质量最佳的产品。

 

Johnson: 这一点说得很棒，要以数据为基础，而不是以主观判断为基础。

 

D’Amico: 的确是这样。

 

更多内容可点击阅读原文查看，文章发表于《PCB007中国线上杂志》2月号，更多精彩原创内容，欢迎关注“PCB007中文线上杂志”公众号。

#测试和检验  #AOI  #智能制造