PCB工厂拥抱人工智能

文章作者:Meny Gantz

pcb从大型和过时的“印刷线路板”到今天的高密度互连(HDI) pcb、IC基板(ICS)和更多的细线设计，已经由手工组装演变为高度自动化生产的制造过程相匹配。万博投注网址随着制造技术的进一步发展，工艺变得更加复杂和复杂，包括检查和塑造曾经导致面板报废的缺陷的能力。现在，PCB制造行业正面临着一个重要的机遇，利用人工智能(AI)优化生产流程，最终优化整个PCB制造设施。

PCB制造通常依赖于多年来获得知识的专家。这些专家密切地了解并理解制造过程的每一步。他们了解如何利用他们对生产优化和产量改进的知识。人类限制，包括错误和疲劳，妨碍这些专家可以实现的目标。操作员错误或PCB缺陷的识别 - “假警报” - 可以对产量造成损失，甚至由于过度划分而甚至在PCBS本身上。通过将AI集成到制造过程中（图1)，机器可以通过接管某些“习得的”任务来增加价值，而人类专家在优化和“训练”人工智能系统的同时，继续承担更复杂的任务，这些任务需要思考和互动。这种人与人工智能的结合提高了整体效率和操作，是人工智能专家系统的最大机遇。

AI和Industry 4.0

PCB制造的未来是一个拥有完全集成的工业4.0系统的工厂，在全球和制造系统层面上具有人工智能。“全球”级别包括整个工厂的所有系统，而不仅仅是单个的制造系统。工业4.0提供了自动化和数据交换基础设施，使实时生产分析、双向通信和数据共享、可追溯性和按需数据分析成为可能。在任何工厂内，人工智能都可以利用从各种制造系统和机器中获取的数据来改善流程，这些数据通过工业4.0机制收集，如可追溯性、双向通信等。工厂受益的原因是人工智能分析大量的系统范围的数据，以优化工厂设置参数，实现最高水平的生产力和产量。人工智能分析和自我学习是通过人工神经网络进行的。在几年内，它将消除人工操作的干预，并导致建立完全自动化的工厂。

这款新型PCB制造模型的要求将包括所有工厂系统的完全连接，以及AI作为监测和决策机制。目前，有专有的和技术挑战限制了PCB工厂的完整自动化，因此今天的AI被添加到各个系统中，例如自动化光学检查（AOI）解决方案，尽可能。移动生产设施朝向全球AI模型的优点包括更可靠的PCB缺陷通知 - “真实缺陷” - 具有识别问题的源头的反馈循环的巨大优势，然后自动修改工厂流程以消除相关的工厂流程缺陷。

人工智能的子集，包括机器学习和深度学习，将推动PCB工厂走向全自动化的目标。机器学习使用的算法，使计算机能够利用数据和它已经经历和学习到的例子来提高任务的性能，而不需要明确地编程来这样做。在PCB制造中，机器学习有助于提高产量，改善制造操作和流程，减少人工操作，同时帮助驱动工厂资产、库存和供应链的更高效处理。

深度学习将AI带到更复杂的水平 - 一个在全球工厂系统级别有益的水平。深入学习受到人类大脑的学习，理解和外推使用多方面的多层人工神经网络的能力的启发。在PCB工厂中，软件专家系统有效地从收集数据中的洞察力，模式和上下文的复杂表现中学习。然后，学习形成PCB制造中自动化过程改进的基础。

机器学习和深度学习的实施为PCB制造商提供了超越人类理解的能力;也就是说，AI系统通过深入和人类甚至认为探索的地方发现了新的优化机会。AI专家系统非常高效，减少了通过使用额外的更复杂的参数来监控全球水平的工厂系统所需的人力专家数量和最佳实践。

使用工业4.0传感器(那些可以从设备发送数据的传感器)和系统，数据在全球范围内创建整个PCB制造过程，从简单的读写能力到先进的工艺参数跟踪到最小的PCB单元。工艺参数包括蚀刻、抗蚀开发和制造过程中化学材料的浓度。通过深度学习对这些类型的数据进行分析，以优化制造方法和参数，识别模式，并对工艺中所需的变化做出明智的决定。所有这些都可以一天24小时，一周7天，以完全自动化的方式进行。

系统级的人工智能

在系统层面，目前PCB制造地板上的人工智能实现展示了对生产率和产量的可衡量的影响，例如，AOI过程。在这种情况下，正是机器学习大大减少了检测PCB缺陷时的人为错误。PCB缺陷的例子包括短路和开路，或过量的铜，甚至微量。自动化检查可以检测出非常小的缺陷，这些缺陷可能无法通过人工检查发现，也可能由于人为错误(重复工作的自然结果)而被遗漏。

在不使用AI的情况下对100个面板的经典检查通常识别每个面板20至30个缺陷，其中约75％可能是误报。由于政策决定必须手动审查所有缺陷，因此对误报的审查浪费了宝贵的生产时间，增加了PCB的处理，这可能导致新的损害，并在可能的审查期间开辟了进一步虚假分析的可能性累，过度劳累或分心。

在AOI系统上使用机器学习，这样的错误警报和维修大大减少(图2）。较少的错误警报意味着较少的面板的处理本身将增加产量。此外，AI提供了一致的（和动态改善）缺陷的分类，而无需人为操作员中固有的限制，提供更可靠的结果和减少验证时间。根据orbotech内部研究，已发现AOI系统中的AI在AOI系统中减少了多达90％的误报。AOI在某种程度上是唯一的，因为系统收集更多的数据，而不是任何其他制造解决方案，这使得它作为AI实现中的第一步是非常合适的。与此同时，AOI室是PCB工厂最具劳动密集型的地区，因此，最多的是通过AI进入其流程中的最多。对于PCB制造商来说，这一切都意味着可以更准确地识别和分类数百万缺陷，其可能产生更高的产量和降低成本。

全球和系统级AI一起工作

下面是一个AI在系统和全局层面上工作的例子:假设一个AOI系统检查100个面板。在系统层面，由机器学习驱动的人工智能会过滤掉误报警缺陷，这些缺陷被系统归类为短路。AI系统通过评估多个AOI图像生成最聪明的分类结果，同时利用其“面板理解能力”(AOI解决方案对面板上的元素及其外观的理解)。这些信息反馈给全球人工智能系统，由深度学习驱动，从系统级解决方案收集这些数据，并确定确定的真正缺陷是短，需要额外的蚀刻时间来去除多余的铜。AI系统使用系统级别的数据来做出全局决策，以调整蚀刻过程中的面板参数，从而使未来生产的所有面板具有更少(如果有的话)相同类型的缺陷。最终，系统级解决方案之间的沟通将进一步增加和提高全球层面人工智能的决策能力。

制造业的挑战增加

尽管人工智能的发展正在整个行业范围内迅速发展，但PCB制造面临的挑战至少也在以同样的速度增加，甚至更多。两个主要领域的缺陷检测越来越困难的是弯曲材料和收缩的轨迹线几何。下一代复杂材料，如液晶聚酰胺(LCP)和改性聚酰胺(MPI)，给制造商带来了新的挑战，包括图像采集、处理、变形和更细的线条。例如，用于柔性pcb的更复杂的材料会导致更多的缺陷被识别，从而导致更多的假警报。制造商使用这种复杂材料的目的是在确定假警报的过程中尽量减少面板的处理。Flex多氯联苯(图3)是一种很可能从AI实现中获益的产品类型，因为系统将学会在更严格的参数内制造。

用于5G的多氯联苯是另一种需要比目前更高制造精度的应用，并有潜力从人工智能带来的专业知识中获益。5G应用所需的HDI pcb要求更细的线宽、直边墙几何形状和高度严格的参数。这使得缺陷检测比以往任何时候都更加困难，而且对于人类专家来说，有效地完成缺陷检测将是一项极具挑战性的工作。

考虑到这些和其他未知的PCB制造挑战，人工智能驱动的工厂将成为未来生产的关键。人工智能在全球层面的应用还需要一段时间才能在PCB制造中取得成果，但很明显，系统级人工智能的实现已经到来，形成了未来全自动PCB工厂的基础。

-Meny Gantz.是奥博科技印刷电路板(PCB)部门的营销副总裁。