文章来源：由「百度新聞」平台非商業用途取用"http://m.elecfans.com/article/1116199.html"

圖1.AI可以幫助PCB工廠提高質量。人工智能與工業4.0PCB發展的最終趨勢是擁有完全集成Industry4.0系統的工廠，該系統在全球和制造系統級別采用AI技術。全局級別包括工廠中的所有系統，而不僅僅是單個制造系統。工業4.0提供了自動化和數據交換基礎結構，可實現實時生產分析，雙向通信和數據共享，可追溯性以及按需數據分析。在任何特定的工廠內，AI都可以使用從各種制造系統和機器獲取的數據來改進流程，這些數據是通過工業4.0機制（例如可追溯性，雙向通信）收集的。工廠之所以受益，是因為AI分析了大量的系統范圍數據以優化工廠設置參數并實現最高水平的生產率和良率。人工智能分析和自我學習正在進行中，并通過人工神經網絡進行。幾年之內，它將消除人工操作人員的干預，并導致建立全自動工廠。這種新的PCB制造模型要求將所有工廠系統完全連接以及AI作為監視和決策機制。當前，存在專有和技術挑戰，這些問題限制了PCB工廠的完全自動化，但AI已盡可能地添加到單個系統中，例如自動光學檢查（AOI）解決方案。將生產設施移向全球AI模型的優勢包括，可以更可靠地通知PCB缺陷-真實缺陷，并具有反饋機制，該反饋環可以識別問題的根源，然后自動修改工廠流程以消除相關問題缺陷。AI的子集，包括機器學習和深度學習，將使PCB工廠朝著完全自動化的目標邁進。機器學習使用的算法使計算機能夠使用數據及其已經經歷并從中學習的示例來改進任務的性能，而無需對其進行明確的編程。就PCB制造而言，機器學習可提高產量，改善制造操作和工藝流程并減少人工操作，同時有助于推動對工廠資產，庫存和供應鏈的更有效處理。深度學習將AI提升到一個更加復雜的水平，這在全球工廠系統水平上是有益的。深度學習的靈感來自人腦神經元，多層人工神經網絡進行學習，理解和推斷的能力。在PCB工廠中，軟件系統可以有效地收集的數據，并利用模式和上下文的復雜表示中學習，然后，學習將形成PCB制造中自動過程改進的基礎。機器學習和深度學習的實施為PCB制造商提供了超越人類理解的能力；人工智能系統通過在人們不愿探索的地方進行更深入的挖掘來發現新的優化機會。AI專家系統非常高效，通過使用更多更復雜的參數在全球范圍內監控工廠系統，減少了所需的人工專家數量，并提高了效率和最佳實踐。利用工業4.0傳感器（可以從設備發送數據的傳感器）和系統，在整個PCB制造過程中，從簡單的讀寫功能到對工藝參數的高級跟蹤，直至最小的PCB單元，都可以在全球范圍內創建數據。工藝參數可以包括蝕刻，抗蝕劑顯影甚至到制造過程中化學材料的濃縮。使用深度學習對這些類型的數據進行分析，以告知優化制造方法和參數，識別模式并就流程中所需的更改做出明智的決定。所有這些都可以全天候，每周7天，每天24小時不間斷地進行。系統級AI在系統級別，例如在AOI流程中，PCB制造車間的AI實施對生產率和良率產生了可觀的影響。在這種情況下，機器學習極大地減少了檢測PCB缺陷時的人為錯誤。PCB缺陷的例子包括短路和斷路，甚至過量的銅都可以。自動化檢查可以檢測出很小的缺陷，這些缺陷可能是手工檢查無法發現的，也可能由于人為錯誤而遺漏的，這是重復工作的自然結果。在不使用AI的情況下，對100個面板進行的經典檢查通常會發現每個面板20至30個缺陷，其中大約75％是錯誤警報。由于政策規定必須手動檢查所有缺陷，因此對虛假警報的審查浪費了寶貴的生產時間，增加了對PCB的處理，這可能會導致新的損壞，并可能影響操作員在審查過程中的進一步犯錯。通過在AOI系統上進行機器學習，可以大大減少此類錯誤警報和維修（圖2）。更少的誤報意味著對PCB板的處理更少，也會提高效率。此外，AI提供了一致的（動態改進）缺陷分類，而沒有操作人員固有的限制，從而提供了更可靠的結果并減少了驗證時間。根據Orbotech內部研究，已發現AOI系統中的AI最多可將誤報減少90％。AOI的獨特之處在于，該系統比任何其他制造解決方案都能收集更多的數據，這使其非常適合作為AI實施的第一步。同時，AOI室是PCB工廠勞動強度最大的區域，因此，在其流程中采用AI會帶來最大的收益。對于PCB制造商而言，這一切都意味著可以更準確地識別和分類數百萬個缺陷，從而有可能提高產量并降低成本。

關鍵字標籤：enus.cheer-time.com.tw