xx99av.com-日韩成人小视频,国产成人激情视频,精品一区二区三区视频,日本麻豆一区二区三区视频

PCB制造通常依賴積累了多年經(jīng)驗的專家，他們非常熟悉并理解制造流程的每一步，知道如何利用專業(yè)知識來優(yōu)化生產(chǎn)并提高良率。但是，人類本身的局限，如錯誤和疲勞，會阻礙專家們工作進展順利。操作員錯誤，或PCB缺陷的誤判（即錯誤警報），都可能因為過度處理而影響良率，甚至損壞PCB本身。如果將AI集成到制造流程中，機器會因為接管某些“學來的”任務而增值，人類專家則可繼續(xù)承擔需要思考和互動的更復雜的任務，同時優(yōu)化和“訓練”人工智能系統(tǒng)。人類與人工智能的結合提升了整體效率和運營，這是AI專家系統(tǒng)的最大機遇。

未來的PCB制造廠將完全集成工業(yè)4.0系統(tǒng)，在全局級和制造系統(tǒng)級都擁有人工智能。“全局”級包括整個工廠的所有系統(tǒng)，而不僅僅是單個制造系統(tǒng)。工業(yè)4.0提供了自動化和數(shù)據(jù)交換基礎架構，可實現(xiàn)實時生產(chǎn)分析、雙向通信和數(shù)據(jù)共享、可追溯性以及按需數(shù)據(jù)分析。在任何特定的工廠內(nèi)，利用從各種制造系統(tǒng)和機器獲取的數(shù)據(jù)，以及通過可追溯性和雙向通信等工業(yè)4.0機制采集的數(shù)據(jù)，AI可以改進制造流程。AI通過對海量系統(tǒng)級數(shù)據(jù)進行分析，優(yōu)化工廠設置參數(shù)并實現(xiàn)最高水平的生產(chǎn)率和良率，使工廠受益。AI分析和自我學習是通過人工神經(jīng)網(wǎng)絡來實現(xiàn)的。真正的全自動工廠將在幾年之內(nèi)建立起來，完全消除人工干預。

這種新的PCB制造模型要求工廠的所有系統(tǒng)完全連接，并采用具有AI的監(jiān)控和決策機制。目前存在的一些專利和技術挑戰(zhàn)限制了PCB工廠實現(xiàn)全自動化，因此現(xiàn)在盡可能地將AI應用在單個系統(tǒng)中，例如自動光學檢測（AOI）解決方案。生產(chǎn)設施采用全局AI模型有很多優(yōu)點，例如可以更可靠地報告PCB缺陷，即“真實缺陷”，通過反饋回路找到問題的根源，并自動修改工廠流程以消除相關缺陷。

AI的子集，包括機器學習和深度學習，將使PCB工廠朝著全自動化的目標邁進。機器學習采用的算法使計算機能夠通過已采集并從中學習的數(shù)據(jù)和示例，來改進任務的性能，而無需進行明確的編程。就PCB制造而言，機器學習可提高良率，改善制造操作和流程，減少人工操作，從而有助于更有效地處理工廠資產(chǎn)、庫存和供應鏈。

深度學習將AI提升到一個更加復雜的層面，在全局工廠系統(tǒng)級十分有用。深度學習類似人類大腦使用多面、多層人工神經(jīng)網(wǎng)絡進行學習、理解和推斷的能力。在PCB工廠中，軟件專家系統(tǒng)從對采集數(shù)據(jù)的理解、模式和環(huán)境的復雜表達中有效地學習。這種學習成為PCB制造中自動改進流程的基礎。

機器學習和深度學習的實現(xiàn)為PCB制造商提供了超越人類理解的能力，換句話說，人工智能系統(tǒng)通過更深入地挖掘人類甚至想不到去開拓的領域，找到新的完善機會。AI專家系統(tǒng)十分高效，它額外使用了一些更復雜的參數(shù)，在全局層面監(jiān)控工廠系統(tǒng)，減少了所需的人類專家數(shù)量，提高了效率并獲得最佳實踐。

從簡單的讀寫功能，到對制造流程參數(shù)的高級跟蹤，再到最小的PCB單元，在整個PCB制造流程中，工業(yè)4.0傳感器（從設備端發(fā)送數(shù)據(jù)）和系統(tǒng)可產(chǎn)生全局級數(shù)據(jù)。制造流程參數(shù)可能包括蝕刻、抗蝕劑顯影以及化學材料濃縮等。采用深度學習可以對這類數(shù)據(jù)進行分析，以優(yōu)化制造方法和參數(shù)、識別模式并就流程中所需的更改做出明智的決定。所有這些都可以每天24小時、每周7天不間斷自動進行。

在系統(tǒng)級，目前在PCB制造車間實現(xiàn)AI已經(jīng)對生產(chǎn)率和良率產(chǎn)生了明顯的影響，AOI過程就是一個例子。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。比如，PCB缺陷包括短路、斷路、過量的銅。自動化檢測可以發(fā)現(xiàn)微小缺陷，這種缺陷可能是人工檢測無法發(fā)現(xiàn)的，或者可能由于人為錯誤而遺漏，它們很自然會導致重復工作。

在不使用AI的傳統(tǒng)檢測中，例如檢測100個面板，通常每個面板會發(fā)現(xiàn)20至30個缺陷，其中大約75％都屬于誤報。由于政策規(guī)定所有缺陷必須再次使用手工檢查，審查誤報缺陷浪費了寶貴的生產(chǎn)時間，增加了對PCB的處理，并且可能導致新的損壞。當操作員疲累、過勞或分心時，可能進一步出現(xiàn)錯誤分析。

在AOI系統(tǒng)中采用機器學習可以顯著減少這類誤報，從而減少修復工作（圖2）。誤報越少，對面板的處理就越少，這本身就會提高良率。此外，AI對缺陷的分類更加一致，并且能夠不斷改進，而不像人類操作員那樣存在一些固有的限制，從而提供更可靠的結果，減少了驗證時間。根據(jù)Orbotech的內(nèi)部研究，AOI系統(tǒng)中的AI可以減少誤報高達90％。AOI的獨特之處在于，其系統(tǒng)收集的數(shù)據(jù)比其他任何制造解決方案都多，因而非常適合作為AI實施的第一步。同時，AOI室是PCB工廠中勞動最密集的場所，因此在其流程中采用AI受益也最大。對PCB制造商而言，這意味著可以更準確地識別數(shù)百萬個缺陷并對它們進行分類，從而有可能提高良率并降低成本。

我們以一個AOI系統(tǒng)檢查100個面板為例，了解AI在系統(tǒng)級和全局級是如何工作的。在系統(tǒng)級，由機器學習支持的AI可以過濾出被系統(tǒng)分類為短路的誤報缺陷。AI系統(tǒng)通過評估多個AOI圖像，同時利用對“面板的理解”（即AOI解決方案對面板上的元件及其外觀的理解），生成最智能的分類結果。將該信息輸入由深度學習驅(qū)動的全局AI系統(tǒng)，從系統(tǒng)級解決方案中采集這些數(shù)據(jù)，并確定那些真正的短路缺陷（需要用額外的蝕刻工藝去除多余的銅）。AI系統(tǒng)利用系統(tǒng)級數(shù)據(jù)做出全局決策，以調(diào)整蝕刻工藝中的面板參數(shù)，使將來制造的所有面板上的同類缺陷（如果有的話）減少一些。系統(tǒng)級解決方案之間的互通最終將進一步增強和改善AI的全局級決策能力。

AI在整個行業(yè)內(nèi)快速發(fā)展，它在PCB制造中也以同樣的速度面臨挑戰(zhàn)。隨著柔性材料的采用以及走線幾何形狀越來越小，缺陷檢測更加困難。液晶聚酰胺（LCP）和改性聚酰胺（MPI）等下一代復合材料給制造商提出了新的挑戰(zhàn)，包括圖像采集、處理、變形和更細的走線。柔性PCB的材料越復雜，識別出的缺陷就越多，誤報也會更多。制造商使用這種復合材料，是為了在確定誤報的過程中最大程度地減少對面板的處理。因此，AI的實施將使柔性PCB這種產(chǎn)品類型大大受益，因為系統(tǒng)將學習以更嚴格的參數(shù)進行制造。