PCB新聞 - ​ PCB使用人工智慧和機器學習

現在PCB已經發展到一個新的階段. The introduction of new technologies such as high-density interconnect (HDI) PCB and IC substrate (ICS) has made the entire production 過程 from manual to fully automated. 隨著製造技術的進一步發展, 這個過程變得越來越複雜, 缺陷檢測變得越來越重要和困難. 這些致命缺陷可能導致整個PCB壁報廢. 對於 PCB製造 工業, opportunities to use artificial intelligence (AI) and optimize the production process and ultimately optimize the entire PCB製造 過程正在出現.

PCB製造通常依賴於積累了多年知識的專家。 這些專家非常瞭解製造過程的每個步驟。 他們知道如何利用自己的知識優化生產和提高產量。 人為因素（包括誤操作和疲勞）阻礙了效率的提高。 操作員錯誤或誤認PCB缺陷（“假警報”）可能會因過度處理而影響產量，甚至損壞PCB本身。 通過將人工智慧集成到製造過程中，機器可以通過接管某些“學習”任務來新增價值，而人類專家則繼續承擔更複雜的任務，這些任務需要在優化和“培訓”的同時進行思考和互動 人工智慧系統。 人類和人工智慧的結合提高了整體效率和操作，是人工智慧系統的最大機遇。

人工智慧與工業4.0

最終趨勢 PCB開發 就是要有一個完全綜合行業的工廠4.0系統, 在全球和製造系統層面使用人工智慧科技. “全域”級包括工廠中的所有系統, 不僅僅是一個製造系統.

行業4.0提供了自動化和資料交換基礎設施，可以實現實时生產分析, 雙向通信和資料共用, 可追溯性, 和按需資料分析. 在任何特定工廠, 人工智慧可以使用從各種製造系統和機器獲得的數據來改進流程. 這些數據是通過行業4收集的.0 mechanisms (such as traceability, two-way communication). 工廠受益於人工智慧，因為人工智慧分析了大量系統範圍的數據，以優化工廠設定，實現最高水准的生產力和產量. 人工智慧分析和自學習正在進行中，並通過人工神經網路進行. 幾年內, 它將消除手動操作員干預，並導致建立全自動化工廠.

這種新的PCB製造模型需要所有工廠系統的完全連接，並將人工智慧作為監控和決策機制。 現時，存在限制PCB工廠完全自動化的專利和科技挑戰，但人工智慧已盡可能多地添加到單個系統中，如自動光學檢測（AOI）解決方案。 將生產設施轉移到全域人工智慧模型的優勢包括能够更可靠地通知PCB缺陷-“真實缺陷”，以及能够識別問題根源的迴響機制，然後自動修改工廠流程以消除相關問題和缺陷。

人工智慧的一個子集，包括機器學習和深度學習，將使PCB工廠走向全自動化。 機器學習所使用的算灋使電腦能够使用數據及其所經歷和從中學習的示例來提高任務的效能，而無需顯式程式設計。 就PCB製造而言，機器學習可以提高產量，改進製造操作和流程，减少手動操作，同時有助於促進工廠資產、庫存和供應鏈的更有效處理。

深度學習將人工智慧提升到更複雜的水准，這在全球工廠系統層面上是有益的。 深度學習的靈感來自人腦神經元，即多層人工神經網路的學習、理解和推理能力。 在PCB工廠中，軟件系統可以有效地收集數據，並從模式和上下文的複雜表示中學習。 然後，學習將形成PCB製造中自動工藝改進的基礎。

機器學習和深度學習的實現為PCB製造商提供了人類無法理解的能力； 人工智慧系統通過深入挖掘人們不願意探索的地方來發現新的優化機會。 人工智慧專家系統非常高效。 通過使用越來越複雜的參數在全球範圍內監控工廠系統，它减少了所需的人力專家數量，提高了效率和最佳實踐。

在整個PCB製造過程中，使用工業4.0感測器（可以從設備發送數據的感測器）和系統，從簡單的讀寫功能到先進的工藝參數跟踪，直至最小的PCB單元，可以在全球範圍內創建數據。 工藝參數可以包括蝕刻、抗蝕劑顯影，甚至包括製造過程中化學資料的濃度。 使用深度學習來分析這些類型的數據，以告知優化的製造方法和參數，識別模式，並就過程中所需的更改做出明智的決策。 所有這些都可以每天24小時、每週7天、每天24小時、每週7天執行。

系統級人工智慧

在系統級，例如在AOI過程中，在PCB製造車間實施人工智慧對生產率和產量有很大影響。 在這種情況下，機器學習大大减少了檢測PCB缺陷時的人為錯誤。 印刷電路板缺陷的例子包括短路和開路，甚至過多的銅。 自動檢測可以檢測非常小的缺陷。 這些缺陷可能無法通過手動檢查發現，或者可能由於人為錯誤而遺漏。 這是反復工作的自然結果。

通過在AOI系統上執行機器學習，可以大大减少此類誤報和修復。 更少的誤報意味著PCB板的處理更少，這也將提高效率。 此外，人工智慧提供了一致的（動態改進的）缺陷分類，沒有操作員的固有限制，從而提供了更可靠的結果，减少了驗證時間。 根據Orbotech的內部研究，已經發現AOI系統中的人工智慧可以减少高達90%的誤報。 AOI的獨特之處在於，該系統可以收集比任何其他製造解決方案更多的數據，這使得它非常適合作為人工智慧實現的第一步。 同時，AOI室是PCB工廠最勞動密集的區域。 囙此，在其過程中使用人工智慧將帶來最大的好處。 對於PCB製造商來說，所有這些都意味著可以更準確地識別和分類數百萬個缺陷，這可能會提高產量並降低成本。

雖然人工智慧在整個行業中發展迅速，但PCB製造業面臨的挑戰也在以同樣的速度增長，甚至更快。 對於柔性資料和减少的軌跡幾何形狀，缺陷檢測有兩個困難領域。 下一代複合材料，如液晶聚醯胺（LCP）和改性聚醯胺（MPI），為製造商帶來了新的挑戰，包括圖像採集、處理、變形和更細的線條。 例如，用於柔性PCB的資料越先進，識別的缺陷就越多，從而導致更多的誤報。 製造商使用這種複合材料的目的是在確定假警報的過程中儘量減少對面板的處理。 囙此，Flex PCB是一種可能從AI實施中受益匪淺的產品類型，因為系統將學會在更嚴格的參數內進行製造。 5G的PCBA是另一種高要求的PCBA，有可能從人工智慧支持的專業知識中受益匪淺。 5G應用所需的HDI PCB需要更細的線寬、直的側壁幾何形狀和嚴格的參數。 這使得缺陷檢測比以往任何時候都更加困難，對人類專家來說，有效地完成缺陷檢測將是極具挑戰性的。

考慮到這些和其他未知因素 PCB製造 挑戰, 人工智慧驅動的工廠將成為未來生產的關鍵. 在全球範圍內實現人工智慧應用程序的開發, 這需要更多的時間來實現 PCB製造, 但很明顯，系統級人工智慧的實現已經到來, 為全自動化的未來奠定基礎 PCB工廠.