日本語 
ルールベースの自動光学検査 (AOI) は、最新の高密度 PCBA 回線では失敗します。 01005 コンポーネントまたは高密度に実装された BGA ボードを検査する場合、静的しきい値に依存することはできません。 AI による欠陥検出は、あらゆる重大な表面実装技術 (SMT) 操作のベースライン要件として機能します。高い誤通話率と長い手動レビュー時間により、回線速度が低下します。これらは歩留まりを破壊し、オペレーターを疲弊させ、二次的な検査エラーに直接つながります。
生産管理者は工場現場で絶え間ない戦いに直面しています。従来の決定論的アルゴリズムでは、許容可能なプロセス変動と、実装密度の高い基板上の実際の欠陥とを区別するのが困難でした。シルクスクリーン印刷のわずかなずれや無害なフラックス残留物によって機械が停止することがよくあり、人間のオペレーターが完全に良好な基板を確認する必要があります。
私たちは、大手企業 2 社が 3D AOI ハードウェアと AI ソフトウェアを設計してこれらのボトルネックを解決する方法を評価しています。検査ヘッドの正確な仕組み、機械学習フレームワーク、および実際の工場現場で検査ヘッドがどのように機能するかを見ていきます。この内訳は、インライン パフォーマンス、欠陥回避率、実際のプログラミング効率に重点を置くというマーケティング上の主張を取り除きます。
AI プログラミングの効率: 新製品導入 (NPI) のセットアップ時間と自動プログラム生成に関して、Viscom の vAI ProVision フレームワークと SAKI 独自の AI エンジンを比較してください。
誤検知の削減とスマート レビュー: 各システムが許容誤差と重大な欠陥をどのように区別するか、および AI 支援レビュー ステーションが手動検証時間をどのように最小限に抑えるかを評価するための重要な指標を強調します。
ディープ 3D 検査: 両ブランドが高度なイメージング技術とインテリジェントなアルゴリズムを使用して、隠れた欠陥や背の高いコンポーネントの影にどのように取り組んでいるかを要約します。
統合とスケーラビリティ: スマート ファクトリー コンプライアンス、閉ループ MES 統合、および継続的な機械学習の改良に対する両方のプラットフォームの準備状況について概要を説明します。
目次
AOI のパフォーマンスは、カメラの解像度や最大検査速度だけでなく、実際の SMT ラインで測定する必要があります。工場の振動、照明の変化、温度変化は、画質や検査精度に影響を与える可能性があります。信頼性の高い AOI システムは、実際の生産条件下でも安定したパフォーマンスを維持する必要があります。
AI は、AOI システムがはんだ接合部やコンポーネントの配置の通常の変動を認識し、不必要な誤った呼び出しを減らすのに役立ちます。最新のシステムは、欠陥レビュー中にオペレーターのフィードバックから学習することもできます。これにより、手動検査時間が短縮され、オペレータの作業負荷が軽減され、時間の経過とともに検査効率が向上します。
SAKI は、高解像度カメラと多周波数位相シフト投影を組み合わせて、正確な 3D 検査を実現します。多方向照明は、背の高いコンポーネントからの影を軽減し、高密度 PCBA 上の隠れた領域を含むコンポーネントやはんだ接合部の Z 軸測定を改善します。
SAKI は AI を使用して CAD およびガーバー データをインポートし、コンポーネント ライブラリを構築し、初期検査設定を自動的に作成します。また、その AI は 3D はんだ接合データを分析して、リードの浮き、ブリッジ、はんだ不足などの欠陥を検出し、手動プログラミングや 2D 視覚チェックの必要性を減らします。
SAKI は、安定した検査と低い誤判定率が重要な大量生産に適しています。その NPI プロセスは、CAD データ、コンポーネント ライブラリ、AI 生成パラメータ、および実際のボードを使用した自動チューニングを組み合わせます。ただし、AI モデルが信頼できるようになるまでに、オペレーターには追加のトレーニングが必要な場合があり、カスタム コンポーネントにはより多くの検査データが必要になる場合があります。
標準の 2026 センサー ヘッド テクノロジーは、 Viscom AOI マシンの 光学データ取得に対する高度に専門化されたアプローチを表しています。 Viscom は、中央の高解像度直交センサーを囲むマルチアングル カメラ システムに大きく依存しています。このアレイは、高度なフリンジ投影モジュールと連携して動作します。プロジェクターはボード全体に正確な光のパターンを投影し、角度を付けたカメラはコンポーネント上のこれらのパターンの変形を捉えます。
Viscom は、隠れた欠陥を特定するためにこのハードウェア構成を特別に設計しています。斜めのカメラは特定のコンポーネントのエッジの下を覗き込み、上から見ると隠れたままになっている J リード パッケージのフィレットを検査します。ディープ 3D 検査は、この多視点データに完全に依存しています。このシステムは、PCBA の高精度 3D モデルを再構築し、ソフトウェアがはんだの量とコンポーネントの同一平面性を非常に正確に測定できるようにします。
Viscom の vAI ProVision は、AI を使用して CAD データを分析し、コンポーネント タイプと IPC 規格に基づいて検査設定を自動的に作成します。検査領域の描画や高さ制限の設定などの手作業が軽減され、エンジニアが検査プログラムをより迅速に作成し、より複雑なコンポーネントに集中できるようになります。
Viscom は、自動車や航空宇宙製造などの多品種で信頼性の高い生産に適しています。同社の vAI ProVision ソフトウェアは、より高速な NPI と頻繁な製品変更をサポートする一方、マルチアングル検査は厳格な検査要件を満たすのに役立ちます。ただし、より複雑な検査タスクでは、追加のセットアップとシステム統合が必要になる場合があります。
ハードウェアとソフトウェアの違いを理解するために、両方のシステムが検査プロセスにどのようにアプローチするかを見てみましょう。
システムの特徴 | SAKI建築 | ビスコムのアーキテクチャ |
|---|---|---|
一次センサーの設計 | 位相シフト付きの高解像度直交 | マルチアングルカメラアレイと組み合わせた直交 |
シャドウ軽減戦略 | 多方向構造光投影 | 物理的な角度カメラ検査とフリンジ投影 |
NPI ソフトウェア エンジン | 一元的なAIオートチューニング | vAI ProVision 分散モデル |
理想的な生産環境 | 大量、少量の連続運転 | 多品種・高信頼性（自動車・航空宇宙） |
vAI ProVision の機能を最大限に活用するには、多くの場合、Viscom 独自のデータ管理ツールとの緊密な統合が必要になります。マルチアングル センサー ヘッドのハードウェア フットプリントも競合システムよりも大きくなる可能性があるため、既存の SMT ラインに慎重に統合する必要があります。すべての角度からのカメラからのデータを利用する複雑な AI 評価は同時に処理オーバーヘッドをもたらし、非常に高密度の基板のサイクル タイムにわずかな影響を与えます。
SAKI と Viscom AOI マシン を比較するには 、それぞれのニューラル ネットワークが許容可能な PCB の変動をどのようにフィルタリングするかを分析する必要があります。シルクスクリーンのずれ、フラックス残留物、および基板の軽度の変色は、従来のシステムで誤検知を引き起こします。 SAKI は、2D の色の変化よりも 3D の地形データを優先することで、これらの視覚的異常をフィルタリングする高度に集中化された AI モデルを利用しています。 Viscom のニューラル ネットワークは、マルチアングル画像データを活用して異常を相互参照し、フラックス残留物によって生じる影がはんだフィレットの欠落と誤って解釈されないようにします。
AI 信頼度のしきい値の詳細な制御は、2 つのプラットフォーム間で異なります。 Viscom は、vAI ProVision モデルの厳密さを調整するための詳細なスライダーをエンジニアに提供し、その場での素早い調整を可能にします。 SAKI のシステムは、継続的な学習ループに基づいてこれらのしきい値を自動化し、手動介入の必要性は少なくなりますが、即時性が若干劣る手動オーバーライド機能を提供します。どちらのシステムも隠れた欠陥のディープ 3D 検査を効果的に処理しますが、Viscom の物理カメラ角度は、深刻なシャドウイングのある非常に複雑な PCBA ジオメトリの検査に優位性をもたらします。
SAKI と Viscom はどちらも、AI 支援レビュー システムを使用して手動検査時間を短縮しています。 SAKI は鮮明な 3D 欠陥画像と参照画像を提供し、Viscom は複数のカメラ ビューとより詳細な検査データを提供します。どちらのシステムもオペレーターのフィードバックから学習して、時間の経過とともに繰り返される誤通話を減らすことができます。
どちらのシステムもオフライン プログラミングに CAD およびガーバー データを使用しますが、ワークフローは異なります。 SAKI は安定した検査に重点を置いた構造化された AI チューニング プロセスを使用しますが、Viscom の vAI ProVision は事前トレーニングされた AI モデルを使用してプログラムをより迅速に作成し、NPI 中の手動セットアップを削減します。
SAKI と Viscom は、MES および他の SMT 機器との統合のために IPC-CFX をサポートしています。どちらのシステムも、AOI のデータを SPI およびピックアンドプレイス マシンと共有して、プロセスの変更を特定し、自動修正をサポートできます。これにより、欠陥が減少し、生産管理が向上します。
SAKI と Viscom は、独自のエンジニアリング哲学を持ってエレクトロニクス製造の課題に取り組んでいます。 SAKI は、最大限のインライン一貫性を実現するために、堅牢な光学ハードウェアの安定性と高度に集中化された自動化された AI チューニングを優先します。 Viscom は、多角度センサーの取得と、vAI ProVision を通じた迅速なソフトウェア展開に重点を置き、高混合、高複雑な環境を支配します。
長期にわたる生産稼働、既存の SAKI フリートの互換性、および環境変数に対する絶対的な耐性を優先する施設は、SAKI を最終候補に挙げる必要があります。迅速な NPI ターンアラウンド、隠れた欠陥に対する厳格な 3D コンプライアンス、AI パラメーターのきめ細かな制御が要求される環境では、Viscom のアーキテクチャが非常に効果的であることがわかります。
AOI の評価を進めるには、次の手順を実行します。
最も複雑な PCBA のテスト バッチをコンパイルします。これには、既知の過去の欠陥エスケープがあるボードが含まれます。
アクティブな SMT フロアで両方のベンダーとのインライン トライアルをスケジュールし、実際の熱と振動条件下で実際の誤通話の削減を測定します。
現在の機械オペレーターとソフトウェア インターフェイスを評価して、学習曲線を測定し、ステーションの人間工学を確認します。
IPC-CFX と既存の製造実行システム (MES) の互換性を検証して、閉ループ データ ログが正しく機能することを確認します。
A: Viscom は、ニューラル ネットワークと 3D 縞投影データを統合しています。 AI は、コンポーネントまたははんだ接合部のマルチアングル 3D トポグラフィーを分析します。機械学習モデルは、厳密な幾何学的規則に依存するのではなく、許容可能なはんだフィレットとコンポーネントの配置の自然な変動を理解します。これにより、真の重大な欠陥と許容可能なプロセスの変動を区別できるようになり、誤報や手動レビュー時間が大幅に削減されます。
A: Viscom は一般に、vAI ProVision ソフトウェアにより、NPI の所要時間が短縮されます。このソフトウェアは、インポートされた CAD データに事前トレーニングされた AI モデルを積極的に適用して、検査パラメータを自動的に生成します。 SAKI は自動プログラミング ツールを備えていますが、そのワークフローでは、最初の数枚の物理ボードでより系統的な AI 主導の調整フェーズが必要であり、即時のセットアップ速度よりも長期的な安定性が優先されます。
A: はい。どちらのプラットフォームも、スマート ファクトリー エコシステム向けに完全に装備されています。 IPC-CFX や SECS/GEM などの業界標準の通信プロトコルをサポートします。これにより、既存の製造実行システム (MES) とのシームレスな統合が可能になり、リアルタイムのデータ ロギング、トレーサビリティ、および他の SMT ライン機器との閉ループ フィードバックが実現します。
A: どちらのマシンも高度なイメージングを使用して基板のトポグラフィーをマッピングします。 SAKI は、多方向の構造化光投影を利用して、背の高いコンポーネントによって生じる影を排除します。 Viscom は、フリンジ投影と組み合わせたマルチアングル カメラ システムを採用し、コンポーネントのエッジの下を物理的に覗き込みます。次に、インテリジェントなアルゴリズムがこのデータを正確な 3D モデルに再構築し、隠れたはんだ接合部を検査します。
A: ハードウェアのメンテナンスには、Z 軸の精度を確保するための定期的な光学キャリブレーション、センサー レンズのクリーニング、プロジェクターの位置合わせの検証が含まれます。ソフトウェアのメンテナンスも同様に重要です。エンジニアは、一元化されたコンポーネント ライブラリを継続的に更新し、コンポーネント サプライヤーや PCB の製造者が変更されたときにシステムに新しいデータを供給することで AI モデルのドリフトを管理する必要があります。
A: AI モデルは、継続的な学習機能とスマートなレビューのフィードバック ループを通じて適応します。オペレーターが新しいコンポーネントの異常を誤検知として分類すると、システムは内部の重み付けを更新します。エンジニアは、アクティブな生産を停止することなく、AI CAD データと新しい部品のサンプル画像をフィードすることで、一元化されたコンポーネント ライブラリをオフラインで更新します。
