Maraming iba't ibang problema ang maaaring mangyari sa PCB Assembly. Kabilang dito ang mga nawawalang bahagi, mga displaced o twisted wire, paggamit ng mga maling bahagi, hindi sapat na paghihinang, sobrang kapal ng mga joint, baluktot na IC pin, at kawalan ng basa. Upang maalis ang mga depektong ito, ang maingat na inspeksyon ng mga naka-assemble at soldered na bahagi ay mahalaga. Gayunpaman, ang mga bahagi ay naging napakaliit sa paglipas ng mga taon, at ang 3D AOI ay ginagamit upang makahanap ng mga kumplikadong depekto.
Habang ang 2D AOI ay umaasa sa planar imaging upang siyasatin ang mga bahagi, gamit ang color contrast at grayscale analysis, ang 3D AOI ay gumagamit ng mga advanced na 3D imaging modules (hal., single DLP projector + multi-angle camera) upang makuha ang mga mapa ng taas at volumetric na data. Ang halatang bentahe ay ang 3D AOI ay maaaring tumukoy ng mga depekto na hindi nakikita ng mata (mga lugar na may anino, hal, sa ilalim ng matataas na bahagi tulad ng mga konektor o capacitor), na binabawasan ang bilang ng mga depekto na dumaan sa proseso ng inspeksyon at maaaring maging mas tumpak.
Mas tumpak ang mga ito dahil kumukuha sila ng maraming larawan mula sa iba't ibang anggulo. Gumagamit ang isang 3D AOI machine ng software upang ikumpara ang PCB na sinisiyasat nito sa diagram kung saan ito na-program. Pagkatapos ay iuulat nito ang anumang mga pagkakaiba, kabilang ang lokasyon, pagsukat ng mga dimensyon, at maling pagkakahanay ng mga bahagi.
Ang 3D AOI ay kritikal para sa mga advanced na sektor:
Automotive: Tinitiyak ang pagiging maaasahan para sa mga PCB na kritikal sa kaligtasan (hal., ADAS modules)
Mga medikal na device: Pinapatunayan ang integridad ng solder sa implantable electronics.
Aerospace: Nakakatugon sa mga pamantayan ng IPC Class 3 para sa mga high-reliability assemblies.
Ang ilan sa kanilang mga PCBA ay kumplikado at may mataas na density, na maaaring magdulot ng mga nakatagong panganib sa depekto, tulad ng mga smartphone, tablet, smartwatch, AR glass, electronic control unit, at advanced na driver-assistance system sa mga sasakyan, cardiac pacemaker, neurostimulator, portable monitor, industrial automation control module, 5G base station, optical communication equipment, atbp. 3D AOI upang matukoy ang mga depekto ng BGA/LGA solder ball, gaya ng mga micro-scale na bahagi tulad ng 01005 na mga bahagi ng package (0.4mm×0.2mm).
Mayroon kaming kapasidad na gumawa ng mga produktong ito na may mataas na katumpakan para sa mga customer. At bilang isang madiskarteng pamumuhunan sa pagkamit ng kahusayan sa pagmamanupaktura, gumagamit kami ng mga 3D AOI na makina upang mapabuti ang kalidad at kahusayan ng aming mga PCB assemblies.
Ang halaga ng 3D AOI ay higit pa sa pagtuklas ng depekto upang iproseso ang pag-optimize, kontrol sa gastos, at paggawa ng desisyon na batay sa data.
Pag-optimize ng Proseso
1. Sinusukat ang dami, taas, at slump ng solder paste, na nagbibigay ng real-time na feedback sa mga stencil printer (hal., pagsasaayos ng stencil pressure o squeegee speed) upang maiwasan ang mga depekto sa paghihinang sa antas ng batch.
2. Siyasatin ang iba't ibang uri ng mga PCB. Ito ay isang maraming nalalaman na tool para sa pagsusuri sa kalidad.
3. Sinusuportahan ang multi-product detection (hal., paglipat mula sa mga motherboard sa TV patungo sa mga power adapter PCB) na may <5 minutong switch time, na umaayon sa mga high-mix, low-volume na trend.
4. Nakikita ang magkahalong THT (through-hole) at SMT boards.
5. Tumingin sa magkabilang panig ng board nang sabay-sabay, mas mabilis at mas mahusay.
Kontrol sa Gastos
1. Natutukoy ang mga isyu sa paghihinang sa yugto ng SMT (kumpara sa post-assembly) ay nagpapababa ng mga gastos sa muling paggawa sa bawat board ng 70% (walang disassembly ng mga enclosure/cable na kinakailangan).
2. Ino-optimize ang thermal profiling sa mga reflow oven, na pinuputol ang basura ng enerhiya ng 15–25%.
3. Ang pagbawas sa mga rate ng pagbabalik para sa consumer electronics ay nakakatipid sa mga gastos pagkatapos ng benta at iniiwasan ang mga panganib sa pagsunod.
Paggawa ng Desisyon na batay sa data
Awtomatiko nitong matutukoy ang mga spatiotemporal na pamamahagi ng mga uri ng depekto (hal., malamig na panghinang, misalignment) upang matukoy ang mga isyu sa proseso (hal., pagkasira ng nozzle sa mga pick-and-place na makina, mga anomalya sa reflow oven).
Oras ng post: Mar-31-2025