SolVision成功案例

組裝電路板(PCBA)製程優化解決方案

利用AI視覺檢測PCBA插件是否正確

什麼是PCBA? PCB、電路板、PC板?

PCB與PCBA的差異就在「PCBA = PCB + Assembly」,也就是沒有組裝電子元件的板子叫PCB,而已經組裝完成電子元件的板子則稱之為PCBA。PCBA其實是「Printed Cicrcuit Board Assembly」的英文縮寫,也有人簡略一點叫它PCA,當然也有人叫它PWA (Printed Wire Assembly),中文我們一般稱它為「組裝電路板」或「組裝板」,不過業界中少人用以上的中文來稱呼PCBA的,一般如果一台整機內只有一片板子,會直接叫它「主板(Main board)」或直接省略叫「板子」,如果有兩片以上PCBA,則會用功能來區分主板、IO板、充電板(charging board)。

PCBA插件是否正確影響製程良率

PCBA上面集成了不同功能的電子元件、插槽及各種晶片組,製造流程繁瑣,如何提升插件及組裝的正確率,是良率提升的關鍵。

PCBA製程優化困境:人工目測容易出錯

PCBA生產流程複雜,且插件繁多,透過人員用目視的方式來檢測,容易產生誤檢或是漏檢的情形,使製程優化不易達成。

AI瑕疵檢測優化PCBA製程檢測缺陷

運用Solomon SolVision 的Anomaly Detection Tool非監督式檢測工具,學習PCBA Golden Sample的影像做AI模型訓練,可辨識欲檢測的PCBA與Golden Sample差異之處並標示為不良,使檢測效率大幅提升。

PCBA 插件缺陷檢測

PCBA標準樣本

PCBA電容極性錯誤與缺件

PCBA缺陷樣本

PCBA底座缺件

相關文章
  • transparent IV bag on a clear background

    透過AI進行輸液袋異物檢測

    如何透過搭載AI的SolVision視覺系統達到100%的輸液袋異物檢測率?馬上了解更多高效AI檢測在醫療生技產業的應用實例。
  • pile of shiny metal bolts

    金屬螺栓AI視覺瑕疵檢測

    SolVision 瑕疵檢測確保每個螺栓僅需 49 毫秒即可實現 100% 的完美缺陷檢測率,解決反射表面難題並消除漏檢。
  • 細胞病變辨識及分類解決方案

    切片顯微影像中細胞的外觀不固定,細胞病變發生的位置、型態也十分隨機,導致每位醫師對於癌細胞的判斷及圈選標準不盡一致,更無法透過傳統光學檢測以撰寫邏輯方式判斷癌細胞的型態。資料擴增結合AI深度學習技術可以更快速準確地判讀細胞特徵!
  • 安規認證標章印刷瑕疵檢測

    國內外安規認證的標章眾多,例如CE、EAC等,各有不同的標章圖示。過多的版面資訊在大量印刷過程中不易檢出多印或漏印的情形,可能影響商品的販售及使用。應用SolVision AI影像工具,訓練AI模型。訓練完成的AI模型即會自動檢出並標示所有差異地方,即為版面的印刷瑕疵。