出现了质量问题（质量问题发生后如何处理）

宏科深知，制造业努力追求高质量标准，目标是实现0%质检漏检。这在医疗、航空航天和国防市场等受到严格监管的行业中尤其明显。

自动光学检测(AOI) 自诞生以来已经取得了长足的进步。如今的AOI 机器配备了最新的2D/3D 检测技术，通常用于生产的不同阶段，从生产开始时的裸板检测，一直到回流焊后的生产。

对于表面贴装技术(SMT) 检测，AOI 是检测缺陷、缺失或添加元件、错误元件、焊接质量、焊膏不足，甚至翻转和倾斜元件的重要工具。

AOI 系统的工作原理是将机器内摄像机捕获的图像与已知的良好参考板进行比较。该方法通过模式或模板匹配来工作，还可以从数据文件中提取组件信息进行检测。

传统的AOI 可能需要花费大量时间来编程检查，但一旦完成，就无需在生产过程中手动检查每块板，从而节省了时间。对于较短的运行或快速原型，操作员可能会发现设置AOI 的时间权衡并不值得，手动目视检查或其他更传统的方法可能更合适。

如果您从电子制造商的角度来看整个流程，您会发现AOI是在生产流程早期发现错误的关键因素。数据显示，越早发现制造错误，成本就越低。客户发现错误可能会导致索赔，这对制造商来说是最大的损失，因为这可能意味着完全更换产品。

那么，除了AOI 流程之外，质量问题还会出现在哪里呢？以下重点介绍了生产过程中错误和漏检风险较高的区域。

问

您如何知道该部分是否正确？

让我们看看国防部门的定制连接器。对于从供应商处收到的零件，很容易忽视最轻微的缺陷。例如，您可能从供应商收到的零件的连接器旋转不正确。这些错误在离开供应商工厂之前未被发现，并且您的团队在收到零件时也没有注意到这些缺陷。

也许旋转连接器的错误直到被焊接上去才被注意到。此时，缺陷已经变得非常昂贵。仅依靠对来料零件进行手动目视检查可能会在生产的最初阶段存在遗漏错误的巨大风险。

问

如何确保极性等方面没有错误？

焊接或返工通孔元件时，如何确保没有放置错误、元件类型、极性或损坏？

虽然SMT 元件因尺寸、电气性能和成本而变得越来越受欢迎，但通孔元件在强度和长期兼容性方面提供了额外的优势。这对于国防和航空航天等行业尤其重要，在这些行业中，冲击和振动测试对于确保强度的设计至关重要，并且需要较长的生命周期来保持兼容性。

同样重要的是要记住，并非所有元件都可以采用SMT 进行设计，尽管大多数PCB 板设计都会使用SMT，但仍然有一些元件需要手动焊接通孔。由于这是在流程后期手动完成的，因此通常通过目视进行检查。风险在于，由于焊接步骤和检查步骤都涉及手动操作，因此有很大的机会错过质量检查。

同样，当AOI 系统发现缺陷时，需要返工来纠正问题并提高产量（而不是扔掉电路板）。返工通常由人工进行，也由人工进行人工检查。它不会被发送回AOI 机。这可能会以多种不同的方式增加风险。首先，这是正确的返工流程吗？第二，返工过程中是否还有其他部分受到错误影响？

例如，假设需要更换直流到直流(DC-DC) 转换器并重新加工电路板。元件更换成功，但返修后的电路板客户收到后仍然无法工作。仔细检查后发现，电路板的一些附加元件在返修过程中意外“熔断”，导致故障。通过快速目视检查，故障就消失了。

通过在最终检验的离线检验过程中实施机器视觉摄像系统，可以最大限度地减少上述类型的错误，以确保客户获得卓越的质量。这些系统可以用作工具，帮助检查员在目视检查过程中在产品出厂前发现意外错误。

问

过程中哪里出现了错误？

在最终包装阶段使用机器视觉相机作为“跟踪和追溯”系统的一部分可能是加强质量控制的另一个领域。每块板的图像都会自动保存到数据库中，无需为现有流程增加额外的时间。

这样做的好处是，如果客户提出索赔，制造商可以在板子出厂前获取图像副本以确认板子的状态。这是一种创建数字生产记录的简单有效的方法，同时可以节省解决客户索赔的时间和精力。

机器视觉相机和基于软件的系统最近已经达到了更容易实现的价格点，以及可以轻松与现有相机集成的无代码软件工具。

通过将视觉系统与可追溯性和数字化检测功能相结合，制造商和质量控制经理能够通过鸿科开箱即用的解决方案业务提供针对AOI 错误的二次检查来缩小质量差距并保护自己。

鸿科AI网关

主要特征：

1. 使用现有的检测硬件、软件和最终用户流程。

2. 支持GigEVision、USB3 Vision、CameraLink或MIPI等多种接口协议。

3.强大的NVIDIA GPU可以部署开源或自定义算法，包括预先训练的TensorFlow深度学习模型和使用OpenCV等开源库开发的Python插件。

鸿科AI软件平台

主要特征：

直观的、基于网络的eBUS AI Studio 平台允许任何用户（从非程序员到高级开发人员）设计、训练、测试和部署自己的人工智能和计算机视觉插件。