產線上換一個機種,檢測那一段往往要停。停的時間不在裝夾和對位,在重新編程:逐個位號設檢測框、調閾值、建模板。這件事常被當成軟體易用性問題,於是去比誰的介面更順手。但它不是易用性問題——上一代必須重編程,是它存放判據的方式決定的,換一套介面不會改變這一點。
本文用到的 ACI 是「自動認知檢測」(Automated Cognitive Inspection)的縮寫—— AI AOI 的下一代提法:保留 A(自動)與 I(檢測),把 O(光學)換成 C(認知),因為判定依據是認知而不是成像方式。完整論證見從 AI AOI 到 ACI。
一、換型時到底在重做什麼
把重編程這件事拆開,做的是三樣東西,而且是逐個位號做:給每個位號畫一個檢測框、為每類缺陷設一組閾值、為比對準備一張模板圖。
這裡有一個常被忽略的性質:工作量隨<strong>位號數</strong>增長,不隨<strong>元件種類數</strong>增長。一塊板上有八百個位號、其中只有四十種料號,重編程的量是按八百算的,不是按四十算的。
這個性質本身就是線索。如果程式裡裝的真是關於元件的知識,四十種料就該只教四十次。它按八百次算,說明裝進去的不是元件的知識。
二、判據掛在座標上意味著什麼
上一代的程式裡存的不是「這顆電容正常長什麼樣」,而是「在這塊板的這個座標上,畫這麼大一個框,框裡的畫素與這張模板的差異不得超過這個數」。判據的索引是位置。
換一塊板,這句話的每一項都不成立:座標變了,框的鄰域變了,周邊元件帶來的反光與陰影變了,甚至同一顆料在新板上的絲印方向也可能不同。索引失效,內容隨之失效。
判據按位置索引,換塊板索引就空了——這不是軟體懶,是存放方式的直接後果。
三、一個能把問題照出來的測試
不必看任何宣傳材料,做一件事就能分辨:取一顆你在舊機種上已經調好的料號,讓它在新機種上換個位置出現,然後問——上一代的程式能不能把那部分成果直接拿過來用?
答案是不能。而這恰恰把話說清楚了:它從來沒有學到關於這顆元件的知識,它學到的是關於那個位置的一組設定。設定不可遷移,知識才可遷移。
四、把判據改掛在元件上之後
如果模型學的是「這一類元件正常長什麼樣」,那麼這份判據與它出現在哪塊板、哪個座標無關。板圖於是退回它本來的角色:告訴系統去哪兒看,而不是定義什麼算好。
換型這件事的性質因此變了——從「重新定義判據」變成「重新指路」。前者必須逐位號做,後者是一次幾何對位。
五、指路這一步本來就可以自動做
指路需要的東西產線上本來就有:位號表與貼裝資料是貼片機要用的,不是為檢測額外準備的;拼板的重複關係、旋轉與映象可以由首件自動對位求出。
- 位號與料號的對應關係來自既有生產資料,不必人工抄一遍。
- 板上重複出現的子板,畫一塊即可由系統找出其餘並逐位對齊。
- 首件確認從「逐位號看設定對不對」變成「看指路對不對」,量級不同。
剩下的人工不是編程,是確認。這兩件事的時間尺度不一樣,混在一起談就談不清楚。
六、所以 0 程式碼換型不是「更快的編程」
它不是把三小時壓成三十分鐘,而是把「逐位號定義判據」這一步整個拿掉。兩者的差別可以量,而且不靠雙方自報:
上一代的換型工時隨位號數增長;判據掛在元件上之後,換型工時隨<strong>首次出現的元件類型數</strong>增長。在一個已經積累了一段時間的料庫裡,新機種裡真正沒見過的元件類型通常只有少數幾類,於是這個量趨近於一條基線。這是一條可檢驗的差別,不是一句口號。
七、代價要說清楚
這條路不是沒有代價,三項都在人這一側:
- 首次出現的料號仍然需要一塊良品樣板 —— 沒見過的東西,誰也不能憑空知道它正常長什麼樣。
- 特殊工藝件(異形、透明、深色高反光)仍然需要人看一眼再定,自動建模在這裡只做到給出候選。
- 對位依賴正確的貼裝資料。資料錯了,系統會一絲不苟地去錯的地方看,而且不會報錯。
第三項最值得單獨記一筆:它的失效方式是安靜的。判據掛在元件上之後,指路成了唯一的位置來源,指錯了不會觸發任何閾值,只會把好件和壞件一起看漏。換型後的首件確認要看的正是這個。
八、怎麼驗一家供應商真的做得到
演示板不能說明問題,因為演示板通常是調過的。可用的做法是帶一塊他們沒見過的板,其中一部分料號是他們此前已經建過模的,然後量兩件事:到第一次出檢測結果用了多久,以及這段時間裡人輸入了什麼。
第二件事比第一件更要緊。如果人輸入的是「逐位號確認框位」,那還是編程,只是換了個介面;如果人輸入的是「這幾類新元件各給一塊良品」加一次首件確認,那才是判據掛在元件上。
還有一項容易漏:換回上一個機種。換型的可逆性和換型速度一樣重要,一條只能往前走的產線在小批次多品種下是走不動的。
九、什麼時候上一代就夠了
不適用情形同樣要說清:
- 單一機種長期量產:編程成本一次攤銷,換型根本不是瓶頸,把錢花在別處收益更大。
- 換型頻率很低:一年換兩次的話,這條路省下來的時間在總賬上看不見。
- 判據本身是幾何量:共面度、高度差這類是規格而不是外觀判斷,規則層直接給答案更可靠。
命中任意一條,繼續用上一代是對的。0 程式碼換型解的是「換型頻繁且位號多」這個特定困難,它不是所有檢測問題的通解。
判定依據與成像方式為什麼可以解耦,見一套判定邏輯跨成像方式複用。
「學好長什麼樣」這件事本身的論證,見缺陷是開集,良品是閉集。
自動編程這一步在產品上的樣子,見AI 自動編程。
常見問題
0 程式碼換型是不是意味著完全不用人?
不是。它去掉的是「逐位號定義判據」這一步,留下的是確認:首次出現的料號要給一塊良品樣板,特殊工藝件要人看一眼,換型後要做一次首件確認。確認和編程的時間尺度不同,但確認不能省——尤其是對位,指錯地方不會觸發任何閾值,失效是安靜的。
第一次遇到沒見過的料號怎麼辦?
需要一塊良品樣板。沒見過的東西,誰也不能憑空知道它正常長什麼樣。區別在於這次投入的是「這一類元件」的知識,下次它出現在別的機種、別的座標上時可以直接用;上一代投入的是「這個位置」的設定,換個位置就作廢。
怎麼分辨真的是 0 程式碼換型,還是換了個更好用的介面?
量兩件事:帶一塊對方沒見過的板,看到第一次出檢測結果用了多久,以及這段時間裡人輸入了什麼。如果人在逐位號確認框位,那還是編程;如果人只給了幾類新元件各一塊良品加一次首件確認,才是判據掛在元件上。另外記得換回上一個機種試一次,可逆性和速度一樣重要。
本場景的完整方案：AI AOI 軟體系統 行業解決方案
本文由人工智慧生成。文中客戶案例為基於產品真實能力的模擬場景，成效數字為示例性質；官方標定口徑以產品頁為準。