产线上换一个机种,检测那一段往往要停。停的时间不在装夹和对位,在重新编程:逐个位号设检测框、调阈值、建模板。这件事常被当成软件易用性问题,于是去比谁的界面更顺手。但它不是易用性问题——上一代必须重编程,是它存放判据的方式决定的,换一套界面不会改变这一点。
本文用到的 ACI 是「自动认知检测」(Automated Cognitive Inspection)的缩写—— AI AOI 的下一代提法:保留 A(自动)与 I(检测),把 O(光学)换成 C(认知),因为判定依据是认知而不是成像方式。完整论证见从 AI AOI 到 ACI。
一、换型时到底在重做什么
把重编程这件事拆开,做的是三样东西,而且是逐个位号做:给每个位号画一个检测框、为每类缺陷设一组阈值、为比对准备一张模板图。
这里有一个常被忽略的性质:工作量随<strong>位号数</strong>增长,不随<strong>元件种类数</strong>增长。一块板上有八百个位号、其中只有四十种料号,重编程的量是按八百算的,不是按四十算的。
这个性质本身就是线索。如果程序里装的真是关于元件的知识,四十种料就该只教四十次。它按八百次算,说明装进去的不是元件的知识。
二、判据挂在坐标上意味着什么
上一代的程序里存的不是「这颗电容正常长什么样」,而是「在这块板的这个坐标上,画这么大一个框,框里的像素与这张模板的差异不得超过这个数」。判据的索引是位置。
换一块板,这句话的每一项都不成立:坐标变了,框的邻域变了,周边元件带来的反光与阴影变了,甚至同一颗料在新板上的丝印方向也可能不同。索引失效,内容随之失效。
判据按位置索引,换块板索引就空了——这不是软件懒,是存放方式的直接后果。
三、一个能把问题照出来的测试
不必看任何宣传材料,做一件事就能分辨:取一颗你在旧机种上已经调好的料号,让它在新机种上换个位置出现,然后问——上一代的程序能不能把那部分成果直接拿过来用?
答案是不能。而这恰恰把话说清楚了:它从来没有学到关于这颗元件的知识,它学到的是关于那个位置的一组设定。设定不可迁移,知识才可迁移。
四、把判据改挂在元件上之后
如果模型学的是「这一类元件正常长什么样」,那么这份判据与它出现在哪块板、哪个坐标无关。板图于是退回它本来的角色:告诉系统去哪儿看,而不是定义什么算好。
换型这件事的性质因此变了——从「重新定义判据」变成「重新指路」。前者必须逐位号做,后者是一次几何对位。
五、指路这一步本来就可以自动做
指路需要的东西产线上本来就有:位号表与贴装数据是贴片机要用的,不是为检测额外准备的;拼板的重复关系、旋转与镜像可以由首件自动对位求出。
- 位号与料号的对应关系来自既有生产数据,不必人工抄一遍。
- 板上重复出现的子板,画一块即可由系统找出其余并逐位对齐。
- 首件确认从「逐位号看设定对不对」变成「看指路对不对」,量级不同。
剩下的人工不是编程,是确认。这两件事的时间尺度不一样,混在一起谈就谈不清楚。
六、所以 0 代码换型不是「更快的编程」
它不是把三小时压成三十分钟,而是把「逐位号定义判据」这一步整个拿掉。两者的差别可以量,而且不靠双方自报:
上一代的换型工时随位号数增长;判据挂在元件上之后,换型工时随<strong>首次出现的元件类型数</strong>增长。在一个已经积累了一段时间的料库里,新机种里真正没见过的元件类型通常只有少数几类,于是这个量趋近于一条基线。这是一条可检验的差别,不是一句口号。
七、代价要说清楚
这条路不是没有代价,三项都在人这一侧:
- 首次出现的料号仍然需要一块良品样板 —— 没见过的东西,谁也不能凭空知道它正常长什么样。
- 特殊工艺件(异形、透明、深色高反光)仍然需要人看一眼再定,自动建模在这里只做到给出候选。
- 对位依赖正确的贴装数据。数据错了,系统会一丝不苟地去错的地方看,而且不会报错。
第三项最值得单独记一笔:它的失效方式是安静的。判据挂在元件上之后,指路成了唯一的位置来源,指错了不会触发任何阈值,只会把好件和坏件一起看漏。换型后的首件确认要看的正是这个。
八、怎么验一家供应商真的做得到
演示板不能说明问题,因为演示板通常是调过的。可用的做法是带一块他们没见过的板,其中一部分料号是他们此前已经建过模的,然后量两件事:到第一次出检测结果用了多久,以及这段时间里人输入了什么。
第二件事比第一件更要紧。如果人输入的是「逐位号确认框位」,那还是编程,只是换了个界面;如果人输入的是「这几类新元件各给一块良品」加一次首件确认,那才是判据挂在元件上。
还有一项容易漏:换回上一个机种。换型的可逆性和换型速度一样重要,一条只能往前走的产线在小批量多品种下是走不动的。
九、什么时候上一代就够了
不适用情形同样要说清:
- 单一机种长期量产:编程成本一次摊销,换型根本不是瓶颈,把钱花在别处收益更大。
- 换型频率很低:一年换两次的话,这条路省下来的时间在总账上看不见。
- 判据本身是几何量:共面度、高度差这类是规格而不是外观判断,规则层直接给答案更可靠。
命中任意一条,继续用上一代是对的。0 代码换型解的是「换型频繁且位号多」这个特定困难,它不是所有检测问题的通解。
判定依据与成像方式为什么可以解耦,见一套判定逻辑跨成像方式复用。
「学好长什么样」这件事本身的论证,见缺陷是开集,良品是闭集。
自动编程这一步在产品上的样子,见AI 自动编程。
常见问题
0 代码换型是不是意味着完全不用人?
不是。它去掉的是「逐位号定义判据」这一步,留下的是确认:首次出现的料号要给一块良品样板,特殊工艺件要人看一眼,换型后要做一次首件确认。确认和编程的时间尺度不同,但确认不能省——尤其是对位,指错地方不会触发任何阈值,失效是安静的。
第一次遇到没见过的料号怎么办?
需要一块良品样板。没见过的东西,谁也不能凭空知道它正常长什么样。区别在于这次投入的是「这一类元件」的知识,下次它出现在别的机种、别的坐标上时可以直接用;上一代投入的是「这个位置」的设定,换个位置就作废。
怎么分辨真的是 0 代码换型,还是换了个更好用的界面?
量两件事:带一块对方没见过的板,看到第一次出检测结果用了多久,以及这段时间里人输入了什么。如果人在逐位号确认框位,那还是编程;如果人只给了几类新元件各一块良品加一次首件确认,才是判据挂在元件上。另外记得换回上一个机种试一次,可逆性和速度一样重要。
本场景的完整方案：AI AOI 软件系统 行业解决方案
本文由人工智能生成。文中客户案例为基于产品真实能力的模拟场景，成效数字为示例性质；官方标定口径以产品页为准。