如今PCB已經(jīng)發(fā)展到全新階段，諸如高密度互連（HDI）PCB，IC基板（ICS）等全新技術(shù)引入，使得整個(gè)生產(chǎn)過(guò)程從手動(dòng)變成了全自動(dòng)化。隨著(zhù)制造技術(shù)的進(jìn)一步發(fā)展，工藝變得越來(lái)越復雜，缺陷檢查越來(lái)越重要也越來(lái)越難，這些致命缺陷可能會(huì )導致整個(gè)PCB板的報廢。對于PCB制造業(yè)來(lái)說(shuō)，利用人工智能（AI）并優(yōu)化生產(chǎn)工藝以及最終優(yōu)化整個(gè)PCB制造流程的機會(huì )正在涌現。

　　PCB制造通常依賴(lài)多年積累知識的專(zhuān)家，這些專(zhuān)家非常了解和理解制造過(guò)程的每個(gè)步驟，他們了解如何利用他們的知識來(lái)優(yōu)化生產(chǎn)和提高產(chǎn)量。人為的限制（包括誤操作和疲勞）阻礙了效率增長(cháng)，操作員的錯誤或對PCB缺陷的錯誤識別（“錯誤警報”）可能會(huì )由于過(guò)度處理而影響良率，甚至會(huì )損害PCB本身。通過(guò)將AI集成到制造過(guò)程中（圖1），機器可以通過(guò)接管某些“學(xué)習的”任務(wù)來(lái)增加價(jià)值，而人類(lèi)專(zhuān)家則繼續承擔更復雜的任務(wù)，這些任務(wù)需要在優(yōu)化和“培訓”的同時(shí)進(jìn)行思考和互動(dòng)人工智能系統。人與人工智能的結合提高了整體效率和運營(yíng)，是AI系統的最大機會(huì )。

　　圖1.AI可以幫助PCB工廠(chǎng)提高質(zhì)量。

　　人工智能與工業(yè)4.0

　　PCB發(fā)展的最終趨勢是擁有完全集成Industry4.0系統的工廠(chǎng)，該系統在全球和制造系統級別采用AI技術(shù)。“全局”級別包括工廠(chǎng)中的所有系統，而不僅僅是單個(gè)制造系統。工業(yè)4.0提供了自動(dòng)化和數據交換基礎結構，可實(shí)現實(shí)時(shí)生產(chǎn)分析，雙向通信和數據共享，可追溯性以及按需數據分析。在任何特定的工廠(chǎng)內，AI都可以使用從各種制造系統和機器獲取的數據來(lái)改進(jìn)流程，這些數據是通過(guò)工業(yè)4.0機制（例如可追溯性，雙向通信）收集的。工廠(chǎng)之所以受益，是因為AI分析了大量的系統范圍數據以?xún)?yōu)化工廠(chǎng)設置參數并實(shí)現最高水平的生產(chǎn)率和良率。人工智能分析和自我學(xué)習正在進(jìn)行中，并通過(guò)人工神經(jīng)網(wǎng)絡(luò )進(jìn)行。幾年之內，它將消除人工操作人員的干預，并導致建立全自動(dòng)工廠(chǎng)。

　　這種新的PCB制造模型要求將所有工廠(chǎng)系統完全連接以及AI作為監視和決策機制。當前，存在專(zhuān)有和技術(shù)挑戰，這些問(wèn)題限制了PCB工廠(chǎng)的完全自動(dòng)化，但AI已盡可能地添加到單個(gè)系統中，例如自動(dòng)光學(xué)檢查（AOI）解決方案。將生產(chǎn)設施移向全球AI模型的優(yōu)勢包括，可以更可靠地通知PCB缺陷——“真實(shí)缺陷”，并具有反饋機制，該反饋環(huán)可以識別問(wèn)題的根源，然后自動(dòng)修改工廠(chǎng)流程以消除相關(guān)問(wèn)題缺陷。

　　AI的子集，包括機器學(xué)習和深度學(xué)習，將使PCB工廠(chǎng)朝著(zhù)完全自動(dòng)化的目標邁進(jìn)。機器學(xué)習使用的算法使計算機能夠使用數據及其已經(jīng)經(jīng)歷并從中學(xué)習的示例來(lái)改進(jìn)任務(wù)的性能，而無(wú)需對其進(jìn)行明確的編程。就PCB制造而言，機器學(xué)習可提高產(chǎn)量，改善制造操作和工藝流程并減少人工操作，同時(shí)有助于推動(dòng)對工廠(chǎng)資產(chǎn)，庫存和供應鏈的更有效處理。

　　深度學(xué)習將AI提升到一個(gè)更加復雜的水平，這在全球工廠(chǎng)系統水平上是有益的。深度學(xué)習的靈感來(lái)自人腦神經(jīng)元，多層人工神經(jīng)網(wǎng)絡(luò )進(jìn)行學(xué)習，理解和推斷的能力。在PCB工廠(chǎng)中，軟件系統可以有效地收集的數據，并利用模式和上下文的復雜表示中學(xué)習，然后，學(xué)習將形成PCB制造中自動(dòng)過(guò)程改進(jìn)的基礎。

　　機器學(xué)習和深度學(xué)習的實(shí)施為PCB制造商提供了超越人類(lèi)理解的能力；人工智能系統通過(guò)在人們不愿探索的地方進(jìn)行更深入的挖掘來(lái)發(fā)現新的優(yōu)化機會(huì )。AI專(zhuān)家系統非常高效，通過(guò)使用更多更復雜的參數在全球范圍內監控工廠(chǎng)系統，減少了所需的人工專(zhuān)家數量，并提高了效率和最佳實(shí)踐。

　　利用工業(yè)4.0傳感器（可以從設備發(fā)送數據的傳感器）和系統，在整個(gè)PCB制造過(guò)程中，從簡(jiǎn)單的讀寫(xiě)功能到對工藝參數的高級跟蹤，直至最小的PCB單元，都可以在全球范圍內創(chuàng )建數據。工藝參數可以包括蝕刻，抗蝕劑顯影甚至到制造過(guò)程中化學(xué)材料的濃縮。使用深度學(xué)習對這些類(lèi)型的數據進(jìn)行分析，以告知優(yōu)化制造方法和參數，識別模式并就流程中所需的更改做出明智的決定。所有這些都可以全天候，每周7天，每天24小時(shí)不間斷地進(jìn)行。

　　系統級AI

　　在系統級別，例如在A(yíng)OI流程中，PCB制造車(chē)間的AI實(shí)施對生產(chǎn)率和良率產(chǎn)生了可觀(guān)的影響。在這種情況下，機器學(xué)習極大地減少了檢測PCB缺陷時(shí)的人為錯誤。PCB缺陷的例子包括短路和斷路，甚至過(guò)量的銅都可以。自動(dòng)化檢查可以檢測出很小的缺陷，這些缺陷可能是手工檢查無(wú)法發(fā)現的，也可能由于人為錯誤而遺漏的，這是重復工作的自然結果。

　　在不使用AI的情況下，對100個(gè)面板進(jìn)行的經(jīng)典檢查通常會(huì )發(fā)現每個(gè)面板20至30個(gè)缺陷，其中大約75％是錯誤警報。由于政策規定必須手動(dòng)檢查所有缺陷，因此對虛假警報的審查浪費了寶貴的生產(chǎn)時(shí)間，增加了對PCB的處理，這可能會(huì )導致新的損壞，并可能影響操作員在審查過(guò)程中的進(jìn)一步犯錯。

　　通過(guò)在A(yíng)OI系統上進(jìn)行機器學(xué)習，可以大大減少此類(lèi)錯誤警報和維修（圖2）。更少的誤報意味著(zhù)對PCB板的處理更少，也會(huì )提高效率。此外，AI提供了一致的（動(dòng)態(tài)改進(jìn)）缺陷分類(lèi)，而沒(méi)有操作人員固有的限制，從而提供了更可靠的結果并減少了驗證時(shí)間。根據Orbotech內部研究，已發(fā)現AOI系統中的AI最多可將誤報減少90％。AOI的獨特之處在于，該系統比任何其他制造解決方案都能收集更多的數據，這使其非常適合作為AI實(shí)施的第一步。同時(shí)，AOI室是PCB工廠(chǎng)勞動(dòng)強度最大的區域，因此，在其流程中采用AI會(huì )帶來(lái)最大的收益。對于PCB制造商而言，這一切都意味著(zhù)可以更準確地識別和分類(lèi)數百萬(wàn)個(gè)缺陷，從而有可能提高產(chǎn)量并降低成本。

　　圖2.AI驅動(dòng)的AOI可以減少生產(chǎn)現場(chǎng)的驗證和工作量。

　　以下是系統和全局級AI協(xié)同工作的示例：

　　假設AOI系統檢查100個(gè)面板。在系統級別，由機器學(xué)習支持的AI可以過(guò)濾出誤報缺陷，這些誤報缺陷已被系統分類(lèi)。AI系統通過(guò)評估多個(gè)AOI圖像，同時(shí)利用其“面板理解”（AOI解決方案對面板上的元素及其外觀(guān)的理解），來(lái)生成最智能的分類(lèi)結果。該信息輸入到全球AI系統中，該系統由深度學(xué)習提供動(dòng)力，從系統級解決方案中收集這些數據，并確定識別出的真正缺陷是短路，需要額外的蝕刻時(shí)間才能去除多余的銅。AI系統使用來(lái)自系統級別的數據來(lái)做出全局決策，以調整蝕刻過(guò)程中的面板參數，從而使以后制造的所有面板具有更少（如果有的話(huà)）相同類(lèi)型的缺陷。最終，系統級解決方案之間的通信將進(jìn)一步增加和改善AI在全球范圍內的決策能力。

　　制造挑戰增加

　　盡管AI的發(fā)展正在全行業(yè)范圍內迅速發(fā)展，但PCB制造方面的挑戰以同樣的速度增長(cháng)，甚至更快。對于撓性材料和縮小走線(xiàn)的幾何形狀，是缺陷檢測兩個(gè)困難領(lǐng)域。下一代復合材料，例如液晶聚酰胺（LCP）和改性聚酰胺（MPI），給制造商提出了新的挑戰，包括圖像采集，處理，變形和更細的線(xiàn)條。例如，用于柔性PCB的材料越先進(jìn)，導致識別出的缺陷越多，從而導致更多的錯誤警報。制造商使用這種復雜材料的目的是在確定錯誤警報的過(guò)程中最大程度地減少對面板的處理。因此，FlexPCB（圖3）是一種將可能從AI實(shí)施中大大受益的產(chǎn)品類(lèi)型，因為系統將學(xué)會(huì )在更嚴格的參數范圍內進(jìn)行制造。

　　圖3.柔性電路為自動(dòng)光學(xué)檢查帶來(lái)了其他問(wèn)題。

　　用于5G的PCB是另一種高要求，并且有可能從人工智能支持的專(zhuān)業(yè)知識中受益匪淺。5G應用所需的HDIPCB需要更細的線(xiàn)寬，直的側壁幾何形狀和嚴格的參數。這使得缺陷檢測比以往更加困難，對于人類(lèi)專(zhuān)家而言，要有效地完成缺陷檢測將極具挑戰。

　　考慮到這些以及其他未知的PCB制造挑戰，人工智能驅動(dòng)的工廠(chǎng)將成為未來(lái)生產(chǎn)的關(guān)鍵。要在全球范圍內實(shí)現AI應用的發(fā)展，需要更多的時(shí)間才能實(shí)現PCB制造，但是很顯然，系統級AI的實(shí)現已經(jīng)到來(lái)，為全自動(dòng)PCB工廠(chǎng)的未來(lái)奠定了基礎。