Le macchine per l'AOI sono normalmente messe in commercio a prezzi molto diversi e, spesso, i possibili acquirenti sono sottoposti a notevoli pressioni in termini di costo dei prodotti finali. È questo un motivo di ulteriore complicazione di una situazione che non è per nulla semplice.
Questa situazione fa sì che il più delle volte la scelta cada sul prodotto più economico, come se il prezzo iniziale fosse l'unico parametro di valutazione. D'altra parte, i produttori che utilizzano questi sistemi si sono resi conto dell'esistenza, a lungo termine, di alcuni costi nascosti dovuti a tempi di programmazione e di manutenzione dei programmi, che devono essere aggiunti al costo di partenza. I recenti sviluppi della ricerca hanno significativamente ridotto questo tipo di oneri, rendendo le apparecchiature più affidabili, capaci di adattarsi automaticamente alle variazioni, e in grado di fornire dati più accurati e ripetibili. Inoltre questi dati, previa opportuna elaborazione, possono essere ritrasmessi alle linee di produzione in modo da prevenire i difetti prima ancora che questi si manifestino, con ulteriori vantaggi economici. Nell'articolo che segue verranno analizzati alcuni tra gli sviluppi tecnologici che hanno condotto a queste significative riduzioni di costi, al fine di aiutare i possibili acquirenti a fare la scelta migliore nell'acquisto di una apparecchiatura per AOI. L'ingresso nel mercato dell'ispezione automatizzata non presenta particolari difficoltà, tanto che chiunque, con l'aiuto di una fotocamera e un flash può realizzare una apparecchiatura di questo tipo. Grazie infatti alle fotocamere a colori e alla illuminazione a led è oggi possibile scattare buone immagini delle PCB. Cosa ben più complessa è come trattare queste immagini per implementare la soluzione AOI più adatta alla particolare situazione. Spesso il potenziale acquirente è portato a giudicare una macchina sulla base della qualità delle immagini o della configurazione hardware, e ciò per due ragioni molto semplici: l'hardware è facile da spiegare come le immagini sono facili da vedere. Troppo spesso si confonde la qualità delle immagini con la qualità della ispezione. Infatti, la premessa indispensabile per ottenere una ispezione efficace è che, oltre ad avere a disposizione delle buone immagini, queste vengano processate da un software adeguato. Gli algoritmi utilizzati all'interno delle macchine sono infatti determinanti rispetto a false call, false accept, e tempi di programmazione, tanto che un software scadente può comportare ingenti costi aggiuntivi. La vera difficoltà sta quindi nel capire esattamente quali siano le effettive possibilità di un determinato software a garantire un buon livello di ispezione a lungo termine.
L'importanza dell'hardware...
Le ricerche in tema di AOI si sono concentrate prevalentemente sullo sviluppo dell'hardware, essendo stato questo per alcuni decenni uno dei punti critici per la maggior parte delle apparecchiature. Grazie alle recenti innovazioni tecnologiche nel campo delle fotocamere, dell'illuminazione, dei computer e delle memorie, si è aperta la via allo sviluppo di algoritmi software sempre più sofisticati. Comunque, la maggior parte dei soggetti che operano nel mercato AOI sono tuttora disposti a mantenere in vita i loro seppur limitati software, concentrando gli sforzi sulla evoluzione dell' hardware.
Tra tutti gli algoritmi attualmente soggetti a critiche, il più utilizzato per la analisi di immagini è la “correlazione”, che mette a confronto un'immagine già acquisita e memorizzata con quella del nuovo elemento attraverso una analisi pixel per pixel. Il criterio di giudizio è basato sulle differenze di colore e luminosità. Questa tecnica impone che sia stabilita una soglia sul grado di somiglianza tra la nuova immagine e quella immagazzinata come campione per poter esprimere un giudizio di accettazione o di scarto. Tutto va bene finchè la scheda da ispezionare e i suoi componenti sono esattamente uguali a quelli della immagine in memoria: ma se alcuni elementi cambiano anche solamente nella forma, essi vengono segnalati come errori.
...e della programmazione
Si possono impiegare molte ore di programmazione prima di trovare la corretta soglia per ogni elemento da ispezionare. Comunque, il risultato finale è che algoritmi dall'esito incerto possono provocare perdite economiche che diverranno evidenti solamente dopo un lungo periodo di uso dell'apparecchiatura. False call, false accept e tempi di programmazione troppo lunghi determinano infatti dei costi che dovrebbero essere sommati al costo iniziale della macchina; cosa che non molti fanno; determinano dei costi che dovrebbero essere sommati al costo iniziale della macchina, cosa - anche in questo caso - che non molti fanno. Quando i costi diventano insostenibili, la macchina viene dismessa.
Difficoltà per la variabilità
La ragione per cui i sistemi necessitano di un costante tweaking è il bisogno di poter far fronte al gran numero di variazioni che si possono riscontrare in un circuito stampato: cambiamento del colore di PCB e componenti, ossidazione di terminali, cambiamento del materiale dei pad e diversa configurazione del deposito di pasta. Inoltre, componenti simili possono cambiare considerevolmente di dimensione e possono presentare differenti marcature. Pur tuttavia, queste variazioni riferite allo stesso circuito stampato sono accettabili. Ma se quasi ogni elemento può essere soggetto a qualche variazione, come può un sistema automatico decidere cosa è accettabile e cosa non lo è?
Ciò che si può fare per rendere queste macchine più precise è metterle in grado di trattare automaticamente le variazioni, analogamente a quanto fa il cervello umano, che è in grado di riconoscere oggetti (volti, per esempio) anche se essi sono osservati da angolazioni e in contesti diversi.
I recenti sviluppi sulle tecniche cerebrali di percezione della realtà ci aiutano a progettare macchine AOI più precise. Uno dei risultati più rilevanti dal nostro punto di vista è che il cervello codifica informazioni in maniera qualitativa. Per quanto concerne le immagini, ciò significa che il cervello “ricorda” meglio se una zona è più chiara o più scura di una adiacente, piuttosto che il valore esatto della sua gradazione di colore o luminosità. Inoltre, il cervello processa aree piuttosto estese, contrariamente all'opinione convenzionale che lo fa procedere secondo una analisi per pixel, ovvero focalizzato ad una esplorazione quantitativa del colore di una area ristretta.
E' su questo processo di relazione qualitativo-relativo che si basa la creazione di modelli di elementi di un PCB secondo la rappresentazione di immagine nota come Configural Recognition e sviluppata presso l'Artificial Intelligence Laboratory del MIT. Al fine di comprendere come questa procedura permetta di ottenere un livello di tolleranza maggiore rispetto alle variazioni, prendiamo l'esempio di un condensatore. Per stabilire l'algoritmo di ispezione ad esso relativo, possiamo rappresentare l'oggetto da analizzare e il background come un insieme di zone, o regioni.
Possiamo quindi indicare i condensatori accettabili con una sintassi che descrive la relazione tra tutte queste diverse zone: ad esempio, come elementi dotati di due aree terminali, due relative al deposito di pasta, una corrispondente al corpo e tre di background.
Solitamente, la presenza del condensatore è rivelata da una tonalità più scura della regione della pasta rispetto a quella dei terminali, nonché dal corpo diverso dal background e dai terminali. Se il componente è presente tutte queste relazioni restano valide anche se le diverse aree subiscono variazioni cromatiche in senso assoluto, mentre non lo sono più se il componente è assente. In questo modo, risulta evidente come questo approccio sia più tollerante rispetto a normali variazioni e possa segnalare invece cambiamenti di portata maggiore.
Optima: la soluzione
La macchine della serie Landrex Optima si basano proprio su un modello di ispezione di questo tipo e, pertanto, sono in grado di ridurre drasticamente false call e false accept. Inoltre, essendo le apparecchiature di questo tipo capaci di rispondere alle variazioni in modo automatico, ne consegue un sistema estremamente facile da programmare e che richiede un intervento minimo di manutenzione da parte del programmatore. Ciò rappresenta un risparmio economico notevole se paragonato a sistemi che necessitano di un costante ritocco alla programmazione (tweaking).
C'è comunque un altro aspetto da considerare, e riguarda il modo in cui le macchine per AOI vengono utilizzate. Molti le considerano postazioni di controllo qualità e le piazzano in posizione post-reflow a fine linea. Con un'ispezione di questo tipo, non solo gli errori vengono scoperti quando ormai la scheda è già completamente assemblata, ma si rischia che questi errori non vengano corretti per mancanza di tempo o carenza di comunicazione tra gli operatori dei diversi livelli di lavorazione. Abbiamo passato gli ultimi sette anni a studiare come rendere possibili ispezioni efficaci fin dalle prime fasi della lavorazione, in modo da ridurre i tempi e i costi delle riprese.
Una valutazione condotta per 5 mesi su una postazione equipaggiata con Landrex Optima 7200 post-place machine ha evidenziato una rilevante diminuzione del numero di errori. Inoltre, non sono stati necesssari interventi sul software dopo la creazione del programma iniziale e la fase di debugging, con un notevole risparmio di tempi e costi.
Attraverso questi esempi abbiamo dimostrato come, grazie ai sistemi AOI, sia possibile ridurre i costi mediante algoritmi 1) in grado di tollerare le normali variazioni dei processi produttivi, 2) che possano fornire dati relativi alle misure, oltre che agli elementi in difetto, 3) che siano applicati all'inizio della linea di produzione, consentendo la rilevazione dei dati relativi al processo.
