สำหรับผู้ผลิตส่วนใหญ่ที่ใช้ AOI ในการตรวจสอบ PCBA คอขวดที่แท้จริงไม่ใช่ตัวฮาร์ดแวร์ — แต่คือการเขียนโปรแกรมของซอฟต์แวร์ตรวจสอบ
เมื่อมีบอร์ดรุ่นใหม่เข้ามา วิศวกรต้องเตรียมไฟล์ CAD หรือสร้าง component library ตีกรอบตรวจสอบด้วยตนเอง และตั้งค่า threshold ก่อนที่โปรแกรมจะพร้อมใช้งาน กระบวนการนี้โดยทั่วไปต้องใช้วิศวกรผู้เชี่ยวชาญหนึ่งคนทำงาน 3 ถึง 5 ชั่วโมง ยิ่งไปกว่านั้น การเปลี่ยนวัตถุดิบหรือการปรับกระบวนการผลิตใดๆ ล้วนต้องสร้างโปรแกรมใหม่ทั้งหมด — พารามิเตอร์และกฎเกณฑ์ทั้งหมดขึ้นอยู่กับประสบการณ์ของคนเพียงอย่างเดียว
ปัจจุบัน ด้วยการจดจำคุณลักษณะอัตโนมัติด้วย AI ระบบสามารถตีกรอบอัตโนมัติและตั้งค่า threshold อัตโนมัติ ลดเวลาการตั้งค่าด้วยตนเองจากหลายชั่วโมงเหลือเพียง 5 นาที โดยไม่ต้องสร้างหรือดูแลไลบรารีชิ้นส่วน และไม่ต้องใช้ข้อมูลพิกัด XY
AOI แบบดั้งเดิม: ยุคแมนนวลที่ต้องพึ่งพา CAD และ Component Library
AOI แบบดั้งเดิมพึ่งพาตรรกะการตรวจสอบตามกฎ (rule-based inspection)
ซอฟต์แวร์เพียงแค่เปรียบเทียบภาพตามค่า threshold ของสีและระดับสีเทาที่กำหนดขึ้นเอง วิศวกรต้องระบุพื้นที่ตรวจสอบของแต่ละชิ้นส่วน ขั้ว รูปทรงของรอยบัดกรี และเกณฑ์การตัดสิน
นั่นหมายความว่าบอร์ดทุกแผ่นต้องได้รับการเขียนโปรแกรมก่อนเริ่มการตรวจสอบ เมื่อใดก็ตามที่วัสดุหรือกระบวนการเปลี่ยนไป วิศวกรต้องปรับแก้หรือสร้างกฎใหม่ เพื่อหลีกเลี่ยงข้อบกพร่องที่หลุดรอด บ่อยครั้งจึงมีการตั้งค่า threshold ที่เข้มงวดเกินไป ซึ่งช่วยลด false negative ได้ แต่กลับเพิ่ม false alarm และการตัดสินผิดพลาด ทำให้ต้องใช้แรงงานคนมาคอยตรวจสอบซ้ำในภายหลัง
ความจริงของ AI AOI: ยังคงต้องพึ่งพาพิกัดและไลบรารี
ในช่วงไม่กี่ปีที่ผ่านมา ผู้จำหน่าย AOI หลายรายอ้างว่าได้ผสานรวม AI เพื่อ “ตีกรอบอัตโนมัติ” อย่างไรก็ตาม ในการใช้งานจริงในโรงงาน ระบบเหล่านี้ยังคงต้องพึ่งพา พิกัด CAD หรือ component library ที่สร้างไว้ล่วงหน้า — ซึ่งไม่ใช่การเขียนโปรแกรมอัตโนมัติอย่างแท้จริง
เหตุผลง่ายๆ คือ “AI AOI” ส่วนใหญ่ที่เรียกกันยังคงสร้างอยู่บนเฟรมเวิร์กที่อิงตามกฎแบบดั้งเดิม AI เพียงเข้ามาแทนที่แรงงานคนบางส่วน แต่ไม่ได้เปลี่ยนตรรกะการตรวจสอบที่ต้นตอ
Visual AI ที่เป็นหัวใจสำคัญ: สอนให้ AI ค้นพบความแตกต่างด้วยตัวเอง
แทนที่จะพึ่งพากฎที่ตั้งไว้ล่วงหน้าหรือค่า threshold ที่กำหนดเอง Visual AI จะเรียนรู้จากภาพโดยตรงเพื่อค้นหาความแตกต่าง
โมเดล AI ได้รับการฝึกฝนโดยใช้ golden sample — ตรวจจับตำแหน่งชิ้นส่วน ตีกรอบพื้นที่ และเรียนรู้พื้นผิว ความสว่าง รวมถึงความสัมพันธ์เชิงพื้นที่ระหว่างชิ้นส่วนและจุดบัดกรีโดยอัตโนมัติ
เมื่อมีบอร์ดใหม่เข้ามา AI จะสร้างกรอบการตรวจจับ สกัดคุณลักษณะทางภาพ และระบุพื้นที่ที่มีความแตกต่างระหว่างชิ้นงานตัวอย่างกับจุดอ้างอิง golden reference โดยอัตโนมัติ
สำหรับขั้นตอนการตั้งค่า golden board ทีละขั้นตอน รวมถึงเหตุผลที่ไม่ต้องสร้างหรือดูแลไลบรารีชิ้นส่วน และไม่ต้องใช้ข้อมูลพิกัด XY ดูได้ที่ คู่มือการเขียนโปรแกรม AOI แบบ golden-board ของเรา
สิ่งนี้นำมาซึ่งประโยชน์ที่จับต้องได้ 2 ประการสำหรับโรงงาน:
-
เพิ่มความเร็วในการเขียนโปรแกรม — ไม่ต้องสร้างหรือดูแลไลบรารีชิ้นส่วน และไม่ต้องใช้ข้อมูลพิกัด XY; ลดเวลาตั้งค่าจาก 3–5 ชั่วโมง เหลือเพียง 5 นาที
-
ผลลัพธ์ที่แม่นยำยิ่งขึ้น — AI กำหนดเกณฑ์มาตรฐานจากข้อมูลภาพจริงโดยตรง ลดปัญหา overkill ที่เกิดจากการตั้งค่าพารามิเตอร์ที่เข้มงวดเกินไป และมอบการตรวจสอบที่เสถียรและเชื่อถือได้ยิ่งขึ้น

Feedback Learning: ยิ่งใช้งาน ยิ่งฉลาดขึ้น
หัวใจสำคัญอีกประการของ AI AOI คือ feedback learning
ทุกครั้งที่มีการตรวจสอบ false alarm ฟีดแบ็กนั้นสามารถป้อนกลับเข้าสู่โมเดลเพื่อปรับปรุงตรรกะให้แม่นยำยิ่งขึ้น เมื่อเวลาผ่านไป ประสบการณ์เฉพาะของแต่ละสายการผลิตจะกลายเป็นข้อมูลฝึกฝนชุดใหม่ — ช่วยให้ AI ปรับการตัดสินใจให้สอดคล้องกับสภาพการผลิตจริงได้อย่างต่อเนื่อง
สิ่งที่ครั้งหนึ่งเคยต้องอาศัยประสบการณ์ของมนุษย์หลายปี ตอนนี้ถูก AI ซึมซับและเรียนรู้ได้โดยตรง
จากการใช้ AOI ที่พึ่งพากฎเกณฑ์ สู่ AI AOI ที่เรียนรู้ได้ด้วยตัวเอง การเปลี่ยนแปลงนี้ไม่ได้อยู่แค่ความเร็ว — แต่เป็นการเปลี่ยนตรรกะการทำงานอย่างสิ้นเชิง
AI ไม่ใช่แค่ผู้ช่วยอีกต่อไป แต่เป็นระบบอัจฉริยะหลักที่ตรวจจับ เรียนรู้ และพัฒนาได้ด้วยตัวเอง
ติดต่อเรา วันนี้เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับโซลูชัน PCBA AI AOI ของเรา — และดูว่า Visual AI ช่วยเพิ่มประสิทธิภาพการตรวจสอบได้ถึง 10 เท่าพร้อมความแม่นยำที่สูงขึ้นได้อย่างไร
พร้อมที่จะอัปเกรด AOI ของคุณแล้วหรือยัง?
ดูว่า AOI พลัง AI ของ DaoAI ช่วยลด false reject, ลดเวลาการเขียนโปรแกรม และสร้างความคุ้มค่าได้อย่างไร