如何为多品种 PCB 组装选型 AOI

为多品种PCB组装选型AOI时，应将持续性成本置于一次性硬件参数之上。相机分辨率和运板能力固然重要，但任何主流供应商都能跨过这一门槛。在多品种生产车间中，拉开各系统差距的是每次换线所付出的成本：编程需要哪些输入、由谁操作、耗时多久，以及误报率是能自主下降，还是在每个新批次后都必须重新人工调优。

大多数AOI选型指南在逐一介绍分辨率、光源和板尺寸后便戛然而止。这些内容有用，但并不完整。一台每周需要重新编程3次的设备，与一台一年只需编程2次的设备，即使两者的规格参数表完全一致，也是截然不同的采购决策。本指南涵盖需求自查、离线与在线选型决策、2D与3D权衡，以及七个能揭示设备在度过磨合期后真实表现的关键问题。

多品种生产中选择AOI，真正重要的是什么？

对于多品种生产，最重要的选型标准是那些持续发生的成本：编程输入要求（CAD文件、元件库或实体黄金样板）、每个新工单的换线时间、由产线操作工还是专职工程师运行，以及随着时间推移误报率如何控制。硬件参数决定底线，但只是一次性支出；而换线经济性则每周都在产生成本。

可以将参数表视为入场券。足以看清最小封装的分辨率、板尺寸范围、接驳台兼容性：候选清单上的任何正规设备都能达标，供应商也深知这一点，这也是现场演示往往侧重于这些数字的原因。

权重的反转发生在您的车间现场，而非参数表上。若每月只有一个新工单，编程投入几乎可以忽略不计；但若每条产线每周要导入3个NPI，编程投入就会成为设备5-year总体成本中最主要的支出项，甚至超过采购价格。编程工作流与误报负担正是成本的核心所在，它们理应受到与光学参数同等严格的审视。

您的真实需求是什么？

在对比设备之前，请先评估您自身的产线。统计每条产线每周的NPI数量、典型批量大小，以及工单下达时CAD数据的实际齐套率。明确换线操作人员（专职AOI工程师还是产线操作工）、当前的误报和复检负担，以及生产节拍是否需要在线拦截还是台边离线机台即可满足。这些答案将决定后续各项标准的权重。

如实回答以下六个问题即可明确：

1. 每条产线每周有多少个新工单？ 仅凭这一个数字，就足以决定编程时间只是次要细节还是核心痛点。
2. 典型单批次运行周期是多久？ 小批量会放大换线调试成本。耗时4-hour编程来跑6-hour运行是一笔得不偿失的交易。
3. 客户能否可靠提供CAD和BOM数据？ 在外协代工制造中，客户往往无法提供，或者数据交付既延误又充满错误。依赖CAD的工作流会全盘承受这种混乱。多品种车间对此感受最深，而软件层面的壁垒进一步加剧了这一问题。
4. 由谁负责编程？ 专职AOI工程师是一笔真实的固定人力开销。如果实际情况是“当班是谁就谁上”，那么您需要一台操作工就能独立运行的系统。
5. 当前复检成本是多少？ 统计每班次被误报拦截的板数以及负责人工判定的复检人员。除非误报机制得到实质性改变，否则这笔负担会原封不动地转移到新设备上。
6. 生产节拍是否需要在线拦截？ 如果必须在产线上按节拍全数拦截不良，您应选择在线机型。如果可以在台边进行离线检测，离线式能以更低的成本换取更大的灵活性。

记录下这六个答案。它们能将您与供应商的交流从抽象的推销词转化为可逐项验证的事实。

离线还是在线：哪种更契合您的产线？

离线AOI适合多品种、小批量生产：无需停线即可完成编程与检测，能适应不规则的工单流，且部署成本更低。在线AOI的高溢价则体现在稳定、高产能的产线上——每块板都必须配合生产节拍100%全检，并实现接驳台轨道对接及自动分选剔废。决定因素在于节拍要求和换线频率，而非设备档次面子。

实用对照指南：

两点客观事实。第一，许多多品种车间完全依赖离线设备运行，从未觉得缺少在线功能。第二，规模化工厂普遍采用兼顾两者的模式：在产线正常生产的同时于离线端完成编程与验证，再将验证成熟的程序载入在线设备。DaoAI的P系列遵循此划分：离线机型包含P1以及面向微间距精密作业的高精度P2（12MP，10 micron光学配置）；在线机型则有保证产能的P3及双轨P3D；设备支持离线预编程，可在不影响生产的前提下完成新产品准备（DaoAI实测数据）。

您需要2D还是3D？

应根据实际缺陷柏拉图分析而非演示效果来决定选择2D还是3D。3D增加了高度和体积测量维度，这在漏检主要为焊锡体积类缺陷（如少锡、引脚翘起、共面度不良）时至关重要。若您的痛点集中在缺件、错件、极性、偏移以及丝印标识引发的误报上，搭载AI分类功能的现代2D系统即可以更低成本覆盖实际检测需求。没有绝对的标准答案，缺陷柏拉图才是决策依据。

高度测量的价值是客观存在的。2D图像无法直接测量焊锡体积，而在焊点被元件本体遮挡的封装中，高度数据能够捕获灰度图像遗漏的缺陷。如果这类缺陷目前存在漏检并在后道工序造成损失，那么3D确实物有所值。

但反过来，多品种生产中的绝大部分误报痛点都处于2D范畴：批次间外观差异、同色元件混淆、电感与晶振上的密集丝印等。这些属于特征分类问题，需要更精准的判定而非高度拓扑图。基于特征的AI能够直接解决这些难题（技术原理详见我们的误报深度解析）。

坦诚说明：DaoAI的P系列目前以2D形式交付，3D版本已宣布即将推出。无论评估哪家设备，选型建议始终不变：列出您上个季度的实际漏检与误报清单，然后按需采购。

揭示换线经济性的七个供应商提问

以下七个问题能直观暴露AOI在多品种车间中的实际表现：编程需要哪些输入、由谁负责换线且耗时多久、遇到全新元件如何处理、误报率如何随时间下降、谁来维护元件库、检验判定标准如何对齐IPC-A-610，以及数据如何接入MES。向每家供应商提出完全相同的七个问题，并横向对比答案。

针对每个问题，理想的回答应该是这样的：

1. 编程需要哪些输入？ 优秀的回答会明确指出哪些输入是可选的。如果必须提供CAD文件和维护完备的元件库，那么客户提供数据的习惯就直接绑架了您的换线排程。DaoAI的方案：仅需单块实体黄金样板，无需CAD，无需预建库（DaoAI实测数据；工作原理解析）。
2. 由谁执行换线，耗时多久？ 注意回答中提到的岗位头衔。“工艺工程师耗时数小时”与“产线操作工几分钟搞定”，描述的是完全不同档次的设备。DaoAI给出的数据为操作工约5 minutes即可完成换线，而传统编程需要3 to 5 hours（DaoAI实测数据）。
3. 系统遇到未见过的全新元件会如何处理？ 传统做法是手动建库，这构成了持续的人力成本。直接从黄金样板本身提取识别则消除了这一步骤。
4. 误报率如何随时间逐步下降？ 关键区别在于：是由工程师不断重新微调阈值，还是通过操作工的复判反馈自动重训模型判定逻辑？前者是无休止的人工消耗，后者则是持续的正向迭代。在DaoAI系统中，随着操作工提交反馈，误报率逐步降低，检出准确率标定在98%或更高（建议使用您自己的板卡验证实际表现）。
5. 由谁维护元件库，每月耗时多少小时？ 如果厂商回答“极少”，请要求提供标杆客户的实际数据。传统AOI程序往往就是因元件库失修而逐步失效的。
6. 允收与拒收判定标准如何与IPC-A-610对齐？ 当前最新版本为IPC-A-610J (2024)。检验标准需能追溯至该标准，确保复检工位与客户审计使用统一标准语言。
7. 检测数据如何传输至MES和SPC？ 开放API远胜于专有协议绑定。实时缺陷数据推送可实现追溯与闭环质量管理；DaoAI提供用于MES集成的RESTful API，并内置SPC报表功能（DaoAI实测数据）。

用同样的七个问题来问我们。从容应对这份清单的供应商值得信赖，而回避问题、将话题扯回相机参数的供应商同样说明了问题。

常见问题解答

离线AOI足以应对多品种生产吗？

通常足够。如果台边检测能够满足您的生产节拍要求，离线设备能以更低成本和更高灵活性胜任多品种生产任务。只有当板卡必须在产线上按节拍100%全数在线拦截时，在线式才成为刚需。许多工厂即便在为大批量导入在线产能后，仍保留离线机台专门负责NPI与试产验证。

一台AOI设备多少钱？

供应商极少公开发布标价，而且设备售价本来就只是总体成本的一小部分。5-year总持有成本由采购价格加上编程人工、复检人工以及漏检带来的损失构成。在多品种产线上，人工支出通常远超设备标价：据DaoAI测算，传统系统仅复检和停线造成的人工损失每年每名操作工就达15,000 to 40,000 USD（DaoAI实测数据）。请对比5-year综合成本，而非单机报价。

一台设备能否同时兼顾NPI与量产？

借助离线预编程，实际生产中完全可以实现：产线正常生产时，在离线端对新产品进行编程与验证，随后将程序部署到承接该工单的机台上。此时黄金样板工作流尤为实用，因为在NPI阶段，首件样板往往比规整的CAD数据更早到位。

怎样才能让Demo演示评估真正具有参考价值？

带上您最难测的板卡，而不是最规整的样板。带上一块带有同色元件的板、一块带有丝印电感或晶体振荡器的板，以及一块没有CAD数据的板。让您自己的操作工（而非供应商的工程师）执行换线操作。在您自己的板卡上实测调试建板时间和误报数量。这样实操1-hour，胜过听一整天的PPT宣讲。

带着这七个问题参加每一次现场演示

如果您的六项自查结果指向频繁换线且工程人员配置有限，请将重心放在持续性成本上，并带着这七个问题去参加每一次设备演示——包括我们的演示。DaoAI的P系列在离线（P1/P2）与在线（P3/P3D）机型上均全面支持黄金样板工作流。