手機行業的規模和競爭力推動了許多行業的投資和創新，從成像、軟件，甚至冶金。毫無疑問，半導體技術和市場受到了最大的沖擊和影響， 更小封裝更高性能是半導體市場幾十年來一直不懈的需求。 幾個月前，蘋果發布了最新款 iPhone，其中一些配備了臺灣臺積電生產的全新 3 納米制造工藝的新型 A17 仿生芯片。 據報道，蘋果采購了臺積電能夠生產的所有3nm芯片。 這些芯片比 5 納米前代芯片更小、更快、耗電更低、更節能。 據蘋果公司稱，每塊芯片都有 190 億個晶體管，其中一些晶體管非常小，可能只有 12 個硅原子寬。

同樣的壓力也延伸到了印刷電路板制造領域。據報道，蘋果公司將改用樹脂涂層銅 (RCC) 箔作為其新的 PCB 材料，從而使該公司能夠將其制造得更薄。 這對制造商來說將是一個挑戰，因為 RCC 箔非常脆弱，研究人員在 IEEE 上發表文章稱，它在層壓過程中特別容易受到熱量和壓力的影響。僅僅創新是不夠的——你必須要有利潤。 《信息》雜志 的新報道描述了蘋果為降低成本而獲得的有利條件：作為巨額訂單的回報，臺積電必須承擔帶有缺陷的處理器芯片的成本。 因此，盡管像 TSM 這樣的晶圓廠正在通過開發更小的節點工藝以減小芯片尺寸和降低功耗來加強自己的競爭力，但它們在質量方面將面臨嚴峻的挑戰。

PCB 的自動光學檢測

對于許多公司來說，質量控制是 PCB 制造鏈中的主要瓶頸，包括可靠性測試和返工有缺陷的 PCB。 提高質量控制的速度和效率可以顯著提高產量和成品率，降低制造成本和減少浪費。大多數 PCB 制造商使用自動光學檢測 (AOI) 來監控印刷電路板中的缺陷。 當印刷板上的焊接、連接、焊盤和走線存在缺陷時，這可以提供強有力的保證。

事實證明，AOI 對于及早檢測組裝過程中出現的問題非常有用，例如短路、開路、焊接變薄、走線劃痕等。 特別是，劃痕對于電路板來說可能是“致命的”，會改變其電氣特性并導致成品完全故障。AOI 的優勢是直接集成在 PCB 生產線的末端，在層壓和蝕刻之前，比其他方法更早地檢測到可能的缺陷。 成像系統捕獲高分辨率圖像，分辨率低至幾微米，然后將它們與“完美”模型板（也稱為“黃金模板”）的圖像或合格樣品和缺陷樣品的圖像數據庫進行比較 。

除了對組裝中的 PCB 進行測試外，AOI 方法還可以監控制造過程本身。 抓取設備可以實時響應檢測到的缺陷，糾正組件錯位和未對準等裝配缺陷。

超越傳統走向人工智能成像

盡管如此，隨著對更小、更高性能零件的需求，由此產生的材料缺陷的復雜性和微妙性意味著傳統的手動檢查或基于規則的成像可能根本無法勝任這項任務。 一家半導體OEM設備廠家需要檢測 PCB 元件上的各種細微缺陷，包括破損、磨損、污染、碎片和氣泡。 然而，使用傳統的基于規則的圖像處理并不能提供他們所需的準確性。 他們面臨著在現有流程中未被發現的缺陷零件增加的問題，從而推高了成本。 他們需要一個新的解決方案。

為了克服這些障礙，該客戶決定嘗試AI深度學習，以滿足檢測 PCB 及其組件缺陷的準確性要求。 他們選擇了 Teledyne DALSA的 Sherlock8 AI 檢測軟件套件。Sherlock8 AI 軟件使他們能夠在 AOI 機器中使用 AI 功能擴展基于規則的算法。 事實證明，Sherlock8 AI 軟件是 該OEM客戶 的理想解決方案，使他們能夠使用大部分現有系統，同時更準確地檢測其他方法可能錯過的細微缺陷，包括破損、磨損、污染和碎片 使用 Sherlock8 AI，該客戶 能夠以 12-14 毫 秒的速度對 200 張圖像進行連續分類，準確率達到 98%，對 453 張好圖像和 11 張壞圖像進行連續分類，準確率達到 100%。 此外，當同時在零件圖像上查找多個缺陷時，他們能夠通過 259 張圖像和 20 毫秒的速度進行物體檢測，實現 99.62% 的準確率。

PCB 上的晶體管可能有許多微小的變化，這些變化可能會，也可能不會影響性能。過去幾年AI機器學習領域取得的巨大進步正是針對了此類的應用。結果是一條生產線可以準確地檢測印刷電路板上的細微缺陷，而無需進行勞動密集型的人工檢測。AI深度學習為傳統的基于規則的圖像處理提供了可靠且穩定的替代方案，而傳統的圖像處理在檢測細微缺陷方面常常無能為力。總體而言，由于 Teledyne DALSA的 Sherlock8 AI 軟件，該OEM客戶在 PCB 缺陷檢測的準確性和速度方面都取得了顯著提高，使他們能夠減少缺陷，同時提供符合其規格的更高質量的產品。

為 2030 年做好準備

如今，該行業仍在從 2021 年開始的全球半導體短缺中慢慢恢復。盡管麥肯錫分析師預測，未來十年半導體增長的近 70% 將僅由三個行業推動：汽車、計算和數據存儲，以及 無線通信領域，這些行業仍在因錯過產品發布、延遲更新、更高的價格和更高的期望而奮起直追。 壓力與日俱增。

深度學習和人工智能軟件系統譬如：Sherlock8可以快速提高最大瓶頸的速度和準確性：質量控制。 各個公司可以將質量控制轉化為競爭優勢，提高速度并降低成本，同時在緊密結合的行業中建立信任，而不是成為問題。更好的產品可能只是一個開始。 半導體公司已經是生成和分析數據的領導者，但機器學習和人工智能提供的幫助將絕對增強每家公司運營的生產效率。預測性維護和成品率、研發投資，甚至市場策略和產品優化都可能受益于更多數據和更好的機器學習。