품질 불량으로부터 전자 제품 및 PCB 조립 공정을 보호하는 5가지 방법
PLEORA TECHNOLOGIES
end-to-end 품질 관리로서 브랜드 보호
품질 문제와 불량은 특히 PCB 및 전자 제품 제조와 관련된 사람이 하는 복잡한 작업에서 발생한다. 일반적으로 제조 프로세스 중간에 품질검사를 위한 AOI(Automated Optical Inspection)와 같은 시스템이 적용되었을 수 있다.
AOI 시스템이 품질 관리에 가치를 부여하더라도 여전히 프로세스의 전면과 후면이 불량에 취약하다. 품질 불량은 불만족스러운 고객의 클레임에서 잠재적으로 수천 달러 이상의 비용을 발생시킬 뿐만 아니라 공급업체로서의 브랜드와 평판에 손상을 줄 수도 있다. 비용이 많이 드는 인적 오류를 피하기 위해 프로세스에 적용하여 브랜드와 품질 생산을 end-to-end에서 보호할 수 있는 몇 가지 유용한 팁이 있다.
1. AI를 이용한 '입고품' 검사 수행
입고품의 품질 관리는 품질 문제의 1차 방어선이다. PCB 조립 공장에서는 수령한 PCB의 품질을 평가하고 조립 전에 올바른 구성 요소가 준비되었는지 확인하며 시작하는 것이 좋다. 전자 제품 제조에서 최우선 과제는 제품 제작을 시작하기 전에 올바른 부품을 받았는지 확인하는 것이다.
육안 검사는 일반적으로 이 첫 번째 단계에서 사전 품질 문제를 확인하는 데 수행된다. 이것은 이론상 간단하게 들리지만, 운영자는 여러 복잡한 제품을 관리하고 "좋은" 구성 요소와 "나쁜" 구성 요소를 구별하는 것이 어려울 수 있다.
이 문제를 해결하려면 보드 또는 부품의 "양호"한 제품의 이미지를 참조하여 이를 사용하여 생산을 시작하기 전에 올바른 구성 요소가 제자리에 있는지 확인하는 것이 좋다. AI와 관련된 최신 기술은 사용자가 시스템을 훈련하여 입고된 부품 및 보드를 자동으로 검사하여 항목이 생산을 시작하려는 제품과 올바르게 상호 연관되어 있는지를 표시하도록 훈련할 수 있도록 함으로써 육안 검사를 지원할 수 있다.
2. 초도품 검사를 위한 "양호"한 제품의 이미지 저장
항상 첫 제품을 검사한다. 첫 번째 보드 또는 제조되는 부품은 완전한 생산 실행을 위해 승인을 받기 전에 검토되어야 한다. 초도품 검사(FAI, First Article Inspection)는 기판이 고객이 제공한 사양에 따라 올바르게 제조되었는지 확인하기 위한 긴 프로세스일 수 있지만, 적절한 검사는 전체 생산 과정에서 고비용의 품질 불량을 방지하는 열쇠이다. 초도품 검사는 제품의 과거 이력을 기반으로 잠재적인 문제를 식별하고 이전에 제조된 샘플과 비교하여 편차를 표시해야 한다.
이 단계에서 품질 불량의 주요 위험은 사람이 조작하는 육안 검사에 있다. 인간은 피로, 멀티태스킹, 의사 결정에 직면할 때 실수하기 쉽다. FAI 프로세스를 용이하게 하기 위해 제조업체는 고급 AI 기능을 추가하여 인간의 의사 결정을 지원하고 AI를 사용하여 저장된 양호한 참조 이미지를 FAI와 비교하여 불일치를 자동으로 분리함으로써 품질 관리를 개선할 수 있다.
3. AOI를 이용한 검사 프로세스
AOI 시스템은 다양한 유형의 결함에 대한 검사 범위를 늘리는 데 도움이 되는 인라인 검사에 적합하다. 그렇지만, 관통 구멍 구성 요소, 접착제 또는 밀봉 결함과 같이 AOI를 통해 감지할 수 없는 것을 포함하여 제품 샘플링 검사 전략을 통합하여 AOI 프로세스와 쌍을 이루는 것이 좋다.
독립형 육안 검사 시스템은 2차 검사로 AOI 프로세스를 보완하는 데 도움이 될 수 있으며, 누락되거나 잘못된 구성 요소 또는 나사와 같은 결함은 물론 역극성(reverse polarity) 및 색상 문제를 식별하는 데 도움이 된다.
4. 최종 검사를 건너뛰어서는 안 된다
AOI 시스템이 중요한 목적을 수행하는 것은 확실하지만, AOI 시스템 검사 후 최종 포장 및 배송 전에 불량이 발생할 위험은 어떤 것이 있을까? 프로세스에 납땜, 수동 작업 및 현장 운송이 포함되는 경우 품질 관리는 여전히 손상, 결함 및 라인 다운 비용 발생에 취약하다.
AOI 시스템은 안전에 대한 잘못된 감각을 가지게 할 수 있다. AOI를 통해 90% 품질 관리가 가능하지만 다른 문제가 발생할 가능성도 여전히 10%이다. 특히 일정 수준의 수작업이 관련된 경우 더욱 그렇다. 인간은 최선을 다해 지시를 따르지만 사람마다 기술이 다르고 의사소통 해석에 따라 생산 프로세스에서 오류가 발생할 여지가 있다. 이는 동료와 동일한 속도와 효율성으로 검사하기 위해 온보딩 방향, 시간 및 경험이 필요한 신규 운영자에게도 문제가 될 수 있다.
최종 검사 단계에서 모범 사례가 있는지 확인하기 위해 반복되는 문제, 일관성, 요구 사항, 최적의 객관성을 위해 가능한 경우 카메라 기반 검사 및 AI 지원 구현과 같은 문제를 탐색한다.
5. 지속적 개선을 위한 이력 저장
장비를 적절하게 제어하고 점검하더라도, 품질 불량에 대한 가능성은 여전히 존재하며 결함이 있는 제품이 여전히 고객에게 도달할 가능성이 있다. 종종 이는 제품이 배송 중 손상되거나 고객 사이트에 도착한 경우에 발생할 수 있다. 제조업체는 어떻게 추적성을 개선하고 프로세스에서 오류가 발생한 위치를 다시 검색할 수 있을까?
들어오는 재고를 확인하는 것이 중요하듯이 배송된 모든 제품을 기록하는 것도 중요하다. 각 제품에 고유한 바코드와 나가는 배치의 저장된 이미지가 있는 직렬화 프로세스를 구현할 수 있다.
다음번에 고객이 품질 문제로 전화를 걸면 출고 전의 제품 상태가 기록된 파일을 사용할 수 있으므로 품질 프로세스 오류에 대한 중요한 통찰력을 얻을 수 있다.
개선을 위한 영역 평가를 하면 제조 또는 조립 시설의 주요 지점에 있는 자동화 및 비전 검사 시스템은 품질 관리를 통해 위험을 줄이고 주요 공급업체의 브랜드 무결성을 유지하는 데 도움이 될 수 있다. 수동 검사 대신에 AI를 이용한 의사 결정으로 작업자 피로 및 관련 오류를 방지한다.
자료 제공: PLEORA TECHNOLOGIES(www.PLEORA.com)
