Détection IA des défauts sur lignes SMT : réduire le coût des fausses alertes
Sur les assemblages SMT (technologie de montage en surface) à l'ère du refusion, le niveau d'acceptation Classe 3 de la norme IPC-A-610 impose un taux d'acceptation de 99,7 %. L'inspection optique automatisée (AOI) classique basée règles atteint ce niveau avec un taux de fausses alertes autour de 1,8 %. Chaque fausse alerte coûte une minute opérateur. C'est là que l'IA change le calcul.
Le SMT est le terrain de jeu de l'AOI depuis 20 ans. Ce qui a changé en 2024 et 2025, c'est que le facteur limitant sur la plupart des lignes SMT est passé des défauts manqués au coût des fausses alertes. Le temps opérateur passé à examiner les faux positifs est le nouveau goulot, et l'IA le réduit sans sacrifier le taux d'acceptation.
Taxonomie des défauts SMT
Cinq classes de défauts dominent les listes de retouche SMT à l'ère du refusion. Le tombstoning, où une extrémité d'un composant chip s'est levée pendant le refusion. Le pontage de soudure entre plages adjacentes. La soudure insuffisante quand le joint n'a pas reçu assez de pâte. Les composants désaxés quand le placement pick-and-place a dérivé. Les composants manquants quand un blocage de bobine a fait tomber la pièce.
Quatre autres apparaissent en plus faible volume mais à plus haut coût : pattes soulevées sur boîtiers QFP, vides dans les joints BGA visibles seulement aux rayons X, tombstoning sur passifs 0201 et 01005, et billes de soudure dues à la dérive de pâte. Les modèles IA détectent les cinq premiers aussi bien que l'AOI classique et attrapent les quatre suivants à des taux que l'AOI classique ne tient pas.
Pourquoi les fausses alertes de l'AOI à règles coûtent plus cher que les défauts manqués
Un défaut manqué coûte la retouche plus l'exposition garantie. Une fausse alerte coûte 30 à 90 secondes de temps de revue opérateur plus un risque d'arrêt de ligne. À 3 000 cartes par poste et un taux de fausses alertes de 1,8 %, la ligne génère 54 fausses alertes par poste. Chacune coûte 60 secondes de revue. Cela représente 54 minutes opérateur par poste de travail évitable.
Multiplie sur trois postes et 250 jours d'exploitation, et la taxe sur les fausses alertes d'une ligne représente environ 675 heures opérateur par an. À 40 euros tout compris l'heure, cela fait 27 000 euros par ligne et par an qui restent sur le sol.
Comment l'IA réduit les fausses alertes à taux d'acceptation égal
L'AOI classique évalue chaque joint contre un jeu de règles géométriques. L'IA évalue contre une représentation apprise des bons joints. La différence pratique, c'est que l'IA gère la distribution des joints acceptables mais inhabituels sans les classer en défauts.
Le schéma d'IA appliquée ici est bien documenté. Les travaux à comité de lecture traitent la réduction des fausses alertes comme le cas d'usage canonique de l'AOI SMT, et les déploiements fournisseurs le confirment. Le déploiement Opcenter Intelligence de Siemens à Rastatt rapporte une réduction de 60 % du temps d'analyse en inspection manuelle et un gain de 42 % du rendement au premier passage sur la ligne concernée. À titre d'illustration, si une ligne passe de 1,8 % à environ 0,4 % de fausses alertes au même taux d'acceptation de 99,7 %, un poste de 3 000 cartes génère 12 alertes au lieu de 54, soit une réduction d'environ 78 % de la charge de revue opérateur sans changement du taux d'échappement.
Combien de données d'entraînement il faut vraiment
Moins que ce que la plupart des équipes pensent. Pour les cinq principales classes de défauts SMT, 500 à 1 000 exemples étiquetés par classe suffisent pour égaler l'AOI classique. Pour les quatre plus difficiles (pattes soulevées, vides BGA, tombstoning 0201, billes de soudure), 2 000 à 5 000 exemples par classe est typique.
La plupart des usines SMT ont déjà ces données dans leurs journaux AOI. Le travail consiste à les nettoyer et à les aligner avec les fenêtres de procédé en cours, pas à les capturer de zéro. Un ingénieur de mise en service y arrive en général en deux à trois semaines.
Intégrer l'IA dans les lignes SMT existantes
Le poste post-refusion est le bon créneau. Le poste d'inspection traditionnel y est déjà sur la plupart des lignes, donc l'inspection IA tourne en parallèle comme deuxième avis pendant la mise en service. Une fois la confiance établie, l'IA prend le rôle principal et le système basé règles passe en doublure ou se retire.
La poignée d'intégration, c'est le système d'exécution de fabrication (MES) sur OPC UA, le protocole ouvert de communication des équipements industriels. Le système IA publie un pass-fail plus un score de confiance par joint. Le MES stocke les deux et alimente le tableau de contrôle statistique de procédé (SPC). La plupart des déploiements sont câblés en moins d'une semaine.
Enao Vision propose un poste post-refusion à base d'iPhone comme déploiement pilote pour les lignes SMT qui veulent évaluer l'IA sans démonter leur AOI. Pour l'inspection SMT et PCB, la gamme iPhone Pro est le bon choix : son téléobjectif intègre un mode macro qui résout le détail fin nécessaire sur les passifs 0201 et 01005, les joints BGA et les ménisques de soudure. On a fait tourner ce setup sur Enao Vision sur le terrain. La réduction des fausses alertes est la métrique de retour sur investissement (ROI) la plus solide parce que c'est celle que chaque chef de ligne sait citer. Les réglages de modèle et les jeux de référence pour les classes spécifiques au SMT se partagent dans notre Slack communautaire.
La catégorie AOI SMT n'a pas bougé depuis dix ans parce que les acteurs en place étaient suffisamment bons. L'IA ne les rend pas obsolètes ; elle les rend plus précis en supprimant la taxe sur les fausses alertes qui a été le coût caché de l'AOI depuis le premier jour.
Si tu fais tourner une ligne SMT et tu veux comparer les notes sur l'inspection IA post-refusion, rejoins la communauté Enao et apporte tes chiffres de fausses alertes.