AOI com IA em SMT: 60% menos falsos positivos que o AOI clássico
Por que o AOI tradicional está chegando ao limite
O AOI tradicional (Automated Optical Inspection) é construído sobre templates rígidos: uma feature é comparada com uma referência CAD known-good e os desvios acima do limiar são marcados. A abordagem funcionou quando as PCBs eram densas, mas uniformes. As linhas SMT atuais rodam componentes 0201, package-on-package e mixes de SMD em velocidades nas quais o AOI baseado em regras gera falsos positivos demais. Resultado? Retrabalho manual crescente, fadiga do operador e horas de engenharia gastas ajustando limiares em vez de melhorar a linha.
O que a inspeção visual com IA traz para o chão de fábrica SMT
A inspeção visual com IA substitui o modelo de limiar rígido por redes de aprendizado profundo que aprendem como um defeito se parece a partir de dados reais de produção. O sistema não recebe uma definição geométrica de 'dentro da spec': ele a aprende de milhares de exemplos accept/reject produzidos pela sua linha. A diferença aparece em três áreas mensuráveis:
- A taxa de falsos positivos cai 60-80% frente ao AOI tradicional, eliminando a maior parte da carga da estação de retrabalho manual.
- O tempo de introdução de novos produtos cai de dias para horas: em vez de escrever regras por componente, o engenheiro rotula um conjunto de amostras e o sistema retreina.
- Defeitos sutis que o AOI baseado em regras deixa passar — voids parciais, micropontes, drift de componente — são detectados na mesma velocidade dos óbvios.
Onde a inspeção com IA fica na linha SMT
A maioria das operações SMT adota inspeção visual com IA em três pontos:
- Pós-impressão de pasta (SPI): verificar volume, alinhamento e formato do depósito antes do placement, capturando problemas de pasta cedo.
- Pós-placement (pré-refusão): confirmar que cada componente está na placa, bem orientado e com o part number correto.
- Pós-refusão (AOI final): inspecionar as soldas em busca de juntas faltantes, insuficientes, em ponte ou com tombstone.
Uma plataforma de IA moderna cuida das três estações a partir de um dashboard unificado, então o operador vê a propagação dos defeitos no processo e os engenheiros conseguem rastrear a causa raiz da placa ao placement e à pasta.
Decisões abaixo de 200 ms: por que a latência importa
Uma linha SMT típica processa uma placa a cada 5-8 segundos. A latência de inspeção acima de 200 ms por placa começa a virar gargalo em projetos densos com várias regiões de inspeção. A inspeção com IA moderna roda localmente em hardware edge (NVIDIA Jetson, aceleradores industriais similares), mantendo a inferência determinística e abaixo do limiar de ciclo. A inferência na nuvem não é viável para a cadência SMT: só o round-trip já estoura o orçamento.
Como a IA captura defeitos de solda
A inspeção de juntas de solda é onde a IA mostra a sua maior vantagem sobre o AOI baseado em regras. As classes de defeito incluem:
Linha SMT com AOI tradicional?
Veja como a CondorVision se integra às suas máquinas pick-and-place e de refusão para reduzir falsos positivos sem trocar o equipamento.
Ver solução eletrônica- Solda faltante (open joints): o modelo detecta a ausência de geometria mesmo quando o componente parece bem colocado.
- Solda insuficiente, molhamento parcial e filetes côncavos que o AOI tradicional classifica erroneamente como aceitáveis.
- Bridging, solda entre pinos, comum em CIs fine-pitch.
- Tombstoning: um componente passivo levantado na vertical de um pad, geralmente por depósito desigual de pasta.
- Soldas frias: terminações opacas e granuladas que indicam perfil de refusão ruim.
Os defeitos mais difíceis de detectar em SMT não são os visíveis. São as juntas borderline que o AOI marca como suspeitas e os humanos aprovam, para falhar depois em campo. A IA elimina essa zona cinzenta aprendendo o limite real de pass/fail.
Treinar o modelo para uma placa nova
O onboarding de uma placa nova em um sistema de inspeção com IA segue um fluxo claro:
- Carregar arquivos CAD ou Gerber para semear as posições dos componentes.
- Rodar o primeiro build com todas as unidades fotografadas, mas sem rejeição: o sistema acumula dados de baseline.
- Um engenheiro rotula de 100 a 500 placas de amostra (tipicamente meio dia de trabalho).
- O modelo treina sobre essas amostras e entra em modo produção em menos de 48 horas.
- O sistema segue aprendendo com as confirmações do operador, melhorando ao longo do tempo.
Integração com MES e rastreabilidade
Um sistema de inspeção com IA isolado captura defeitos, mas o valor real vem de amarrar cada decisão ao MES. Cada imagem de placa, classe de defeito, posição e confirmação do operador é registrada contra o serial da placa. Quando chega uma devolução do cliente, todo o histórico de produção daquela placa está disponível: depósito de pasta, placement, perfil de refusão, decisão do AOI. Para OEMs automotivos, médicos e aeroespaciais, essa rastreabilidade é obrigatória.
Justificativa financeira do AOI com IA
O caso financeiro converge por vários ângulos. Reduzir falsos positivos em 60% corta diretamente pela metade a carga da estação de retrabalho. Capturar defeitos antes da refusão em vez de em devoluções de campo reduz drasticamente o custo de garantia: uma placa que falha após a montagem custa 10 vezes mais do que uma capturada no SMT, e uma devolução de campo pode custar 100x. A velocidade de NPI acelera porque os engenheiros não ajustam regras manualmente. A maioria dos fabricantes eletrônicos alcança ROI completo em implantações de AOI com IA em 12 a 18 meses.
Comparação: AOI com IA vs. AOI tradicional
Se você está avaliando as duas opções, os eixos que importam são:
- Taxa de falsos positivos: AOI tradicional 5-15%, AOI com IA 0,5-3%.
- Tempo de setup de placa nova: AOI tradicional, dias escrevendo regras; AOI com IA, horas de rotulagem.
- Cobertura de defeitos sutis (voids parciais, micropontes): AOI tradicional fraco, AOI com IA forte.
- Tempo de ciclo: comparável nos dois, ambos rodam abaixo de 200 ms por placa.
- Custo total de propriedade em 5 anos: AOI com IA tipicamente 30-40% menor por menos retrabalho e NPI mais rápido.
Perguntas frequentes
Em muitos casos você pode manter as câmeras e reaproveitá-las. A mudança profunda é em software e computação: o modelo de IA roda em uma unidade edge ao lado do equipamento existente, substituindo o motor de regras por um modelo aprendido.
Continue lendo
Defeitos de embalagem: IA, visão clássica ou amostragem manual?
Escolher o sistema certo de detecção de defeitos para uma linha de packaging é mais complicado do que deveria. Comparamos as 4 abordagens em produção hoje — inspeção com IA, visão computacional tradicional, amostragem manual e raios X — em custo, cobertura e ROI.
Defeitos em tecido: detecção 10x mais rápida que a inspeção manual
A inspeção manual de tecido deixa passar até 35% dos defeitos e consome horas de operador por turno. A detecção de defeitos com IA captura cada falha em tempo real, em cada metro de cada rolo. Este guia explica como ela funciona, o que captura e como escolher um sistema.
Defeitos de solda, superfície e dimensão: como detectá-los na linha
As linhas metalúrgicas rodam quentes, rápidas e refletivas — condições que derrotam a visão computacional tradicional. A inspeção com IA lida com as três, capturando defeitos de solda, trincas e desvios dimensionais em cada peça. Aqui contamos o que ela realmente faz e como implantá-la.
MODERNIZE A SUA INSPEÇÃO SMT COM IA
Veja como a inspeção visual com IA elimina falsos positivos, captura defeitos sutis e se integra à sua linha SMT existente. Reserve uma avaliação sob medida.
RESERVAR AVALIAÇÃO