Fremdkörper und Verschmutzung auf der Baugruppe: Inline-Prüfung statt Stichprobe

Fremdmaterial auf einer Baugruppe ist ein Fehler ohne Muster. Ein loses Bauteil, das beim Handling liegen geblieben ist, ein Bürstenhaar nach dem Trennen des Nutzens, ein Span aus der Nachbarstation: Solche Dinge entstehen zufällig, sie wandern nicht durch eine Charge und sie kündigen sich nicht an. Genau deshalb ist die Stichprobe hier das schwächste aller Prüfmittel, denn sie sagt nur etwas über die Teile aus, die sie gesehen hat. Dieser Beitrag beschreibt, was eine Kamera an Fremdmaterial auf einer bestückten Baugruppe tatsächlich zeigt, warum Auflicht und Durchlicht zwei verschiedene Fragen beantworten und ab wann sich eine Prüfung je Teil rechnet.

Wichtige Punkte im Überblick

Fremdmaterial tritt zufällig auf und wandert nicht durch eine Charge, weshalb eine Stichprobe hier das schwächste Prüfmittel ist und eine Prüfquote von fünf Prozent ein loses Bauteil mit fünf Prozent Wahrscheinlichkeit findet.
Der wirtschaftliche Hebel liegt selten im eingesparten Ausschuss, sondern in dem, was ein durchgerutschtes Teil auslöst, und in einem dokumentierten Fall stand eine Anlage sieben Tage still, weil ein Werkzeug durch Fremdkörper beschädigt worden war.
Auflicht und Durchlicht beantworten zwei verschiedene Fragen, denn mit weißem Hintergrund und Beleuchtung von vorn ist die kameraseitige Fläche stabil beurteilbar, während Durchlicht Schlieren und größere Verunreinigungen auf der Rückseite nur dann zeigt, wenn sie einen ausreichend dunklen Schatten werfen.
Ein Polarisationsfilter ist kein Automatismus, denn in einem Projekt an DBC-Substraten wurde er weggelassen, weil er zusammen mit dem Reflex auch den Glanzunterschied entfernte, an dem der Rückstand überhaupt erkennbar war.
Die eigentliche Aufgabe ist die Trennung von erlaubter Struktur und Fremdmaterial, wofür eine AI-Segmentierung an den eigenen Gutteilen des Werks trainiert wird, etwa auf der All-in-One Kamera mit integrierter AI der Modellreihe VS, nachdem der Wunsch nach allem, was abweicht, auf benannte Fehlerbilder heruntergebrochen wurde.

Was auf der Baugruppe nichts zu suchen hat: lose Teile, Fasern, Späne, Rückstände

Die Formulierung, mit der solche Projekte beginnen, ist in den Unterlagen bemerkenswert konstant. Gewünscht wird alles, was abweicht. Übersetzt man diesen Wunsch in konkrete Fehlerbilder, bleibt eine überschaubare Liste, die sich über sehr unterschiedliche Produkte hinweg wiederholt:

Lose oder verstreute Bauteile, die auf dem Produkt liegen und dort nicht hingehören.
Bürstenhaare und Fasern, die nach einem mechanischen Schritt zurückbleiben, etwa nach dem Trennen eines Nutzens.
Schlieren, Rückstände und Restschmutz aus Reinigung, Dispensprozess oder Handling.
Partikel auf einer optischen Fläche, etwa auf einer Linse neben einer frisch dosierten Kleberaupe oder auf einem Prisma, das auf einen Chip gesetzt wird.
Verfärbungen der Kupferfläche und Eindrückungen am Bonddraht auf Substraten der Leistungselektronik.

Was in dieser Liste bewusst fehlt, ist die Frage nach der Herkunft. Ob ein Partikel aus der Reinigungsanlage, aus dem Werkzeug oder aus der Verpackung stammt, klärt eine Untersuchung im Labor mit Zählung und Bericht, und das ist ein Thema der Fehleranalyse. In der Linie steht eine andere Frage: Geht diese Baugruppe weiter oder nicht.

Stichprobe oder jedes Teil: wann sich die Inline-Prüfung rechnet

Eine Stichprobe ist ein gutes Werkzeug gegen systematische Fehler. Verschiebt sich ein Prozess, wandert der Effekt durch die ganze Charge, und dann genügt es, in Abständen hinzusehen. Fremdmaterial verhält sich anders. Es liegt auf einem Teil und auf dem nächsten nicht, und eine Prüfquote von fünf Prozent findet es mit fünf Prozent Wahrscheinlichkeit.

Der wirtschaftliche Hebel liegt deshalb selten im eingesparten Ausschuss. Er liegt in dem, was ein durchgerutschtes Teil auslöst. In einem dokumentierten Fall stand eine Anlage sieben Tage still, weil ein Werkzeug durch Fremdkörper beschädigt worden war. Andere Projekte starten nach einer Reklamation, und die erste Antwort des Werks ist eine hundertprozentige Sichtkontrolle am Tisch. Diese Kontrolle bindet Personal, sie ist auf Dauer nicht besetzbar, und sie liefert keinen Nachweis, den ein Kunde akzeptiert. Eine Kamera an der Station kostet einmal und entscheidet danach für jedes Teil nach derselben Regel.

Auflicht, Durchlicht und die Rückseite: was das Bild wirklich zeigt

Auflicht und Durchlicht sind keine zwei Geschmacksrichtungen derselben Prüfung, sondern zwei verschiedene Fragen. In einem dokumentierten Test an einem Einpressteil wurden beide Anordnungen nebeneinander aufgebaut. Mit weißem Hintergrund und Beleuchtung von vorn ließen sich Verunreinigungen auf der kameraseitigen Fläche stabil erkennen, sobald sie die im Test gezeigte Größe erreichten. Fehler auf der abgewandten Seite waren in dieser Anordnung nicht sichtbar, und zwar grundsätzlich nicht.

Mit Hintergrundbeleuchtung kehrt sich das Bild um. Durchlicht zeigt Schlieren und größere Verunreinigungen auch auf der Rückseite, allerdings nur dann, wenn sie einen ausreichend dunklen Schatten werfen. Feine Rückstände fallen durch dieses Raster. Diese Grenze gehört in das Lastenheft, bevor jemand die Station abnimmt. Wer beide Seiten in gleicher Qualität beurteilen muss, braucht zwei Blickrichtungen, also eine zweite Kamera oder ein Wenden des Teils im Handling.

Wenn der Polarisationsfilter das Fehlerbild wegnimmt

Polarisation gilt als Standardantwort auf glänzende Oberflächen, und für die AI Vision-Sensoren der Modellreihe IV4 stehen dafür die Polarisationsfilter OP-88644 bis OP-88647 bereit. An einem gerichteten Reflex auf einem Pad oder einer Kontaktfläche ist das oft der schnellste Weg zu einem brauchbaren Bild.

Ein Automatismus ist der Filter trotzdem nicht. In einem Projekt an DBC-Substraten wurde er ausdrücklich weggelassen, weil er zusammen mit dem Reflex auch den Kontrast entfernte, aus dem das Fehlerbild überhaupt bestand. Ein Rückstand auf einer Kupferfläche unterscheidet sich teilweise gerade durch sein abweichendes Glanzverhalten vom Untergrund. Nimmt man das Glanzverhalten aus dem Bild, verschwindet der Fehler mit. Ob der Filter hilft oder schadet, zeigt in diesen Anwendungen erst der Versuch mit Originalteilen, und das ist einer der Gründe, warum dieser Versuch fast immer vor der Auslegung steht.

Struktur oder Fehler: Verschmutzung von erlaubtem Aufbau trennen

Eine bestückte Baugruppe ist optisch unruhig. Bauteilkanten, Lötstellen, Bedruckung, Bohrungen und Leiterbahnen erzeugen Kontraste, die alle erlaubt sind. Eine regelbasierte Auswertung über Grauwerte oder Flächen meldet in diesem Umfeld sehr viel, weil sie nicht wissen kann, was dort hingehört und was nicht.

Die eigentliche Aufgabe ist deshalb die Trennung von erlaubter Struktur und Fremdmaterial. Eine AI-Segmentierung, trainiert an den eigenen Gutteilen des Werks, lernt das Erscheinungsbild einer korrekten Baugruppe und markiert, was nicht dazu passt. Die All-in-One Kameras mit integrierter AI der Modellreihe VS bringen Kamera, Objektiv und Auswertung in einem Gehäuse unter, was in einer Anlage zählt, die nicht um ein Bildverarbeitungssystem herum konstruiert wurde. Vor dem Training steht allerdings eine Entscheidung, die niemand der Software abnehmen kann: Der Wunsch nach allem, was abweicht, muss auf benannte Fehlerbilder heruntergebrochen werden.

Große Substrate im Takt: Auflösung, Kameraanzahl und Prüfzeit

Sobald die Fläche wächst, wird die Auslegung zu einer Rechnung zwischen Bildfeld, Auflösung und Zeit. In dokumentierten Anwendungen misst ein DBC-Substrat rund 175 x 125 mm, das geforderte Bildfeld liegt bei 160 x 120 mm, die Prüfung soll in 1,7 bis 2,1 Sekunden abgeschlossen sein, und dasselbe Konzept muss auf drei parallelen Linien laufen. Zwei Farbkameras mit je 25 MP decken diese Fläche in einer Aufnahme ab.

Die High-Performance Bildverarbeitung mit integrierter AI der Modellreihe VS-G trägt bis zu acht Kameras je Controller bei Auflösungen von 0,31 bis 64 MP und stellt LumiTrax sowie multispektrale Aufnahme auf derselben Plattform bereit. LumiTrax trennt Formbild und Texturbild aus derselben Kamera und hilft dort, wo ein aufliegender Fremdkörper von einer flachen Verfärbung unterschieden werden soll. Ob zusätzlich ein telezentrisches Objektiv nötig ist, entscheidet die Frage, wie stark eine perspektivische Verzerrung am Bildrand die Bewertung verändert.

Auch das Werkzeug prüfen: Fremdkörper als Stillstandsursache

Nicht nur das Produkt trägt Fremdmaterial. In einem Fall aus der Stichprobe war die eigentliche Schwachstelle das Werkzeug selbst, das vor und nach dem Bestücken und Entladen frei von Fremdkörpern sein muss. Geprüft wurde es bis dahin gar nicht, bis die Maschine sieben Tage stand.

Optisch ist dieser Fall unangenehm, weil eine metallisch glänzende Werkzeugfläche über eine große Ausdehnung gleichmäßig abgebildet werden müsste. Ein Höhenbild umgeht das Problem, denn ein aufliegender Fremdkörper hat eine Höhe, unabhängig von seiner Farbe und vom Glanz der Umgebung. 3D Laser-Snapshot-Sensoren der Modellreihe LJ-S8000 erfassen dafür Felder bis 640 x 640 mm. Die Schwierigkeit verlagert sich damit auf die Mechanik, denn der Sensor muss an eine Stelle, an der bereits ein Roboter arbeitet.

Wie viele Fehlerklassen eine Station tragen kann

In einer Spezifikation aus der Stichprobe stand die Frage, ob eine Station 42 AI-Modelle aufnehmen könne. Die Frage ist berechtigt, und sie zeigt zugleich, wie solche Projekte aus dem Ruder laufen. Jede zusätzliche Klasse braucht eigene Trainingsbilder, eigene Grenzfälle und eine eigene Festlegung, was mit dem Teil danach geschieht.

Tragfähig ist die umgekehrte Reihenfolge. Zuerst wird festgelegt, welche Reaktionen die Linie überhaupt kennt, in der Regel Weiterlaufen, Ausschleusen und Nacharbeit. Dann werden die Fehlerbilder diesen Reaktionen zugeordnet. Was zur selben Reaktion führt, braucht keine eigene Klasse. Wie aus dieser Zuordnung eine belastbare Grenze zwischen Gutteil und Schlechtteil wird, behandelt der Beitrag „Pseudoausschuss senken: Grenzmuster, Fehlerklassen und die Frage, welcher Fehler zählt".

Häufige Fragen

F Reicht eine Stichprobe, um Fremdkörper auf Baugruppen zu finden?

Für zufällig auftretendes Fremdmaterial nicht. Eine Stichprobe ist gegen systematische Prozessabweichungen wirksam, weil diese die ganze Charge betreffen. Ein loses Bauteil oder ein Bürstenhaar liegt dagegen auf einem einzelnen Teil, und die Trefferwahrscheinlichkeit entspricht der Prüfquote. Sobald ein Kunde einen Nachweis je Teil verlangt oder ein durchgerutschtes Teil eine Anlage stoppt, ist die Prüfung in der Linie die einzige Antwort, die trägt.

F Erkennt eine Kamera auch Verschmutzung auf der Rückseite der Baugruppe?

Nur eingeschränkt. Mit Auflicht und weißem Hintergrund sind zuverlässig die Fehler auf der kameraseitigen Fläche erkennbar. Mit Hintergrundbeleuchtung werden Schlieren und größere Verunreinigungen auf der Rückseite sichtbar, aber nur, wenn sie einen ausreichend dunklen Schatten werfen. Für eine gleichwertige Beurteilung beider Seiten braucht die Station eine zweite Blickrichtung oder ein Wenden des Teils.

F Hilft ein Polarisationsfilter bei glänzenden Oberflächen immer?

Nein. Polarisation unterdrückt gerichtete Reflexe und macht viele Aufgaben auf Pads und Kontaktflächen erst lösbar. In einem dokumentierten Projekt an DBC-Substraten wurde bewusst darauf verzichtet, weil der Filter genau den Glanzunterschied entfernte, an dem der Rückstand erkennbar war. Diese Entscheidung fällt am Bild des Originalteils, nicht am Datenblatt.

F Wie unterscheidet die Prüfung Verschmutzung von der normalen Struktur der Baugruppe?

Über ein Modell des Gutzustands statt über eine feste Regel. Bauteilkanten, Lötstellen und Bedruckung erzeugen dieselben Kontraste wie ein Fremdkörper, weshalb eine schwellenbasierte Auswertung viele Fehlmeldungen liefert. Eine AI-Segmentierung wird an den eigenen Gutteilen des Werks trainiert und markiert das, was nicht in dieses Bild passt. Voraussetzung bleibt, dass die relevanten Fehlerbilder vorher benannt werden.

F Wie groß muss ein Fremdkörper sein, damit er sicher erkannt wird?

Diese Zahl steht in den meisten Unterlagen nicht, sondern wird empirisch aus IO- und NIO-Teilen bestimmt. Was sich sagen lässt: Die erkennbare Größe hängt am Bildfeld und an der Beleuchtung, nicht allein an der Megapixelzahl. Bei den hier üblichen Bildfeldern um 160 x 120 mm liegt die praktisch abgesicherte Grenze im Millimeterbereich, und wo es feiner werden muss, führt der Weg über ein kleineres Bildfeld oder eine zusätzliche Kamera.

Weiterführende Artikel

Übergeordnete Themenseite: Qualitätssicherung und Rückverfolgbarkeit in der Elektronik- und Halbleiterfertigung: Der Überblick für Fertigungs- und Prozessverantwortliche

Hauptartikel zum Thema: Lötstellenprüfung in der Elektronikfertigung: Lotperlen, Brücken und Fehlstellen in der Linie erkennen

Weiterer Artikel im Thema: Kratzer, Grate und Dellen an Steckverbindern und Kunststoffteilen der Elektronik prüfen

Weiterer Artikel im Thema: Wafer und Substrate im Handling prüfen: Kantendefekte, Bruch und Partikel

Weiterer Artikel im Thema: Pseudoausschuss senken: Grenzmuster, Fehlerklassen und die Frage, welcher Fehler zählt