人工智能浪潮下制造业的思维革新

■ PCB · 智能制造 · 实战分享

作者 / 江西中络——钟鸿

●成本不断攀升：人工费用年增8%-10%，原材料价格起伏不定，能源支出持续上升，环保合规投入加大

●品质标准升级：客户对产品质量的期望日益严苛，SMT贴装要求不断提升

●订单趋于定制化：生产模式由大批量标准化转向多品种小批量，排程与交付压力增大

●技术人才断层：资深技术专家逐步退出生产一线，工艺经验面临失传风险

AI可以做什么？

●全天候监控设备运行状态

●深度挖掘生产大数据中的质量规律

●提前预警设备潜在故障（如蚀刻速率监控）

●科学规划生产排程提升设备利用率

●智能识别缺陷降低目检依赖

●辅助工程审核（CAM自动核查57项内容）

●动态优化工艺参数（显影-蚀刻-退膜）

AI无法做什么？

●无法完全取代资深工程师的专业判断

●无法在缺乏数据支撑的环境下运行

●无法解决工艺流程本身的架构缺陷

●无法一蹴而就解决所有问题（需持续训练）

●无法替代管理层的战略决策（仅提供参考）

●无法突破物理化学工艺的天然限制

●无法无中生有创造知识（需专家输入指导）

数据+算法+算力= AI能力

数据采集 → 数据清洗 → 特征工程 → 模型训练 → 部署推理 → 反馈优化

从设备、传感器、MES/ERP数据库获取原始数据，经清洗处理剔除异常和缺失值，提炼关键特征，选取算法构建模型，部署至生产环境进行推理决策，最终收集反馈实现持续迭代。

当前已上线的AI/智能化系统：

APS生产计划协调系统— 23道工序智能排程，产能提升15%

品质分析处理系统— 不良品自动分类统计

涨缩控制分析系统— AI预测模型管控板材涨缩

CAM统一审核系统— 57项自动核查

酸性蚀刻AI智控平台— DES整线智能管控（显影-蚀刻-退膜），M1线宽预测已训练，M2蚀刻速率已训练

邮件简报自动生成— 每日自动提取关键数据生成报告

企业知识库系统— 技术文档智能检索

摄像头 + AI图像识别，替代人工目检。

工作流程（5步）：CCD摄像头拍摄PCB图像 → 图像预处理（去噪/增强/分割） → AI模型识别缺陷（分类+定位） → 标记NG位置 → 反馈给前工序改善

23道工序智能调度，提升产能利用率。

输入订单信息（数量/交期/优先级）、WIP数据（各工序在制品）、设备状态、工艺路径和历史产能数据，通过约束满足算法 + 遗传算法 + 机器学习进行优化，每日凌晨自动重新排程。输出排程计划、交期评估、瓶颈预警和产能利用率报告。

●设备预测性维护：监测设备振动、温度、电流，减少非计划停机

●品质预测：根据前工序数据预测最终品质，前置干预

●CAM智能审核：自动审核57项工程数据，辅助决策支持

●管理驾驶舱：实时查看生产、品质、设备数据，数据驱动决策

第一阶段（当前）：专用小模型时代

针对特定场景训练专用模型——AVI缺陷检测、排程优化、品质预测，模型体积小、推理快、易于部署，但需要大量标注数据。

第二阶段（未来1-2年）：多模态融合时代

同时处理图像、数据、文本——结合AVI图像+设备数据+工艺参数，预测更准确，误报率更低，需要边缘计算支持。

第三阶段（未来3-5年）：大模型应用时代

智能工艺助手（工程师用自然语言提问，AI回答工艺问题）、自动报告生成、数字孪生仿真优化。

核心转变：从"救火队长"到"战略指挥官"，从被动响应到主动预见。

●管理驾驶舱：实时查看生产、品质、设备数据

●智能预警：超期预警、品质异常预警、设备故障预警

●自动报告：日报/周报/月报自动生成

1.准确性— 数据必须准确，错误数据导致AI给出错误结果。温度传感器必须校准、线宽测量必须规范

2.完整性— 数据完整记录，缺失数据会导致模型训练不充分

3.及时性— 数据及时录入系统，延迟数据失去预警价值

4.一致性— 同一指标在不同工序使用统一标准，避免口径不一致

1.AI是工具，不是魔法— 它需要数据和你的专业知识来驱动

2.数据是核心资产— 准确、完整、及时记录数据是每个人的责任

3.工程师是转型核心— 带工程师一起做，让一线的人参与AI、信任AI

4.别等完美再开始— 从已有的数据先做起，边做边完善

5.持续学习是唯一护城河— AI技术在快速演进，学习能力决定职业未来