1.项目提出：
电子产品的生产通常要经过，人工、Coating、点胶、 锁附、焊锡等制程。新上线的机种需要重新设置这些制程的 所有工艺参数，目前由工程师人工完成设定，为了维持正常 生产，需要配置许多工程师，造成大量的营运成本；除此之 外，人工制程设置，会使制程不稳定，还会拖延新机种上线 时间，如果从整体来看一个制程，他的流程通常包含：RD 设计与制定规格、工程师决定作业方法、设定制程参数、规 划设备运作，最后由作业员或机台操作。工程师的专业程度 会影响最终的执行效率与质量，我们想要用AI代替这些工程 师，进行参数、设备运作规划设定，以达成实现自动换线、 提高制程质量及产能。
为了实现AI代替工程师，我们从喷胶制程站开始着手， 此站的重点工作项目牵涉到喷胶参数设定与喷胶路径的规 划，由于工程师在设定时会占用产线的设备，通常管理人员 考虑到产线停机的成本，会要求工程师尽速完成参数设定工 作；迫使工程师必须利用有限的时间，快速完成设定；但相 对的，参数设置就未必达到优化，为产品的质量埋下隐患； 同时，制程站的生产周期时间也无法达到最优化。
如图一所示，喷胶制程的品质隐患为胶飞溅和边缘不 齐。胶飞溅到有导电需求的孔位，将使通孔绝缘而失效；边 缘不齐，则会降低产品日后的可靠性；上述现象也间接导致 人在设定喷胶区域时，为避免通孔被胶飞溅到，喷胶路径将 会设置的距离通孔较远，最终导致接近通孔的元器件没有 被覆盖到。此外，在人工设计路径规划时，目前是以肉眼教 点，定位精度差，操作难度大，碰到微小元器件，需要工程 师趴入设备内部进行定位，整个过程至少需要花费一个小时 来进行规划。
因此考虑智能设备规划喷涂参数与喷胶路径。我们旨在 探讨喷胶参数自动建立与路径自动规划的技术，(1)协助工程 师在喷胶参数的自动生成，缩短工程师调适设备的时间，并 且降低工程师经验差异所造成的质量问题。(2)改善工程师路 径规划耗时，缩短工程师占用在线的时间。
图一、喷胶品质不良 左图为胶飞溅现象，右图为边缘不齐现象。
2.方案设计：
2.1喷胶参数自动建立:
喷胶制程的质量目标为边缘整齐并且不允许胶飞溅发 生。目前这两点没有可量测的指标，实际情况是工程师在 UV灯下用肉眼来进行判断。因此，我们首先创造两质量 目标的测试方法，定义飞溅距离和边缘凹凸值。通过监测 这两个数据和质量好坏的关系，制定胶飞溅和边缘整齐度 的量化规格。接着，将制程输入的KPIV参数数据与量化的 质量数据，建立关联模型。然后利用算法不断迭代、回馈 优化，自动获取最佳喷胶参数组合。形成喷胶参数自动建 立，如图二左图所示。
2.2 喷胶路径自动规划:
如图二右图所示，根据不同质量目标要求自动生成喷 胶参数组合。而这些喷胶参数将会作为输入量，与RD提供 的产品文件一起，经过我们所开发的路径/CT算法，从而生 成设备控制指令(亦即工作配方)。它除了工作路径外，还包 含移动拐点、胶阀开关这些设备控制。通过不断的迭代判 断优化，最终输出一个最小喷胶耗时的工作配方。最后， 我们通过建立标准配方，把这两个核心功能，串接到所有 的机台，并且还对配方进行系统化串接，实现RD之后的工 程师替代。
3.实现过程与结果：
3.1 喷胶参数AI设定
喷胶过程中需要控制的参数众多，统计有13项。包含 了机构运动、电控指令，还有各种工艺参数。因此，要先 对参数进行筛选，确定出核心关键工作参数。利用实验室 自己开发的图像量测平台来量测胶飞溅的距离，实验结果 如图三显示:胶飞溅距离会随着雾化压力和喷胶高度增加 而增加，与使用高速摄像看到的现象相同。由于流平的作 用，胶流量增加可轻微缓解胶飞溅。移动速度则对胶飞溅 距离影响很小。根据胶飞溅与这些工作参数的关系，建立 胶飞溅的关系模型，如图四所示。胶飞溅的关系模型将用 来预测出不同工作参数时的胶飞溅距离。
而后分析边缘不齐现象:条状喷胶形成面时，涉及到 条与条之间的间距。如图五所示，间距过小的时候，胶会 堆积在一起，这时候覆盖面积会降低，胶厚会变厚。当喷 胶间距过大时，它的边缘会形成锯齿状，由于单条胶条的 边上是圆弧状，若没有妥善重迭，边缘会形成锯齿状的图案。
当间距合适时，边缘会比较整齐。经过实验，我们得 到一个简单可以让边缘整齐的参数模型。想让边缘圆弧妥 善重迭，间距理论上应该设置为胶宽的一半，但由于三防 胶具有一定的流动性，在胶喷完后，它还会流平扩张，而 且喷的胶越厚，这种流平的效果会越明显。所以在设置胶 间距的时候，还必须要考虑到这个流平效果。最终间距模 型中，除了考虑0.5倍的胶宽之外，需要利用Cfl值(流平系 数，与胶厚、胶材粘度、表面张力等因素有关)乘以胶厚， 来表示胶体的流平作用。
我们采用了与建立胶飞溅模型，同样的步骤，来建立 胶厚和胶宽的关系模型，从而可以预测获得胶宽、胶厚值。
3.2 喷胶路径AI规划
实际生产中，工程师比照标识了禁喷元器件的照片说 明，凭经验人工规划出喷胶的路径点位。若是改用AI自动 生成路径点位的方式，最直接的方法是将需要喷胶的区域都生成喷胶点位。
用传统列举法100个点点位的最短路径，需要数以亿 计的时间，因此我们选用了蚁群算法的优化算法。蚁群算 法的起源是借鉴大自然中蚂蚁觅食蚂蚁行为。蚂蚁在行走 时会释放荷尔蒙，荷尔蒙会随着时间消散，后面的蚂蚁是 透过闻荷尔蒙，来决定下一步的移动方向。比如图六，左 图中的上下两条路径中，上面的路径较短，味道比较浓，最终越来越多的蚂蚁会走上面这条短的路，而达到右图中 的结果。
蚁群算法执行的步骤中，还有关键的三个参数。贺尔 蒙因子、启发函数因子和贺尔蒙挥发因子。这些因子的取 值直接决定了计算速度和准确度，因此我们还需要针对这 三个因子进行实验以取得最佳值。
最后实际喷胶过程中，喷胶耗时除了路径外，还受设 备控制参数影响。因此，我们结合动作路径和这些设备控 制参数，建立喷胶最小周期时间模型，可以准确预测喷胶 生产周期。并且实现智慧设置磁阀开关，可以只在经过禁 喷元器件时候关闭胶阀。这样与胶阀开一次关一次的控 制相比，磁阀开关次数从114次降低到5次，总CT时间从 146s降到了97s，大大降低喷胶耗时。
结合之前所实现的喷胶参数AI设定，可以依照质量或者 速度要求，输出不同的配方。例如，在同样目标为170um 胶厚的情况下，可以获得质量最好，但是周期时间比较长 的喷胶配方；也可以获得速度最快，但可能存在少量飞 溅，边缘稍微不整齐的喷胶配方。使用者可以在这两种配 方当中自行选择，或者微调。
4.总结：
如图七所示，实际的喷胶结果中，我们取得明显的质 量改善，AI规划的喷胶参数，降低了胶飞溅的产生，并且 边缘十分整齐，无出现漏喷，相对人工规划，保证稳定的 质量，与此同时优化了24%的生产周期时间。
5.未来方向：
我们期望在喷胶制程应用之后，增加不同的制程AI，比 如选择焊和点胶，将这些制程都进行AI智慧化，以达到工 业4.0智能生产的目标。EM
