AI-Based Inline PCB Defect Detection and Robotic Sorting Using Smart Vision, PLC Logic, Fanuc Vision and SCADA Integration

في المصانع التي تصنع الإلكترونيات في العالم، يمكن لخطأ صغير أن يكلف ثروة طائلة. فوجود شريحة واحدة مفقودة على لوحة الدوائر، أو بقعة من اللحام في مكان لا ينبغي أن تكون فيه، أو مكون وُضع بشكل مائل قليلاً، يمكن أن يجعل الجهاز غير صالح للاستخدام. لعقود من الزمن، كان الحل هو جعل العيون البشرية تفحص كل لوحة، وهي مهمة بطيئة ومجهدة حيث يؤدي الإرهاق حتماً إلى تفويت الأخطاء. ثم جاءت الآلات التي يمكنها الرؤية، باستخدام الكاميرات والبرمجيات لمقارنة ما تراه بنموذج مثالي. لكن هذه الآلات المبكرة كانت جامدة؛ فإذا تحركت اللوحة قليلاً أو تغيرت الإضاءة، تصاب الآلة بالارتباك، فترفض أجزاءً جيدة أو تغفل عن أجزاء تالفة. كانت الخطوة التالية في هذا التطور هي منح الآلات عقلاً يمكنه التعلم، تماماً كما يفعل البشر، للتعرف على الأنماط والعيوب دون الحاجة إلى نموذج مثالي وثابت. هذا التحول من القواعد الجامدة إلى التعلم المرن هو جوهر الأتمتة الصناعية الحديثة، مما يبشر بمستقبل تعمل فيه المصانع بشكل أسرع وأنظف وبأخطاء أقل.

لقد بنى فريق من الباحثين في جامعة ميشيغان التكنولوجية نموذجاً يعمل لهذا المستقبل، حيث أنشأوا نظاماً كاملاً يفحص لوحات الدوائر ويفرزها تلقائياً دون تدخل بشري. هم لم يكتفوا بكتابة برنامج كمبيوتر للعثور على الأخطاء؛ بل بنوا محطة عمل فيزيائية حيث تعمل كاميرا، ووحدة تحكم، وروبوت، وشاشة مراقبة معاً كوحدة واحدة. يستخدم النظام كاميرا ذكية مزودة بالذكاء الاصطناعي للنظر في لوحات الدوائر التي تتحرك على سير ناقل. عندما ترصد الكاميرا لوحة ما، فإنها توقف السير، وتلتقط صورة، وتقرر فوراً ما إذا كانت اللوحة جيدة أم سيئة. إذا كانت اللوحة معيبة، يمتد ذراع روبوتي للأسفل لإزالتها؛ وإذا كانت جيدة، يبدأ السير بالتحرك مجدداً، وتنتقل اللوحة للمرحلة التالية. وقد أثبت الباحثون أن هذه السلسلة الكاملة من الأحداث — من رؤية الكاميرا للوحة إلى تحريك الروبوت لها — يمكن أن تحدث بموثوقية، حتى عندما تكون هناك لوحات متعددة على السير في آن واحد.

يكمن جوهر إنجازهم في كيفية إدارتهم لتدفق المعلومات. في مصنع مزدحم، لا تتوقف اللوحات واحدة تلو الأخرى؛ بل غالباً ما تسير في تيار مستمر. وهذا يخلق مشكلة صعبة: إذا فحصت الكاميرا لوحة ثم تحرك السير، فكيف سيعرف الروبوت أي لوحة يجب أن يلتقطها لاحقاً؟ إذا ارتبك النظام، فقد يتخلص من لوحة جيدة أو يترك لوحة سيئة خلفه. حل الباحثون هذه المشكلة باستخدام "طابور رقمي"، وهي طريقة للاحتفاظ بنتائج الفحص بالترتيب الدقيق لوصولها، مثل صف من الناس ينتظرون الحصول على تذكرة. عندما تصل لوحة إلى الكاميرا، يتم وضع النتيجة في مؤخرة الصف. وعندما تصل تلك اللوحة نفسها إلى محطة الروبوت، يأخذ النظام النتيجة من مقدمة الصف ويستخدمها لإخبار الروبوت بما يجب فعله. يضمن هذا أن كل لوحة تُحاكم بناءً على سجل فحصها الخاص، بغض النظر عن عدد اللوحات الأخرى التي تتحرك حولها.

لاختبار هذا النظام، أقام الفريق بيئة واقعية تحتوي على سير ناقل، ومستشعرين للكشف عن وصول اللوحة، وكاميرا ذكية، وذراع روبوتية سداسية المحاور. لقد قاموا بتدريب الذكاء الاصطناعي الخاص بالكاميرا للتعرف على الدوائر المتكاملة المفقودة، وهي تلك الرقائق السوداء الصغيرة التي تمثل عقول لوحة الدوائر. تم تعليم الكاميرا البحث عن الأشكال المحددة لهذه الرقائق وعدّها. إذا رأت الكاميرا العدد الصحيح من الرقائق، فإنها تعتبر اللوحة ناجحة. وإذا رأت عدداً أقل من الرقائق المتوقعة، أو إذا كانت الرقائق في المكان الخاطئ، فإنها تعتبرها فاشلة. تم تصميم النظام للتعامل مع الواقع الفوضوي لأرض المصنع، حيث قد لا تتوقف اللوحات في نفس المكان تماماً في كل مرة أو حيث قد تختلف الإضاءة قليلاً.

أظهرت النتائج أن النظام عمل كما هو مخطط له. في سلسلة من الاختبارات شملت أربع عشرة لوحة دوائر، حدد النظام بشكل صحيح أي منها كان جيداً وأيها كان سيئاً. لقد نجح النظام في التمييز بين اللوحات التي تحتوي على جميع مكوناتها وتلك التي تفتقر إليها. استغرقت الكاميرا أقل من ثانية لاتخاذ قرارها، وتحرك الذراع الروبوتية بدقة لفرز اللوحات. وجد الباحثون أن النظام كان بارعاً بشكل خاص في التعامل مع الحركة الفيزيائية للوحات؛ إذ لم يفقد الطابور الرقمي أبداً تتبع أي نتيجة تنتمي لأي لوحة، حتى عندما كان السير الناقل يحمل عناصر متعددة. كما تمكن الذراع الروبوتي، الموجه بنظام رؤية خاص به، من التقاط اللوحات ووضعها في الحاويات الصحيحة، سواء كان ذلك يعني إرسال لوحة جيدة للمتابعة أو إلقاء لوحة سيئة في حاوية المرفوضات.

ومع ذلك، فقد أكد الباحثون بحذر أن هذا كان نموذجاً أولياً، وهو نموذج عملي بُني لإثبات المفهوم وليس منتجاً نهائياً جاهزاً للاستخدام في مصنع ضخم. وبينما حقق النظام دقة بلغت حوالي ثمانين بالمائة في اختباراتهم المحددة، فقد أقروا بأنه ليس مثالياً بعد. فقد واجه النظام بعض الصعوبات عندما لم تكن اللوحات موضوعة بنفس الطريقة تماماً في كل مرة، كما كانت سرعة السير الناقل محدودة لأن السير يجب أن يتوقف لتتمكن الكاميرا من التقاط الصورة. هذه عقبات عملية يجب حلها قبل أن يتمكن مثل هذا النظام من العمل بالسرعات العالية الموجودة لدى مصنعي الإلكترونيات الكبار. كما أشار الفريق إلى أن نموذج الذكاء الاصطناعي تم تدريبه على مجموعة صغيرة نسبياً من الصور، مما حد من قدرته على التعامل مع كل أنواع العيوب أو ظروف الإضاءة الممكنة.

رغم هذه القيود، أثبت المشروع أنه من الممكن الجمع بين الذكاء الاصطناعي المتقدم ومعدات المصانع القياسية لإنشاء خط فحص مؤتمت بالكامل. لم يعتمد النظام على كمبيوتر واحد قوي في غرفة خوادم بعيدة؛ بل إن الذكاء كان يعيش داخل الكاميرا نفسها، مما يسمح باتخاذ القرارات محلياً وفورياً. سمح هذا النهج للكاميرا بالتحدث مباشرة مع وحدة تحكم المصنع، والتي تخبر الروبوت بعد ذلك بما يجب فعله. تمت مراقبة العملية بأكملها على شاشة تعرض حالة كل جزء من النظام في الوقت الفعلي، مما يسمح للمشغل البشري برؤية ما يحدث بالضبط بنظرة واحدة. يمثل هذا التكامل بين الرؤية الذكية، والتحكم المنطقي، والفرز الفيزيائي خطوة كبيرة للأمام في كيفية ضمان الجودة في المصانع. إنه يوضح أن الفجوة بين الأبحاث عالية التقنية والآلات الفعلية في أرض المصنع تتقلص، مما يقربنا من عالم لا تستطيع فيه الآلات فقط رؤية العيوب، بل فهمها وإصلاح المشكلة دون تدخل بشري.