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

En las fábricas que construyen la electrónica del mundo, un pequeño error puede costar una fortuna. Un solo chip faltante en una placa de circuito, una mancha de soldadura donde no debería estar, o un componente colocado ligeramente torcido pueden dejar un dispositivo inútil. Durante décadas, la solución fue tener ojos humanos escaneando cada placa, una tarea lenta y agotadora donde la fatiga inevitablemente conducía a errores omitidos. Luego llegaron las máquinas que podían ver, utilizando cámaras y software para comparar lo que veían contra una plantilla perfecta. Pero estas primeras máquinas eran rígidas; si una placa se desplazaba ligeramente o la iluminación cambiaba, la máquina se confundía, rechazando piezas buenas o pasando por alto las malas. El siguiente paso en esta evolución fue dotar a las máquinas de un cerebro que pudiera aprender, de forma muy similar a un humano, para reconocer patrones y defectos sin necesidad de una plantilla perfecta e inalterable. Este cambio de reglas rígidas a un aprendizaje flexible es el corazón de la automatización industrial moderna, prometiendo un futuro donde las fábricas funcionen más rápido, de forma más limpia y con menos errores.

Un equipo de investigadores de la Universidad Tecnológica de Michigan ha construido un modelo funcional de este futuro, creando un sistema completo que inspecciona placas de circuito y las clasifica automáticamente sin ayuda humana. No se limitaron a escribir un programa informático para encontrar errores; construyeron una estación de trabajo física donde una cámara, un controlador, un robot y una pantalla de monitoreo trabajan juntos como una sola unidad. El sistema utiliza una cámara inteligente equipada con inteligencia artificial para observar las placas de circuito que se desplazan por una cinta transportadora. Cuando la cámara detecta una placa, detiene la cinta, toma una foto e instantáneamente decide si la placa es buena o mala. Si la placa es defectuosa, un brazo robótico se estira para retirarla; si es buena, la cinta comienza de nuevo y la placa sigue su camino. Los investigadores demostraron que toda esta cadena de eventos —desde que la cámara ve la placa hasta que el robot la mueve— puede ocurrir de manera confiable, incluso cuando hay múltiples placas en la cinta al mismo tiempo.

El núcleo de su logro reside en cómo gestionaron el flujo de información. En una fábrica concurrida, las placas no se detienen una por una; a menudo viajan en una corriente. Esto crea un problema complicado: si una cámara inspecciona una placa y luego la cinta se mueve, ¿cómo sabe el robot qué pieza debe recoger más tarde? Si el sistema se confunde, podría desechar una placa buena o dejar una mala atrás. Los investigadores resolvieron esto utilizando una cola digital, un método para retener los resultados de la inspección en el orden exacto en que llegan, como una fila de personas esperando un boleto. Cuando una placa llega a la cámara, el resultado se coloca al final de la fila. Cuando esa misma placa llega a la estación del robot, el sistema toma el resultado del frente de la fila y lo utiliza para decirle al robot qué hacer. Esto asegura que cada placa sea juzgada por su propio registro de inspección, sin importar cuántas otras placas se muevan a su alrededor.

Para probar este sistema, el equipo configuró un entorno del mundo real con una cinta transportadora, dos sensores para detectar cuando llega una placa, una cámara inteligente y un brazo robótico de seis ejes. Entrenaron la inteligencia artificial de la cámara para reconocer circuitos integrados faltantes, que son los pequeños chips negros que son el cerebro de la placa de circuito. Se le enseñó a la cámara a buscar las formas específicas de estos chips y a contarlos. Si la cámara veía el número correcto de chips, marcaba la placa como aprobada. Si veía menos chips de los esperados, o si los chips estaban en el lugar equivero, la marcaba como fallida. El sistema fue diseñado para manejar la realidad desordenada de un suelo de fábrica, donde las placas podrían no detenerse exactamente en el mismo lugar cada vez o donde la iluminación podría variar ligeramente.

Los resultados mostraron que el sistema funcionó según lo previsto. En una serie de pruebas que involucraron catorce placas de circuito, el sistema identificó correctamente cuáles eran buenas y cuáles eran malas. Distinguió con éxito entre las placas que tenían todos sus componentes y aquellas que carecían de ellos. La cámara tardó menos de un segundo en tomar su decisión, y el brazo robótico se movió con precisión para clasificar las placas. Los investigadores encontraron que el sistema era particularmente bueno manejando el movimiento físico de las placas; la cola digital nunca perdió el rastro de qué resultado pertenecía a qué placa, incluso cuando la cinta transportadora estaba moviendo múltiples elementos. El brazo robótico, guiado por su propio sistema de visión, fue capaz de recoger las placas y colocarlas en los contenedores correctos, ya fuera enviando una placa buena para que continuara la línea o arrojando una placa mala a un contenedor de rechazo.

Sin embargo, los investigadores fueron cuidadosos en señalar que esto era un prototipo, un modelo funcional construido para probar el concepto más que un producto terminado listo para una fábrica masiva. Aunque el sistema logró una precisión de aproximadamente el ochenta por ciento en sus pruebas específicas, reconocieron que aún no es perfecto. El sistema tuvo dificultades cuando las placas no estaban posicionadas exactamente de la misma manera cada vez, y la velocidad de la cinta transportadora fue limitada porque la cinta tenía que detenerse para que la cámara tomara una foto. Estos son obstáculos prácticos que tendrían que resolverse antes de que tal sistema pueda operar a las altas velocidades de un importante fabricante de electrónica. El equipo también señaló que el modelo de inteligencia artificial fue entrenado con un conjunto de imágenes relativamente pequeño, lo que limitó su capacidad para manejar cada tipo posible de defecto o condición de iluminación.

A pesar de estas limitaciones, el proyecto demostró que es posible combinar la inteligencia artificial avanzada con el equipo de fábrica estándar para crear una línea de inspección totalmente automatizada. El sistema no dependió de una única computadora potente en una sala de servidores distante; en cambio, la inteligencia residía dentro de la propia cámara, tomando decisiones de forma local e instantánea. Este enfoque permitió que la cámara se comunicara directamente con el controlador de la fábrica, el cual luego le decía al robot qué hacer. Todo el proceso fue monitoreado en una pantalla que mostraba el estado de cada parte del sistema en tiempo real, permitiendo a un operador humano ver exactamente lo que estaba sucediendo de un vistazo. Esta integración de visión inteligente, control lógico y clasificación física representa un paso significativo hacia adelante en cómo las fábricas pueden asegurar la calidad. Muestra que la brecha entre la investigación de alta tecnología y la maquinaria real en el suelo de una fábrica se está cerrando, acercándonos a un mundo donde las máquinas no solo pueden ver defectos, sino también entenderlos y solucionar el problema sin intervención humana.