AI-Based Inline PCB Defect Detection and Robotic Sorting Using Smart Vision, PLC Logic, Fanuc Vision and SCADA Integration
यह शोध पत्र एक एआई-संचालित इनलाइन पीसीबी निरीक्षण और रोबोटिक सॉर्टिंग सिस्टम प्रस्तुत करता है जो मिश्रित-वेंडर वातावरण में दोषों का पता लगाने को भौतिक भाग प्रवाह के साथ सिंक्रोनाइज़ करने के लिए स्मार्ट विजन, पीएलसी लॉजिक और स्काडा को एकीकृत करता है, जिससे वर्गीकरण, ओरिएंटेशन और लाइटिंग विविधताओं में 80% सटीकता प्राप्त होती है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
दुनिया के इलेक्ट्रॉनिक्स बनाने वाली फैक्ट्रियों में, एक छोटी सी गलती भारी नुकसान का कारण बन सकती है। सर्किट बोर्ड पर एक चिप का गायब होना, जहाँ नहीं होना चाहिए वहाँ सोल्डर का एक धब्बा, या किसी पुर्जे का थोड़ा सा टेढ़ा रखा जाना, एक उपकरण को बेकार बना सकता है। दशकों तक, इसका समाधान हर बोर्ड को मानवीय आँखों से स्कैन करवाना था, जो एक धीमा और थकाऊ कार्य था जहाँ थकान अनिवार्य रूप से त्रुटियों को अनदेखा करने का कारण बनती थी। फिर ऐसी मशीनें आईं जो देख सकती थीं, जो कैमरों और सॉफ्टवेयर का उपयोग करके जो वे देखती थीं उसकी तुलना एक आदर्श टेम्पलेट से करती थीं। लेकिन ये शुरुआती मशीनें कठोर थीं; यदि बोर्ड थोड़ा सा खिसक जाता या रोशनी बदल जाती, तो मशीन भ्रमित हो जाती, अच्छे पुर्जों को खारिज कर देती या खराब पुर्जों को मिस कर देती। इस विकास का अगला चरण मशीनों को एक ऐसा दिमाग देना था जो सीख सके, बिल्कुल वैसे ही जैसे एक इंसान करता है, ताकि वे बिना किसी स्थिर, अपरिवर्तनीय टेम्पलेट की आवश्यकता के पैटर्न और दोषों को पहचान सकें। कठोर नियमों से लचीले सीखने की ओर यह बदलाव आधुनिक औद्योगिक स्वचालन (ऑटोमेशन) का केंद्र है, जो एक ऐसे भविष्य का वादा करता है जहाँ कारखाने तेज़, स्वच्छ और कम गलतियों के साथ चलेंगे।
मिचigan टेक्नोलॉजिकल यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने इस भविष्य का एक वर्किंग मॉडल बनाया है, जिसमें एक पूर्ण प्रणाली तैयार की गई है जो सर्किट बोर्डों का निरीक्षण करती है और उन्हें बिना मानवीय सहायता के स्वचालित रूप से छाँटती है। उन्होंने केवल त्रुटियों को खोजने के लिए कंप्यूटर प्रोग्राम नहीं लिखा; बल्कि उन्होंने एक भौतिक वर्कस्टेशन बनाया जहाँ एक कैमरा, एक कंट्रोलर, एक रोबोट और एक मॉनिटरिंग स्क्रीन एक एकल इकाई के रूप में मिलकर काम करते हैं। यह प्रणाली एक स्मार्ट कैमरे का उपयोग करती है जो आर्टिफिशियल इंटेलिजेंस (AI) से लैस है, जो कन्वेयर बेल्ट पर चलते हुए सर्किट बोर्डों को देखती है। जब कैमरा एक बोर्ड को देखता है, तो वह बेल्ट को रोकता है, एक तस्वीर लेता है, और तुरंत निर्णय लेता है कि बोर्ड अच्छा है या खराब। यदि बोर्ड दोषपूर्ण है, तो एक रोबिक आर्म नीचे पहुँचकर उसे निकाल लेती है; यदि वह अच्छा है, तो बेल्ट फिर से शुरू हो जाती है, और बोर्ड आगे बढ़ जाता है। शोधकर्ताओं ने सिद्ध किया कि यह पूरी श्रृंखला—कैमरे द्वारा बोर्ड देखने से लेकर रोबोट द्वारा उसे हिलाने तक—विश्वसनीय रूप से हो सकती है, भले ही बेल्ट पर एक ही समय में कई बोर्ड मौजूद हों।
उनकी उपलब्धि का मुख्य आधार यह है कि उन्होंने सूचना के प्रवाह को कैसे प्रबंधित किया। एक व्यस्त कारखाने में, बोर्ड एक-एक करके नहीं रुकते; वे अक्सर एक धारा के रूप में चलते हैं। यह एक पेचीदा समस्या पैदा करता है: यदि एक कैमरा एक बोर्ड का निरीक्षण करता है और फिर बेल्ट चलती है, तो रोबोट को बाद में यह कैसे पता चलेगा कि किस बोर्ड को उठाना है? यदि सिस्टम भ्रमित हो जाता है, तो यह एक अच्छे बोर्ड को फेंक सकता है या एक खराब बोर्ड को पीछे छोड़ सकता है। शोधकर्ताओं ने इसे एक 'डिजिटल क्यू' (digital queue) का उपयोग करके हल किया, जो परिणामों को ठीक उसी क्रम में रखने की एक विधि है जिस क्रम में वे आते हैं, जैसे टिकट के लिए प्रतीक्षा कर रहे लोगों की एक पंक्ति। जब एक बोर्ड कैमरे के पास पहुँचता है, तो परिणाम को पंक्ति के अंत में रख दिया जाता है। जब वही बोर्ड रोबोट स्टेशन पर पहुँचता है, तो सिस्टम पंक्ति के सामने से परिणाम लेता है और रोबोट को बताता है कि क्या करना है। यह सुनिश्चित करता है कि प्रत्येक बोर्ड अपने स्वयं के निरीक्षण रिकॉर्ड द्वारा परखा जाए, चाहे उसके आसपास कितने भी अन्य बोर्ड चल रहे हों।
इस प्रणाली का परीक्षण करने के लिए, टीम ने एक कन्वेयर बेल्ट, दो सेंसर जो बोर्ड के आने का पता लगाते हैं, एक स्मार्ट कैमरा और एक छह-एक्सिस वाले रोबिक आर्म के साथ एक वास्तविक वातावरण तैयार किया। उन्होंने कैमरे के आर्टिफिशियल इंटेलिजेंस को 'इंटीग्रेटेड सर्किट्स' (IC) को पहचानने के लिए प्रशिक्षित किया, जो सर्किट बोर्ड के मस्तिष्क होते हैं—ये छोटे काले चिप्स होते हैं। कैमरे को इन चिप्स के विशिष्ट आकार को देखने और उन्हें गिनने के लिए सिखाया गया था। यदि कैमरे ने चिप्स की सही संख्या देखी, तो उसने बोर्ड को 'पास' मार्क किया। यदि उसने उम्मीद से कम चिप्स देखे, या यदि चिप्स गलत जगह पर थे, तो उसने बोर्ड को 'फेल' मार्क किया। सिस्टम को एक कारखाने के फर्श की अव्यवस्थित वास्तविकता को संभालने के लिए डिज़ाइन किया गया था, जहाँ बोर्ड शायद हमेशा बिल्कुल एक ही स्थान पर नहीं रुकते या जहाँ रोशनी थोड़ी बदल सकती है।
परिणामों ने दिखाया कि सिस्टम ने इच्छानुसार काम किया। चौदह सर्किट बोर्डों वाले परीक्षणों की एक श्रृंखला में, सिस्टम ने सही ढंग से पहचान की कि कौन से बोर्ड अच्छे थे और कौन से खराब। इसने उन बोर्डों के बीच सफलतापूर्वक अंतर किया जिनमें सभी घटक मौजूद थे और जिनमें कुछ गायब थे। कैमरे ने निर्णय लेने में एक सेकंड से भी कम समय लिया, और रोबिक आर्म ने सटीकता के साथ बोर्डों को छाँटने के लिए गति की। शोधकर्ताओं ने पाया कि सिस्टम विशेष रूप से बोर्डों की भौतिक गति को संभालने में बहुत अच्छा था; डिजिटल क्यू ने कभी भी यह ट्रैक नहीं खोया कि कौन सा परिणाम किस बोर्ड का था, भले ही कन्वेयर बेल्ट पर कई वस्तुएं चल रही हों। रोबिक आर्म, अपने स्वयं के विजन सिस्टम द्वारा निर्देशित, बोर्डों को उठाने और उन्हें सही बिनों (bins) में रखने में सक्षम थी, चाहे इसका मतलब एक अच्छे बोर्ड को आगे भेजना हो या एक खराब बोर्ड को रिजेक्ट बिन में फेंकना हो।
हालाँकि, शोधकर्ताओं ने सावधानी बरतते हुए यह स्पष्ट किया कि यह एक प्रोटोटाइप है, एक वर्किंग मॉडल जिसे अवधारणा को सिद्ध करने के लिए बनाया गया है न कि किसी बड़े कारखाने के लिए तैयार अंतिम उत्पाद के रूप में। जबकि सिस्टम ने अपने विशिष्ट परीक्षणों में लगभग अस्सी प्रतिशत की सटीकता हासिल की, उन्होंने स्वीकार किया कि यह अभी भी पूर्ण नहीं है। सिस्टम को तब थोड़ी कठिनाई हुई जब बोर्ड हर बार बिल्कुल एक ही तरह से स्थित नहीं थे, और कन्वेयर बेल्ट की गति सीमित थी क्योंकि कैमरे को फोटो लेने के लिए बेल्ट को रुकना पड़ता था। ये वे व्यावहारिक अवरोध हैं जिन्हें किसी बड़े इलेक्ट्रॉनिक्स निर्माता की उच्च गति के स्तर तक पहुँचने से पहले हल करने की आवश्यकता होगी। टीम ने यह भी नोट किया कि आर्टिफिशियल इंटेलिजेंस मॉडल को छवियों के अपेक्षाकृत छोटे सेट पर प्रशिक्षित किया गया था, जिसने हर प्रकार के दोष या प्रकाश की स्थिति को संभालने की इसकी क्षमता को सीमित कर दिया।
इन सीमाओं के बावजूद, इस परियोजना ने यह प्रदर्शित किया कि उन्नत आर्टिफिशियल इंटेलिजेंस को मानक फैक्ट्री उपकरणों के साथ जोड़कर एक पूरी तरह से स्वचालित निरीक्षण लाइन बनाना संभव है। यह सिस्टम किसी दूर के सर्वर रूम में स्थित एक शक्तिशाली कंप्यूटर पर निर्भर नहीं था; इसके बजाय, बुद्धिमत्ता स्वयं कैमरे के भीतर थी, जो स्थानीय स्तर पर और तुरंत निर्णय ले रही थी। इस दृष्टिकोण ने कैमरे को सीधे फैक्ट्री कंट्रोलर से बात करने की अनुमति दी, जिसने फिर रोबोट को बताया कि क्या करना है। पूरी प्रक्रिया की निगरानी एक स्क्रीन पर की जा सकती थी जो वास्तविक समय में सिस्टम के प्रत्येक भाग की स्थिति दिखाती थी, जिससे एक मानव ऑपरेटर एक नज़र में देख सकता था कि वास्तव में क्या हो रहा है। स्मार्ट विजन, तार्किक नियंत्रण और भौतिक छंटनी का यह एकीकरण यह दिखाने के लिए एक महत्वपूर्ण कदम है कि कारखाने में गुणवत्ता कैसे सुनिश्चित की जा सकती है। यह दिखाता है कि हाई-टेक अनुसंधान और कारखाने के फर्श पर मौजूद वास्तविक मशीनरी के बीच का अंतर कम हो रहा है, जो हमें एक ऐसी दुनिया के करीब ला रहा है जहाँ मशीनें न केवल दोषों को देख सकती हैं बल्कि उन्हें समझ भी सकती हैं और मानवीय हस्तक्षेप के बिना समस्या को ठीक भी कर सकती हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।