AXI CT – od obrazu do metrologii (część II)
Jeśli ktoś mówi „mamy CT”, to ja zawsze mam ochotę dopytać: „a co dalej robicie z tym wolumenem?”. Bo sam wolumen to dopiero początek. Możesz mieć piękny model 3D i dalej podejmować decyzje jak w 2D: na oko, na doświadczenie, na zasadzie „wydaje mi się”. W przemyśle wartość zaczyna się wtedy, gdy dane da się zamienić na stabilne pomiary i kryteria – pisze Daniel Trzciński – inżynier procesu i praktyk produkcji elektroniki, dyrektor zarządzający w IMT Technologies & Solutions Sp. z o.o.
Od voxeli do decyzji
Jak CT zamienia obrazowanie w metrologię (i dlaczego to skraca programowanie)
W CT najpierw dostajesz trójwymiarową siatkę voxelową. Każdy voxel to mała „kostka” w przestrzeni. I teraz najważniejsze: w analizie nie chodzi o to, żeby te kostki wyglądały ładnie. Chodzi o to, by z nich wydzielić struktury, które w procesie są istotne: lut, pad, wyprowadzenie, przestrzeń niewypełnioną lutem. Dopiero wtedy można mówić o pomiarach.
Zanim jednak dojdziemy do segmentacji, dane trzeba ustabilizować. W produkcji liczy się powtarzalność, więc algorytmy muszą radzić sobie z naturalnymi różnicami: od zmian w ekspozycji, przez różnice w absorpcji w różnych obszarach PCB, po ugięcia samej płytki. Tak, PCB potrafi się uginać i potrafi to robić w sposób, który utrudnia analizę, jeśli analizujesz „na sztywno” przekroje. W podejściu wolumetrycznym korekcja geometrii jest częścią metodyki — nie po to, żeby „upiększyć obraz”, tylko po to, żeby pomiar był porównywalny.
Najważniejszy etap to segmentacja 3D. W klasycznym podejściu obrazowym często kuszą progi jasności: „tu jest jaśniej, więc to lut”. Problem w tym, że progi potrafią się rozsypać przy zmianie warunków. W 3D można użyć dodatkowej informacji: ciągłości obiektu w przestrzeni i relacji między strukturami. Lut w połączeniu nie jest dowolną plamą — on ma geometrię, jest związany z padem, ma określone granice. To daje algorytmom dużo większą stabilność niż proste „odcięcie jasności”.
Kiedy segmentacja działa, zaczynają się pomiary. Najbardziej znanym tematem są voidy. I tu od razu ważne doprecyzowanie językowe: void to nie „próżnia”. To przestrzeń wypełniona gazem w objętości połączenia lutowanego. W polskim trudno znaleźć słowo, które brzmiałoby naturalnie i jednocześnie nie wprowadzało w błąd, więc termin „void” zostaje po angielsku. W CT void nie jest „ciemną kropką”, tylko obiektem 3D. Można policzyć jego objętość, można policzyć udział objętości voidów w całej objętości lutu (void ratio), można też sprawdzić, gdzie voidy leżą — bo lokalizacja ma znaczenie.
I tu dochodzimy do momentu, w którym CT wygrywa z analizą 2D. W 2D widać „coś ciemniejszego” i można się domyślać, czy to void, czy to wynik geometrii projekcji. W CT void ma objętość i położenie w przestrzeni. Można ocenić, czy jest przy interfejsie pad–lut, czy w środku, czy bliżej krawędzi. Można też rozróżnić sytuację „dużo małych voidów” od „kilka dużych”, bo to z punktu widzenia niezawodności nie zawsze jest to samo.
Po voidach przychodzi geometria. W CT można oceniać kształt połączeń jako bryłę: symetrię, pełność, ciągłość. To jest szczególnie istotne przy defektach typu Head-in-Pillow. W 2D bywa, że połączenie wygląda „prawie ok”, bo projekcja nie pokazuje braku ciągłości w osi Z. W wolumenie 3D ta nieciągłość może być jednoznaczna.
Kiedy mamy metryki, decyzja przestaje być „na oko”. Staje się porównaniem z kryteriami: dopuszczalne void ratio, minimalna objętość lutu, kryteria ciągłości w Z, dopuszczalne odchylenia geometrii. I to jest jeden z powodów, dla których CT skraca programowanie: program nie jest zbiorem „ustawień obrazka”, tylko zbiorem pomiarów i progów. Oczywiście wymaga to dobrego przygotowania biblioteki kryteriów, ale potem działa stabilniej i mniej zależy od tego, kto akurat „ocenia”.
W praktyce to też otwiera drzwi do czegoś, co w klasycznym rentgenie bywa trudne: do sensownego R&R i do trendowania. Jeśli pomiar jest metrologiczny, można go porównywać w czasie. Jeśli wynik jest „wizualny”, bardzo szybko zamienia się w dyskusję. Dyskusje są ciekawe, ale zwykle nie podnoszą yield.
W trzeciej części cyklu przejdziemy więc do konsekwencji procesowych: gdzie CT ma sens inline, dlaczego offline CT często kończy jako narzędzie eksperckie, i dlaczego kluczowe jest połączenie M2M i integracja z SPI/AOI.
Daniel Trzciński – inżynier procesu i praktyk produkcji elektroniki. Od lat zajmuje się sprzedażą, szkoleniami oraz wdrożeniami systemów inspekcyjnych i testowych, obejmujących SPI, AOI, AXI, a także testy FCT, ICT oraz testy wiązek kablowych – od prostych aplikacji po zaawansowane systemy inspekcji optycznej. W swojej pracy wspiera zakłady produkcyjne w optymalizacji kontroli jakości i procesów SMT. Obecnie pełni funkcję dyrektora zarządzającego w IMT Technologies & Solutions Sp. z o.o.
Zapraszamy na TEK.day Wrocław, 19 marca 2026. Zapisz się tutaj!
