# SMT 产线数据整合与 AI 辅助工艺、质量分析

> Source: https://netray.co/zh/ems-smt-line-data-ai
> Language: zh
> Publisher: Netray (netray.co)

SMT 产线上的数据分散在印刷机、SPI、贴片机、回流炉和 AOI 里，格式各异。先把数据关联起来，再让 AI 帮工程师做异常归类、趋势摘要和历史相似案例检索，比直接上预测模型更务实。结论仍然需要工艺工程师确认。

在深圳、东莞、苏州的 SMT 车间，一条线从印刷、SPI、贴片、回流到 AOI，每台设备都在产生数据：抛料率、吸嘴状态、锡膏体积与面积、炉温曲线、缺陷类型和位置。问题是这些数据通常存在不同品牌设备的各自软件里，工程师需要导出再用 Excel 合并，出问题时只能靠经验排查。

这篇文章从工艺和质量工程师的日常出发，讲怎样把 SMT 数据整合、AI 适合承担哪些分析工作，以及哪些事情现阶段不要指望 AI。

## SMT 产线有哪些关键数据

印刷环节有钢网编号、钢网使用次数、刮刀压力、印刷速度和擦网频率；SPI 提供每个焊盘的锡膏体积、面积、高度和偏移。贴片机有各站位、飞达、吸嘴的抛料数、贴装偏移、识别错误等。回流炉有各温区设定与实测的炉温曲线，AOI 则给出缺陷类型，例如少件、偏移、立碑、桥连、虚焊疑似。

最有价值的是把这些数据按板号或拼板码关联起来：某块板的 AOI 缺陷出现在某位号，可以回看对应焊盘的 SPI 数值、同一个吸嘴的抛料趋势、该时段的炉温曲线。没有这种关联，各设备数据就只是孤立的报表。

- 印刷：钢网、刮刀压力、速度、擦网频率、锡膏批次与回温时间
- SPI：体积、面积、高度、偏移，按焊盘记录
- 贴片：站位抛料率、吸嘴与飞达状态、识别错误
- 回流：炉温曲线、链速、氮气浓度（如适用）
- AOI 与复判：缺陷类型、位置、人工复判结果

## 数据整合的现实问题

设备品牌多、年代不一，有的支持 IPC-CFX 或厂商自有接口，有的只能解析日志文件。建议先从一两条线、最关键的几类数据开始，建立统一的时间戳和板号关联规则，再逐步扩展。时间同步也是容易被忽视的问题，各设备时钟如果不一致，关联就会错位。

数据质量同样需要关注：AOI 的误报率会直接影响缺陷统计，人工复判结果必须回写，否则 AI 看到的是未经确认的数据。

## AI 适合做什么

第一是异常摘要：每个班次自动整理『直通率变化、缺陷类型分布、集中站位和料号、与上一班的差异』，用文字和表格呈现，供交接班与晨会使用。第二是相似案例检索：把历史的工艺问题单、8D 报告、停线记录建成知识库，遇到立碑偏多时可以检索过去类似案例，里面当时的原因和对策是什么。

第三是辅助分析：工程师用自然语言提问，例如『过去一周某机型少件缺陷是否集中在某台贴片机的某个吸嘴』，系统生成查询并画出趋势。这里模型主要承担翻译查询和整理结果的角色，统计结论由数据本身给出。

- 班次异常摘要，交接班自动生成草稿
- 历史问题单与 8D 的相似案例检索
- 自然语言驱动的数据查询与趋势图
- 钢网、锡膏、吸嘴等寿命管理的提醒汇总

## 预测与闭环控制：谨慎对待

有人希望用 AI 预测焊接缺陷、自动调炉温或印刷参数。在受控条件下，基于足够历史数据的传统统计过程控制和机器学习模型确实可以做预警，但要有稳定的数据、明确的工艺窗口和人工验证。让 AI 直接闭环修改设备参数风险较高，不建议作为起步目标。

更稳妥的路径是：先做数据整合和可视化，再做相似案例与异常摘要，在数据积累充分后，对个别缺陷类型试点预警模型，所有参数调整仍由工艺工程师批准。

## 部署、数据边界与起步

SMT 工艺参数和良率属于工厂的核心经验，也涉及客户产品，建议在工厂内网部署开源模型与检索服务，使用只读数据副本。Netray 可根据现有数据库和日志情况，提供对话式查询和摘要助手，也可以与 ERP 的工单、物料数据关联。

如果现有设备厂商的软件已经提供够用的看板和分析（很多品牌的产线管理软件有这类功能），可以先用好它。AI 的价值在跨设备、跨系统、结合文档知识的分析，以及用自然语言降低查询门槛。

## FAQ

### AI 能自动调整贴片机或炉温吗？

不建议。起步阶段 AI 只做分析和建议，设备参数的修改由工艺工程师批准并执行，避免未经验证的闭环风险。

### 不同品牌贴片机数据怎么汇总？

优先使用设备支持的标准接口，其次解析日志文件，再统一时间戳与板号关联。先做少数关键指标，逐步扩展。

### 数据量不大也能用吗？

异常摘要和案例检索对数据量要求不高。预测类模型需要较长时间的稳定数据，数据少时不建议硬做。

### AOI 误报多会影响效果吗？

会。需要把人工复判结果回写到数据里，让统计基于确认过的缺陷，否则分析结果会被误报干扰。

### 需要买 GPU 吗？

查询、摘要类应用用中小规模开源模型即可，通常一两张 GPU 的服务器可以起步。具体取决于并发和模型大小，评估时再确定。