AOI 報了不良怎麼查：先對位置、再分真假、之後往上游找原因 – 嘉鴻來幫忙
AOI 報出不良只是起點：要先確認它指的是板上哪一個位置，再確認是真缺陷還是誤報，接著才回頭查是哪一站造成的。前兩步沒做好，後面查的可能只是假訊號。
先交代資料的來源與限制：本文引用的是我們參考之前的舊資料，包括 2012 年一份保險絲焊錫未濕潤的分析報告（含 AOI 過度判定的紀錄）、2010 年一份 AOI 試用評估與四份重複測試資料、一份 AOI 判讀方式的說明、2014 年一份週報，以及 2009 年向置件機廠商提出的待改進清單。公司、下游、人名、料號、機型都不寫；資料年代久、機台與產品各不相同，我們借用的是「AOI 報不良之後怎麼處理」，不是哪個數字的標準值。公開資料我們讀了 IPC 兩份標準的前幾頁與一篇業界雜誌文章；讀到哪裡、沒讀到哪裡，寫在文末。
一、案例：AOI 有報，真正的不良還是跟著出貨
問：這個案例發生了什麼事？
答：AOI 抓得到缺陷，問題出在「報出來之後」，人工把位置轉到板子上時出了差錯。2012 年這份報告的起點是下游回報電性不良。透視影像與切片檢查顯示，明顯不良的樣品都是同一種元件（保險絲）焊錫未濕潤；把那顆保險絲重工後重測，結果通過，確認它就是電性不良的原因。
報告用 4M（材料、機器、人員、方法）逐項查。材料這一項，元件廠說這種保險絲的未濕潤約 10,000 dppm，其他電容都低於 300 dppm，懷疑錫面氧化較多。機器這一項寫的是：用樣品測，AOI 抓得到未濕潤，抓出率 100%；AOI 的程式設定偏向「過度判定」，沒有漏判。換句話說，機器沒有看漏。
方法這一項才是重點：這個產品一片板有 336 個單元，同一家工廠其他型式的卡片每片至多只有 48 個或 30 個；AOI 又是過度判定，一片板上要標記的位置更多。報告的推論（原文用的是「高度可能」，不是證實）是：作業員把紅色標記貼在錯的單元（其實是好的），真正壞的反而漏標；維修人員去檢查被標記的單元，什麼都沒發現，這片板就往下一站走了。
報告的對策有三個動作：做治具，讓作業員更容易確認不良單元的位置；在線上 AOI 的螢幕上加號碼尺規，與板上的號碼尺規對照；流程上加一道 AOI-2 與複檢，並更新流程卡；另外訓練作業員用新方法。
二、先講清楚「率」：誤判率有好幾種算法
問：「誤判」「過度判定」「漏判」各是什麼意思？
答：AOI 報有問題、實際沒問題，叫誤判（也叫誤報、過度判定，英文 false call、overkill）；實際有問題、AOI 沒報，叫漏判（英文 escape、underkill）。這是本文的用法，各家用詞不完全一樣。
問：報誤判率，為什麼一定要寫分母？
答：分母不同，同一台機器可以看起來很好，也可以看起來很糟。我們手上有兩份舊資料，都叫「誤判」，算法完全不同：
| 項目 | 2010 年 AOI 試用評估 | 2012 年保險絲案例 |
|---|---|---|
| 叫法 | 誤判率（ppm）、平均誤判點數 | 過度判定率 |
| 分母 | 檢查的零件點數：529 片 × 每片 2,242 點 ＝ 1,186,018 點 | 被 AOI 報出的單元數（過度判定的＋真缺陷的） |
| 數字 | 1,069.97 ppm；每片平均 2.39 點 | 85.3%（122 ÷ 143）；其他幾次 91.4%、94.1% |
| 我們的算術 | 1,069.97 ppm × 1,186,018 點 ≈ 1,269 點誤判（表上沒寫，是反推）；1,269 ÷ 529 ≈ 2.4 點／片 | 143 ＝ 122 ＋ 21 個真缺陷（21 是報告同頁的數字） |
| 怎麼讀 | 每百萬個點約 1,070 個誤報，聽起來很少；但每片仍有約 2 到 3 個位置要人去看 | 每 100 個被報出的單元，約 85 個是誤報 |
這兩個數字不能互相比：機台、產品、年代都不同，連「點」怎麼算也不同。IPC 的標準對這件事有提醒。IPC-9261A《組裝製程中的 DPMO 與預估良率》（2006 年 10 月）把 DPMO 定義為缺陷數除以缺陷機會數、再乘以一百萬，並說明它不完全等於 PPM，因為「機會」在電子組裝裡有特別的算法（例如一個零件不論幾支腳都只算一個機會）；它也提醒，標準假設檢驗效率是 100%，拿人工檢驗和自動視覺檢驗互相比較要小心。IPC-7912A《完成品的 DPMO》（2004 年 1 月）則提醒，不同廠商的指數互相比較要小心，因為組裝複雜度與資料量不同；它談的是完成品上被發現的缺陷，用來做基準比較，並不是拿來追蹤缺陷種類或帶動改善。所以我們只拿它們當「報比率要把分母講清楚」的依據，沒有要拿它們當 AOI 誤判率的門檻。
另外，2010 年那份試用評估表上，零件點數欄寫的是 2,242 個零件（Components），所以分母看起來是以零件計；它的算法是否照 IPC 的定義，我們沒有查證。
三、第一步：先對位置，AOI 說的是哪一個，人要找得到
問：AOI 報出的位置，怎麼確認人拿到的是同一個？
答：把「AOI 畫面上的位置」和「板子上的位置」當成兩份資料，要有辦法逐筆對照。保險絲案例就是這一步斷掉：一片 336 個單元，位置靠人從螢幕轉到板子上，標錯一個，真缺陷就漏過去，維修端還會得到「檢查了沒問題」的結論。報告的做法是加治具、加號碼尺規，讓位置有共同的座標。
另一份 2010 年的 AOI 試用比較表，列的規格項目裡有「NG 零件標記系統」，那台寫的是「無」，也就是機器不會自己在板上標出不良位置。那是另一台機器，不能推到保險絲案例用的機台上；但這個欄位在選型與驗收時值得問一次。
下面是我們的整理（不是原文，也不是標準）：
- 連片板的單元多時，AOI 畫面和板子上要用同一套編號或座標；
- 維修端的回報不能只寫「沒問題」，要寫「看了哪個位置、看到什麼」；
- 維修端回報「沒發現」的時候，先確認標記的位置對不對，再決定它是不是誤報；
- 抽幾個被報出的位置，用顯微鏡對著位置看，確認「標記位置＝AOI 位置」，把它變成可以查的事。
四、第二步：分真假，複判要留紀錄，也要防疲勞
問：誤報很多的時候，複判會出什麼問題？
答：真缺陷會被淹沒在誤報裡。一篇電子製造業雜誌的文章（SMT007：Realizing the Expectations of AOI，作者署名單位是一家公司，頁面沒寫它的業務；頁面顯示的日期無效，從內容提到無鉛製程與 0201 開始量產來看，我們推測是 2000 年代中期）寫到：誤報太多時，作業員在驗證時辨識力會下降，真正的缺陷難免漏掉；有的工廠作業員把 AOI 的參數放寬來減少警報，而不是依資料回頭調整製程；這樣累積的資料被誤報污染，對統計製程管制幾乎沒有用。這是一位作者的觀察，不是標準。
保險絲案例的數字也顯示，誤報不是偶發的一批：第一次試驗被報出 143 個單元、過度判定 85.3%；第二次試驗被報出 70 個、過度判定 91.4%，報告推測是保險絲表面狀況不穩定，影響了 AOI 的判斷；另一次（報告標題寫 3K sorting）用電表量測被報出的單元，找到 2 個真缺陷，過度判定 94.1%（由比率與 2 個真缺陷反推，約 34 個被報出、32 個是誤報，這是我們的算術，原文只寫比率與 2 個缺陷）；其他兩種型式的卡片各兩批，過度判定率是 90.5%、84.2% 與 63.6%、83.3%。上面這七個數字換算起來，真缺陷佔被報出單元的比例從約 6% 到 36%，多半在一成上下；人要在大量假訊號裡找出少數真缺陷，風險就在這裡。案例對被報出的單元用顯微鏡逐一檢查，並用電表量電阻；流程上也加了 AOI-2 與複檢。
問：複判紀錄要留什麼？
答：位置、類型、結果、照片，而且結果要分三類。下面是我們的整理：
- 哪一批、哪一片、哪個位置，AOI 報的是什麼類型；
- 複判結果分三類：真缺陷、誤報、無法判（「無法判」不要直接算成誤報）；
- 照片或畫面截圖的編號，以及複判的人與時間；
- 真缺陷再往下記：重工了沒有、AOI-2 再看的結果。
五、為什麼會誤報，AOI 自己穩不穩
問：焊點明明沒問題，AOI 為什麼會報？
答：因為它比的是影像的顏色與形狀，不是焊點本身。我們有一份內部的 AOI 判讀說明，講的就是保險絲未濕潤：AOI 以顏色比對檢查焊錫的爬升（圓角）；圖上，爬升良好的焊點顯示藍色反光，未濕潤的顯示較淡的藍色；藍色來自焊錫上表面的反射，未濕潤時藍色變少，藍色不足就被報出。也就是說，凡是會改變反光顏色的東西，都可能讓好焊點被報出來。
| 可能改變顏色的因素 | 我們看到的說法 | 出處 |
|---|---|---|
| 焊錫量與爬升高度 | 顏色就是爬升高度的反映，爬升不足、藍色變淡就被報出 | 內部 AOI 判讀說明 |
| 元件表面狀態（氧化、鍍層） | 報告推測保險絲表面狀況不穩定，會影響 AOI 的判斷；元件廠懷疑錫面氧化較多 | 2012 年保險絲報告（推測） |
| 板溫、板翹 | 試用評估表列的條件：板子入機時溫度 40℃ 以下、板翹 2 mm 內；影像辨識方式寫「顏色參數比對」 | 2010 年試用評估表（廠商列的條件） |
| 焊料種類 | 換成無鉛焊料，焊點的反光與潤濕狀態都會變，程式要準備重編 | SMT007 文章（作者的觀察） |
同一篇 SMT007 文章還說，焊點的影像本來就不穩定、不容易重複，因此用 AOI 檢查焊點時，要在抓到缺陷與少誤報之間取平衡，原則是「保持簡單」；這是作者的建議，不是標準。
問：同一片板子重跑，AOI 報出的結果會一樣嗎？
答：2010 年的重複測試顯示，位置幾乎完全一樣，但有一組在第三次多報了 1 點。我們用「連片板號＋零件名稱」逐點比對四份測試資料：第一組，兩片板各連續跑 10 次（我們的讀法：同一片板重複跑），一片 10 次都報 35 點、另一片 10 次都報 22 點，每一次報出的位置都完全相同。第二組，兩片板各跑 3 次：前兩次報出的位置完全相同（118 點與 80 點，和試用評估表寫的「已知不良點」118 與 80 吻合，評估表記載 AOI 全數檢出，各只測 1 片）；第三次在同樣的位置之外，各多報了 1 個位置（119 點與 81 點）。多報的那 1 點是真缺陷、還是誤報，我們沒有查到。
為什麼要看重複性？要先確定同一片板重跑結果一致，才能把「不同板子之間的差異」當成製程在變動，而不是量測在變動。這是本文的整理，不是原文的結論。
六、AOI 沒報，下游卻發現了：漏判怎麼查
問：AOI 沒報、下游才發現不良，怎麼查？
答：先分成兩層看：缺陷是怎麼來的，以及 AOI 為什麼沒看到。2014 年一份週報記了這樣一件事：下游回報兩片極性相反。週報寫了兩點：來源是捲帶（原文寫「來自捲帶」），以及 AOI 因為零件上的第 1 腳標記不明顯，沒辦法有效檢出。原文另有一句「上機時應該沒問題」，我們沒有完全讀懂，所以不展開。
這個例子可以拆成兩個問題：第一層，極性反是在哪一站造成的（捲帶裡的方向、上料、置件資料）；第二層，AOI 靠什麼判斷極性（零件上的標記看得清楚嗎）。第二層查清楚了，才知道該不該另外補一道檢查。AOI 看不到的缺陷有哪些類型，可以先看站上這一篇：AOI 設在哪裡：爐前還是爐後、2D 還是 3D。
記錄時還有一個細節。IPC-9261A 要求缺陷記在「發現它的那一站」，並說明即使更早有一個沒被發現的缺陷造成了後面的缺陷，也照這樣記；同時，缺陷要歸到合適的製程步驟。這個做法可以直接拿來用：漏判的缺陷會在下游被發現，記錄時記在發現的站，另外再記一欄「應該在哪一站被擋住」。
七、第三步：往上游反查，把「發現的站」和「造成的站」分開記
問：確認是真缺陷之後，怎麼找出是哪一站造成的？
答：先把缺陷歸類，再依缺陷種類逐站排除，一次只改一件事。SMT007 那篇文章的看法是：AOI 見效快的用法，是當成改善良率的回饋工具；現實中很多人只是把缺陷「檢」出去，資料被誤報污染，對統計製程管制幾乎沒用。這也是前兩步（對位置、分真假）要先做好的原因。
保險絲案例是一個完整的例子，它依序查了這幾層（數字都是那顆元件、那條線的，不是通用規格）：
| 層次 | 報告查到、做了什麼 |
|---|---|
| 材料 | 元件廠說這種保險絲的未濕潤約 10,000 dppm，其他電容都低於 300 dppm；懷疑錫面氧化較多，建議改善存放環境 |
| 錫膏量 | 暫時對策是加大鋼板開孔，多一點錫膏、多一點助焊劑，可以去掉更多錫面氧化物；改完降到 800 dppm 以下，2012 年 11 月完成 |
| 爐溫 | 依下游的要求，做錫膏厚度與爐溫曲線兩個因子的 DOE；報告列的曲線目標：150～200℃ 約 80 ± 10 秒、220℃ 以上約 60 ± 10 秒 |
| 首件 | 在首件記錄表加專案：錫膏厚度 0.1 ± 0.02 mm、爐溫峰值 240 ± 7.5℃ |
| 檢查流程 | 加 AOI-2 與複檢，加治具與號碼尺規，更新流程卡（見第一節） |
要把 AOI 的資料變成這樣的線索，2009 年我們向置件機廠商提出的待改進清單裡，有三項就是這個方向：一，AOI 每天累積前 1 到 5 名的缺陷，並連到置件機，讓工程師知道哪個飛達或吸嘴的取件錯誤、立碑比較多；二，良率用移動平均監控，低於 99.2% 時由 AOI 標出，並附一張摘要表（哪台機、哪個零件、吸嘴、飛達、第 1 名缺陷與缺陷百分比）；三，讓 AOI 把問題彙整後自動回饋給置件機或印刷機去調整，廠商的答覆是「很難做到」。我們不知道後來有沒有做出來，這裡只是借它看「資料要連到哪裡」。
各種缺陷往上游查哪一站，可以接著看站上這幾篇：錫膏印刷出問題看 錫膏印刷不良怎麼排查；置件相關看 飛達送料不良、卡料怎麼排查 與 吸嘴吸取不良、拋料怎麼辦；回焊之後的缺陷看 回焊焊接不良怎麼查。
八、送出報告或驗收之前，自己先問 8 個問題
| # | 問題 |
|---|---|
| 1 | 誤判率有寫分母嗎（每片、每個檢查點、每個被報出的單元）？ |
| 2 | 被報出的位置，AOI 畫面和板子上用同一套編號或座標嗎？ |
| 3 | 維修端回報有沒有寫「看了哪裡、看到什麼」，而不只是「沒問題」？ |
| 4 | 複判結果有沒有分「真缺陷、誤報、無法判」三類？ |
| 5 | 同一片板重跑，結果一致嗎？ |
| 6 | 誤報較多的是哪幾種缺陷、哪幾個位置？（先排前幾名，再決定怎麼調） |
| 7 | AOI 看不到的缺陷（標記不明顯、被擋住）有沒有另外補檢查？ |
| 8 | 改了參數或製程之後，有沒有留對照、再看一段時間？有沒有只因為嫌警報多就把標準放寬？ |
九、AOI 報不良時，先查什麼
問：手上有一批 AOI 報出來的不良，第一步做什麼？
答：先別急著改爐溫或鋼板，先把位置與真假弄清楚。依序做這幾件事：
- 看是整片都有，還是同一個位置反覆出現；
- 對位置：板上標的位置和 AOI 畫面是不是同一個（見第三節）；
- 複判並留紀錄：真缺陷、誤報、無法判（見第四節）；
- 歸類：同一種缺陷、同一個位置有沒有集中；
- 往上游：依缺陷種類查印刷、置件、回焊與材料（見第七節）；
- 改一件事，留對照，再看一段時間。
還沒決定 AOI 要放在哪一站，可以看 AOI 設在哪裡；AOI 以外還要搭哪些測試，可以看 PCBA 測試怎麼搭。
這篇文章的限制
公開資料：IPC-7912A 與 IPC-9261A，我們只讀得到網站上公開的前 3 頁（封面、目錄、概要與定義），沒有讀到各缺陷「機會數」的算法與附錄，也沒有讀 IPC-A-610 或 J-STD-001 的缺陷條文。SMT007 那篇文章日期不明、作者單位頁面沒寫業務，內容是作者的觀察，不是標準。另一篇談 AOI 與置件機閉環回饋的 SMT007 文章我們也讀過，因日期與單位同樣不明，沒有引用。
內部資料：機台、型號與年代（2009 到 2014 年）各不相同，數字只屬於那些案例。1,269 點、約 34 個與 32 個單元是我們的反推；保險絲案例的「位置標錯」是報告的推論，不是證實；我們沒有確認案例用的 AOI 有沒有自動標記功能；2014 年週報有一句沒讀懂；也不知道這些案例後來有沒有再發。第三、四節的清單、第六節的記錄方式與第八節的 8 個問題，是本文的整理，不是原文，也不是標準。
常見問題
AOI 的誤判和漏判是什麼意思？
誤判是 AOI 報有問題、實際沒問題，也叫誤報、過度判定（false call、overkill）；漏判是實際有問題、AOI 沒報，英文是 escape 或 underkill。各家用詞不完全一樣，報數字時要說清楚指的是哪一種、分母是什麼。
AOI 誤判率多少才算正常？
我們讀到的公開資料沒有給一個通用的門檻。手上兩份內部舊資料，一份是每百萬個檢查點約 1,070 個誤報，另一份是被報出的單元裡有 85.3% 是誤報，機台、產品與算法都不同，不能互相比。比較實際的做法是先寫清楚分母，再和下游或自己的歷史資料比，並看誤報有沒有讓複判的人漏掉真缺陷。
AOI 報了很多不良，維修卻都說沒問題，怎麼辦？
先確認位置對不對。保險絲案例的推論是：板上的標記貼在錯的單元，維修人員看的是好的，真正壞的反而沒被看到。先用顯微鏡對著被報出的位置確認，再決定它是不是誤報；維修回報也要寫「看了哪裡、看到什麼」。
AOI 的 ppm 和 IPC 的 DPMO 一樣嗎？
不完全一樣。IPC-9261A 把 DPMO 定義為缺陷數除以缺陷機會數再乘以一百萬，並說明它不嚴格等於 PPM，因為「機會」在電子組裝有特別的算法，例如一個零件不論幾支腳都只算一個機會。AOI 設備資料上的 ppm 用什麼當分母，要看那份資料怎麼定義。
AOI 為什麼會把沒問題的焊點判成不良？
因為它比的是影像的顏色與形狀。我們的內部說明寫到，AOI 以顏色比對焊錫的爬升，爬升良好的焊點顯示藍色反光，未濕潤的藍色較淡；元件表面狀態、焊錫量、板溫、板翹、焊料種類，都可能影響判斷。判斷標準要依產品與製程調整，並留下調整紀錄。
同一片板子重跑，AOI 的結果會一樣嗎？
2010 年的重複測試中，兩片板各跑 10 次，每次報出的位置都相同；另兩片各跑 3 次，第三次各多報了 1 個位置。所以大致穩定，但不是每次都完全一樣。要用 AOI 資料看製程變動之前，先確認同一片板重跑的結果一致。
AOI 可以自動把結果回饋給置件機嗎？
概念上可以，實際上要看設備。2009 年我們向置件機廠商提出自動回饋的需求，廠商的答覆是很難做到；後來有沒有做出來，我們不知道。比較容易起步的做法（這是我們的建議），是先讓 AOI 每天累積前幾名缺陷，並連到飛達與吸嘴，讓工程師依資料手動調整。
AOI 漏掉極性反的零件，怎麼查？
分兩層查：極性反是在哪一站造成的（捲帶裡的方向、上料、置件資料），以及 AOI 為什麼沒看到。2014 年一份週報的例子寫，AOI 因為零件上第 1 腳的標記不明顯，無法有效檢出，來源是捲帶。標記不明顯的零件，要另外補一道檢查。
有類似問題嗎？寫信給嘉鴻，看看是否有配套方案。我們提供線上快速諮詢，多一個一起討論的對象，會盡量參與把問題解決。