引言

任何制造数据收集的开始，尤其对于数字流，都要使用传感器技术。一切都是从传感器开始，但还涉及更多技术。传感器需要连接到仪器，需要预测一些行为（图1）；这个过程是感知、连接和预测。感知采用传感器。连接可以是任何提供程序或信号调节的智能设备，然后将该数据提供给组织的其他部分。预测则是充满挑战的环节。

 

图1：制造业数字化不仅仅期望收集数据，还期望预测结果以实现卓越性能（资料来源：INFICON）

 

智能化需要立即实施。时间不喜欢拖延者。指派或雇佣拥有工具和创造力的工程师来实现数字化，让他们获得可能需要的新培训，然后立即实施智能化过程。

 

传感器培训选择方案

我的专业是化学工程，我们花了很多时间学习传感器、控制系统和化学装置操作。

在20世纪60年代中期，我上大学时，基本的工业传感器包括:

• 电气测量
• 位移和面积测量
• 压力测量
• 流量测量
• 温度测量
• 热特性和传输特性
• 力、扭矩和应力
• 运动和振动
• 热辐射和核辐射测量

后来在研究生院，我选了“化学分析仪器方法”课程。这是一门需要手工实操的课程，要求学生用LEGO积木式的光学和机械元件组装22个分析装置及其电子产品。该课程涵盖了广泛的主题，包括光谱学、色谱法、辐射吸收和偏振法等，我学会了自己动手制作传感器系统。

 

工业培训

大学毕业后，我被位于加州Palo Alto的惠普公司聘用，我先是从事射频器件基板制造工作，后来从事自动化工作。作为全球最大的仪器和测试设备制造商之一，惠普拥有非常庞大的数据采集装置(data acquisition devices，简称DAQ)：工业DAQ和控制单元。通过实际工业应用这些设备，我获得了额外的传感器培训。我发现了一些有用的资源:

• ISA基本知识：国际自动化学会(原美国仪器学会)
• I&CS传感器教程：惠普提供了Chilton的仪器/传感器课程
• Keysight / Tektronix / National Instruments教程（图2）

 

图2：供应商提供的传感器和DAQ教程

 

• IPC和电路技术协会(Institute of Circuit Technology，简称ICT)的教程（图3）

 

图3：传感器和化学分析是“自动化与智能工厂之旅”课程的组成部分，这是一门由ICT提供的9小时在线研讨会课程

 

• 远程学习：大批在线公开课程(Massive Open Online Courses，简称MOOC)，如Kahn Academy或Purdue Global课程

 

图4：电子制造传感器

 

工业传感器和电子产品互感器

在PCB制造和PCB元器件组装中存在许多工业传感器。表1只是我收集的部分清单。

 

表1：如今制造业中常用的传感器

 

这些传感器可以在网上找到，但其安装可能不适合所有工厂。它们的成本可能非常高，所以我一直在寻找可以用于PCB工艺的传感器和互感器，并在我撰写的《PCB制造中的自动化与高阶制程》中汇总了清单。有时最好的传感器是自己亲自手做的。

 

DIY培训

自工业革命以来，传感器就一直存在，是我们利用蒸汽机的关键工具。而现在电气传感器随处可见。

尽管很难找到对PCB制造和组装很重要的传感器，但温度传感是迄今为止最常见的，其次是液位和电导率。对于化学工艺，表1列出了最常用的电化学传感器。我最喜欢的传感器是比重传感器，虽然很少使用。我喜欢它，是因为大多数制造或组装的化学工艺都是含水的，可以很容易地通过比重变化来检测化学物质浓度的变化，比重计可以用于测量。

在我的职业生涯中，我专注于4类用于分析数据的传感器:

• 比重
• 光谱仪：LEGO分光光度计很容易生产
• 用于电镀的安培小时计：AH累加器元件的成本只需不到5美元
• 电化学传感器：用于电镀添加剂的循环伏安剥离

 

数据采集

过去20年，数据采集装置(data acquisition devices，简称DAQ)的种类显著增加。如图5所示，用于4个模拟通道的工业装置起价仅为85美元，对于每秒读取50K个读数的6位数万用表，价格可高达数千美元。已有多种协议可用于互联。

 

图5：各种数据采集装置及其成本

 

流行的可编程逻辑控制器(programmable logic controllers，简称PLC)也有模拟和数字输入，并且价格非常合理，如我提到的工业设备。

对于数据分析和信号调节，可以使用个人计算机，尽管微型计算机(如Raspberry Pi或Arduino)的成本要低得多，并且可以在制造过程中得到适当的安全保护（图6）。

 

图6：微型计算机和控制器比比皆是，是DAQ和数据分析/控制/预测的理想选择

 

因为Raspberry Pi 4的流行性、灵活性、操作系统、连接性(通用输入和输出)、网络(USB、Wi-Fi、以太网)、大小和低成本，所以我个人喜欢选择用它（图6）。

 

电子产品制造商面临的挑战

将这些技术用于数字化的挑战在于，如何挑选具有适当专业知识及工作经历的合适人选，然后对他们进行这些具体方面的教育。

要学习编程语言(Python和JavaScript)，最简单和最快的方法是使用BBC的Micro:bit计算机。它是为七年级学生设计的；拥有最完整的教程，包括示例和测验(图6)。可以从成熟的EM设备供应商处获得成品装置，如图6所示的Seica的Shoebox。

一个更具雄心的项目将是使用分光光度计和Raspberry PI的SAP电镀化学控制系统，或者仅从连接在DAQ上并通过Raspberry Pi联网的敏感比重计控制器开始。

 

结论

如果公司有受过大学培训的工程师（或者可以招聘一些），可以将其被分配到这些任务中，当然很好，但并不是必要的。积极进取的PCB制造厂或EMS的员工可以学习这些技能。实现这一目标所需要的关注焦点和授权：

• 委派感兴趣的个人学习公司业务中需使用的传感器。
• 学习使用数据采集和简单的微型计算机，如Raspberry Pi或BBC Micro:bit。
• 用Python或JavaScript在BBC Micro:bit中编程。
• 开始第一个项目，它可以显著提高质量或生产力。
• 对制造进行智能过程审核，以寻找其他高价值项目。
• 用现在学到的技能去培训和提高其他员工的技能。

智能化之旅将推动公司向前发展。切记要从大处着眼，从小处开始，并证明其价值，这样公司才能快速扩展。

由于篇幅原因，本文节选刊登，更多内容可点击这里查看，文章发表于《PCB007中国线上杂志》23年10月号，更多精彩原创内容，欢迎关注“PCB007中文线上杂志”公众号。

#PCB  #EMS  #制造工艺与管理  #传感器  #数据采集  #测量  #自动化  #控制系统  #智能化