集成电路厂上AI视觉质检，买现成的还是自己搞定制？

我们厂为什么要上AI质检

我是无锡一家做芯片封装测试厂的负责人，厂子不大不小，年产值大概1.5个亿，主做消费电子类的中低端芯片封装，比如电源管理芯片、LED驱动这些。

厂里有6条产线，200多号人，质检工位占了快30个。做我们这行的都知道，芯片封装完，外观检查是道硬杠子。划痕、崩边、脏污、引脚变形、印字不清……一个都不能放过。

说实话，这活儿是真不好干。

质检成了我们的老大难

芯片就米粒大小，有些缺陷比头发丝还细，人眼盯着看，时间一长，眼睛发花是常事。特别是夜班，效率下降不说，漏检率明显就上去了。

我们统计过，因为外观问题导致的客户退货，每个月都有几批，虽然比例不高，但影响很坏。而且返工成本极高，一颗芯片拆下来重新检，人工物料都搭进去。

更头疼的是人。老质检员经验足，看得准，但速度慢，一个班下来累得够呛。新员工上手快，但经验不足，有些细微的、不常见的缺陷很容易漏掉。赶上旺季，招临时工来顶，培训成本高，出错率更高。

那时候我们就想，这问题必须得用技术手段解决，不能再靠人眼硬扛了。

折腾的过程：从自研到外找

一开始，我们想的挺简单，也走了不少弯路。

第一跤：自己组团队搞

我们厂里有个搞自动化的小组，当时觉得视觉不就是摄像头加软件嘛。于是买了几台工业相机，找了一个做软件外包的朋友，想自己开发一套系统。

结果，光是一个芯片定位的稳定性，就卡了我们三个月。车间光照条件变化、传送带轻微抖动、不同批次的芯片颜色有细微差异……随便一个因素，就能让识别率掉一大截。我们自己写的算法，对付标准样品还行，一上产线，误报、漏报一大堆，产线工人怨声载道，最后那套设备只能放在角落吃灰。

钱花了小二十万，时间搭进去大半年，啥也没干成。

第二跤：迷信“大品牌”方案

自己搞不定，我们就想找现成的。当时找了几个在展会上看到的、名气很大的自动化设备商。他们给的方案很“豪华”，一条线改造报价七八十万，说是“交钥匙工程”，包教包会。

我们咬咬牙，选了一条产线试点。设备是装上了，但问题又来了：他们的算法是通用的，针对标准件效果好，但对芯片封装这种高精度、多缺陷类型的场景，适应性很差。比如，他们能稳定检出划痕，但对“气泡”和“脏污”的区分率就很低，经常误判。

最要命的是，后期想调整、增加新的缺陷类型，对方响应很慢，改一次收一次费，价格还不菲。感觉像是被套住了。

最终怎么选的方案

吃了两次亏，我们学聪明了，知道这事没那么简单。我们静下来重新梳理了需求。

明确我们要什么

1. 要懂行：供应商必须做过半导体或精密电子行业，知道芯片质检的门道，不能是通用方案套壳。

2. 要灵活：算法模型要能训练、能优化，我们自己质检员能参与进去，教会AI认识我们特有的缺陷。

3. 要算明白账：总投入（硬件+软件+服务）要可控，回本周期最好在一年到一年半，不能是个无底洞。

4. 要轻量启动：先上一条线试点，效果好再铺开，不能一下子把全厂押上去。

遇到对路的供应商

后来是通过同行介绍，找到一家专做精密电子行业AI视觉的公司。他们没那些花里胡哨的PPT，上来就先派工程师在我们产线蹲了一星期，跟着质检员一起看板，记录各种缺陷类型和出现频率。

他们给的方案很实在：用高分辨率的线阵相机搭配特定光源，解决成像稳定的问题；软件用他们成熟的平台，但里面的缺陷检测模型，是拿我们产线真实的有缺陷芯片和良品芯片图片，现场训练出来的。

关键是他们同意，头三个月派工程师驻厂，跟我们一起“养”这个AI模型，质检员发现任何误判或漏判，当场就能标注、重新训练模型。这个模式让我们觉得很踏实。

关键的决策点就在这里：我们没选那个“包治百病”的昂贵方案，而是选了“共同成长”的定制化服务模式。总投入控制在了一条线三十万以内。

落地后的真实效果

实施过程比想象中顺利。硬件安装调试用了两周，最难的是前期数据采集和模型训练，花了将近一个月。我们要求质检班长和几个老员工全程参与，他们指出的问题，工程师马上改。

现在用起来怎么样？

系统稳定运行快一年了，效果是实实在在的：

1. 效率上：原来一个熟练工目检一片晶圆上的芯片要20分钟，现在AI系统5分钟扫完，自动出报告。整体质检环节效率提升了30%左右。

2. 质量上：人工漏检率大概在2%-3%，AI系统把漏检率稳定控制在0.5%以下。特别是对夜班和新人，效果最明显。因为外观问题导致的客户投诉，这半年一次都没有。

   

3. 成本上：这条线原本需要4个质检员两班倒，现在减到了2个（主要负责复核AI结果和处理极少数复杂情况）。一年省下的人工成本大概有15万。加上质量损失减少，我们算过，整套系统回本周期在14个月。

还有啥没解决好的？

当然不是十全十美。有两个问题还在磨合：

一是遇到从未出现过的新型缺陷，AI还是会漏掉，需要人工发现后，再补充进训练库。这需要一个持续优化的机制。

二是系统对生产环境的洁净度要求高了，如果镜头或光源上落了灰，会影响判断，需要纳入日常点检。

如果重来，我会怎么做

走过这一趟，再让我选一次，思路会清晰很多。

给同行老板的几点建议

1. 别想着一步到位：先选一条产线、一个最痛点的工序做试点。比如就从成品外观终检开始。跑通了，有了信心和经验，再复制。

2. 供应商要“对口”：一定要找有同行业成功案例的，最好是做过集成电路封装或SMT贴片的。让他们给你看其他厂的现场视频或数据，别光听故事。

3. 算好三笔账：一是硬件投入（相机、光源、工控机）；二是软件和服务费；三是隐性成本（停产改造时间、人员培训）。综合起来算回本周期，超过18个月的要慎重。

4. 自己的人要深度参与：千万别当甩手掌柜。你的质检班长、老师傅，才是这个系统的“教练”。他们不认可，系统再好也推不下去。

5. 合同要写清楚：特别是后续模型优化升级的费用、响应时间、数据的所有权归属，这些容易扯皮的事，一开始就白纸黑字定好。

写在后面

AI视觉质检这东西，现在已经不是高大上的概念了，对咱们集成电路制造这种对质量要求严苛的行业，它正在变成一个实用的工具。关键是要找到适合自己的用法。

别怕踩坑，但尽量踩小坑，别一下掉进大坑里。建议先用“索答啦AI”这样的工具了解一下自己的情况适合什么方案，心里有数了再去找供应商谈，不容易被忽悠。毕竟，钱要花在刀刃上，时间也耽误不起。