Suivi des inspections IPC-A-610 avec TofuPilot

IPC-A-610 est la norme d'acceptabilité pour les assemblages électroniques. Elle définit ce à quoi ressemble un « bon » résultat pour les joints de soudure, le placement des composants, la propreté et l'assemblage mécanique. TofuPilot suit les résultats d'inspection de manière systématique au lieu de s'appuyer sur des listes de contrôle papier.

Ce que couvre IPC-A-610

IPC-A-610 classe les défauts en trois classes de produits :

Classe	Application	Critères d'acceptation
Classe 1	Électronique générale (grand public)	Les moins stricts
Classe 2	Électronique de service dédié (industriel)	Modérés
Classe 3	Électronique haute performance (médical, aérospatial, militaire)	Les plus stricts

Les critères d'inspection incluent :

Catégorie	Exemples
Joints de soudure	Mouillage, ménisques, ponts, joints froids
Placement des composants	Alignement, orientation, polarité
Propreté	Résidus de flux, contamination, corrosion
Mécanique	Routage des fils, décharge de traction, enrobage conforme
Marquage	Étiquettes, références, codes de date

Enregistrer les résultats d'inspection dans TofuPilot

Inspection par carte

ipc610_inspection.py

from tofupilot import TofuPilotClient

client = TofuPilotClient()

def log_inspection(serial, inspector, defects):
    """Enregistrer les résultats d'inspection IPC-A-610."""
    measurements = [
        {"name": "inspector_id", "value": inspector, "unit": ""},
        {"name": "ipc_class", "value": 2, "unit": "class"},
        {"name": "total_defects", "value": len(defects), "unit": "count", "limit_high": 0},
    ]

    # Enregistrer chaque catégorie de défaut
    defect_categories = {
        "solder": 0, "placement": 0, "cleanliness": 0,
        "mechanical": 0, "marking": 0,
    }
    for d in defects:
        if d["category"] in defect_categories:
            defect_categories[d["category"]] += 1

    for cat, count in defect_categories.items():
        measurements.append({
            "name": f"defects_{cat}",
            "value": count,
            "unit": "count",
            "limit_high": 0,
        })

    passed = len(defects) == 0

    client.create_run(
        procedure_id="IPC610-VISUAL-INSPECTION",
        unit_under_test={
            "serial_number": serial,
            "part_number": "MAIN-BOARD-V4",
        },
        run_passed=passed,
        steps=[{
            "name": "IPC-A-610 Class 2 Inspection",
            "step_type": "measurement",
            "status": passed,
            "measurements": measurements,
        }],
    )

# Exemple : carte avec deux défauts
log_inspection(
    serial="PCB-2025-04521",
    inspector="OP-012",
    defects=[
        {"category": "solder", "location": "U12-pin3", "type": "insufficient_wetting"},
        {"category": "cleanliness", "location": "J5-area", "type": "flux_residue"},
    ],
)

Classification des défauts

Enregistrez les types de défauts spécifiques pour construire un pareto de défauts.

defect_logging.py

# Enregistrement détaillé des défauts
defect_types = {
    "solder_bridge": "Pont de soudure entre broches adjacentes",
    "cold_joint": "Joint de soudure froid ou perturbé",
    "insufficient_wetting": "Mouillage insuffisant sur le pad ou la broche",
    "solder_ball": "Bille de soudure libre sur la surface de la carte",
    "tombstone": "Composant debout sur un côté (effet pierre tombale)",
    "misalignment": "Composant décalé par rapport au centre du pad",
    "wrong_polarity": "Composant polarisé installé à l'envers",
    "missing_component": "Composant non placé",
    "flux_residue": "Résidus de flux excessifs après nettoyage",
    "damaged_component": "Corps du composant fissuré ou ébréché",
}

# Enregistrer chaque défaut avec son type
for defect in board_defects:
    measurements.append({
        "name": f"defect_{defect['type']}",
        "value": 1,
        "unit": "count",
        "limit_high": 0,
    })

Analyse Pareto des défauts

Les analyses de TofuPilot vous montrent les types de défauts les plus courants sur l'ensemble de la production.

Rang	Type de défaut	Nombre	Pourcentage
1	Mouillage insuffisant	45	32%
2	Pont de soudure	28	20%
3	Résidus de flux	22	16%
4	Désalignement	15	11%
5	Joint froid	12	9%
-	Tous les autres	18	13%

Corrigez d'abord le type de défaut le plus fréquent. Le mouillage insuffisant (32%) est probablement un problème de pâte à braser (usure du pochoir, viscosité de la pâte ou profil de refusion).

Cohérence des inspecteurs

Suivez les taux de détection de défauts par inspecteur pour identifier les besoins en formation.

inspector_analysis.py

from tofupilot import TofuPilotClient

client = TofuPilotClient()

runs = client.get_runs(
    procedure_id="IPC610-VISUAL-INSPECTION",
    limit=1000,
)

# Grouper par inspecteur
inspector_stats = {}
for run in runs:
    for step in run.get("steps", []):
        for m in step.get("measurements", []):
            if m["name"] == "inspector_id":
                inspector = m["value"]
                if inspector not in inspector_stats:
                    inspector_stats[inspector] = {"total": 0, "rejected": 0}
                inspector_stats[inspector]["total"] += 1
                if not run["run_passed"]:
                    inspector_stats[inspector]["rejected"] += 1

for inspector, stats in inspector_stats.items():
    reject_rate = stats["rejected"] / stats["total"] * 100
    print(f"Inspecteur {inspector} : {stats['total']} cartes, {reject_rate:.1f}% taux de rejet")

Si l'inspecteur A rejette 8% et l'inspecteur B rejette 2% sur le même produit, soit A est trop strict, soit B manque des défauts. Calibrez les inspecteurs à l'aide de cartes de référence avec des défauts connus.

Relier l'inspection au test électrique

La vraie puissance réside dans la corrélation des résultats d'inspection visuelle avec les résultats de test électrique.

Si des cartes passent l'inspection visuelle mais échouent au test fonctionnel sur une mesure spécifique, il peut y avoir un type de défaut que l'inspection visuelle ne détecte pas. Inversement, si des cartes rejetées visuellement sont reprises et passent systématiquement le test fonctionnel, les critères visuels sont peut-être trop stricts pour votre classe de produit.

TofuPilot lie les résultats d'inspection et de test électrique au même numéro de série, rendant cette corrélation directe.

Intégration AOI

Les systèmes d'Inspection Optique Automatisée (AOI) peuvent envoyer les résultats à TofuPilot de la même manière que les inspections manuelles.

aoi_upload.py

# Analyser la sortie de la machine AOI et l'envoyer à TofuPilot
import json

with open("aoi_results.json") as f:
    aoi_data = json.load(f)

for board in aoi_data["boards"]:
    defects = board.get("defects", [])
    client.create_run(
        procedure_id="AOI-INSPECTION",
        unit_under_test={"serial_number": board["serial"]},
        run_passed=len(defects) == 0,
        steps=[{
            "name": "AOI Scan",
            "step_type": "measurement",
            "status": len(defects) == 0,
            "measurements": [
                {"name": "defect_count", "value": len(defects), "unit": "count", "limit_high": 0},
                {"name": "scan_coverage_pct", "value": board.get("coverage", 100), "unit": "%"},
            ],
        }],
    )

Combinez les données AOI avec les données d'inspection manuelle et de test électrique dans TofuPilot pour obtenir une image qualité complète de chaque carte.

Suivi des inspections IPC-A-610 avec TofuPilot