{"id":443,"date":"2026-10-21T17:59:28","date_gmt":"2026-10-21T15:59:28","guid":{"rendered":"https:\/\/sviluppo42.wndr.it\/delvi\/technologie\/aton\/"},"modified":"2026-11-06T16:14:26","modified_gmt":"2026-11-06T15:14:26","slug":"aton","status":"publish","type":"page","link":"https:\/\/delvi.tech\/de\/technologie\/aton\/","title":{"rendered":"Aton"},"content":{"rendered":"\n
\n
\"Aton<\/figure>\n\n\n\n

KI-3D-AOI nach dem Reflow-L\u00f6ten<\/p>\n\n\n\n

Aton<\/p>\n\n\n\n

\n\n\n\n

Hohe Bauteile.
Ein leis\u00adtungs\u00adstarkes System.<\/h2>\n\n\n\n

KI-3D-AOI nach dem Reflow-L\u00f6ten, mit Inspektion auf mehreren H\u00f6henebenen bis 80 mm f\u00fcr hohe Bauteile und schwere Baugruppen.<\/p>\n\n\n\n

\n
Brosch\u00fcre herunterladen<\/a><\/div>\n<\/div>\n<\/section>\n\n\n\n
\n

Aton<\/p>\n\n\n\n

\u00dcberblick<\/a> Technische Daten<\/a> Inspektionsumfang<\/a> Technologie<\/a> Programmierung<\/a><\/p>\n<\/section>\n\n\n\n

\n
\n
\n

Nach dem Reflow<\/h2>\n\n\n\n

3D-AOI f\u00fcr SMT und THT<\/p>\n<\/div>\n\n\n\n

\n

550 x 500 mm<\/h2>\n\n\n\n

Leiterplattenformat, bis 10 kg<\/p>\n<\/div>\n\n\n\n

\n

0,8 s<\/h2>\n\n\n\n

Pro FoV, 50 x 50 mm<\/p>\n<\/div>\n\n\n\n

\n

140 mm<\/h2>\n\n\n\n

Bauteilfreiheit unten<\/p>\n<\/div>\n<\/div>\n<\/section>\n\n\n\n

\n
\n
\n

Inspektion auf mehreren H\u00f6henebenen<\/h3>\n\n\n\n

Dynamische Fokussierung \u00fcber einen Bereich von 80 mm, mit einer Bauteilfreiheit von 120 mm oberhalb und 140 mm unterhalb der Leiterplatte: Leiterplatten mit Bauteilen auf sehr unterschiedlichen H\u00f6hen werden in einem Durchlauf inspiziert.<\/p>\n<\/div>\n\n\n\n

\n

Entwickelt f\u00fcr Leiter\u00adplatten, die andere Systeme an ihre Grenzen bringen<\/h3>\n\n\n\n

Gro\u00df, schwer, dicht best\u00fcckt oder mit hohen Steckverbindern: Leistungselektronik, Automotive und industrielle Steuerungen. Eine Kompensation der Leiterplattenverw\u00f6lbung von \u00b15 mm sorgt f\u00fcr eine pr\u00e4zise Inspektion.<\/p>\n<\/div>\n\n\n\n

\n

Dieselbe Intelligenz, dieselbe Software<\/h3>\n\n\n\n

Aton nutzt Neith und dieselben neuronalen Netze wie Horus: eine Programmierumgebung und ein Trainingsprogramm f\u00fcr die gesamte Linie.<\/p>\n<\/div>\n<\/div>\n<\/section>\n\n\n\n

\n

Technische Daten auf einen Blick<\/h3>\n\n\n\n
<\/th>Aton<\/th><\/tr><\/thead>
Inspektion<\/td>AOI nach dem Reflow-L\u00f6ten<\/td><\/tr>
Optik<\/td>25-MP-Kamera f\u00fcr die Draufsicht, 4 RGB-Projektoren, ma\u00dfgeschneidertes telezentrisches Objektiv<\/td><\/tr>
Sichtfeld<\/td>50 x 50 mm in 0,8 s\/FoV<\/td><\/tr>
H\u00f6henaufl\u00f6sung<\/td>2 \u00b5m<\/td><\/tr>
H\u00f6henmessbereich<\/td>Bis 80 mm<\/td><\/tr>
Max. Leiterplattenformat (X, Y)*<\/td>550 x 500 mm<\/td><\/tr>
Leiterplattendicke<\/td>Bis 8 mm<\/td><\/tr>
Max. Gewicht<\/td>10 kg<\/td><\/tr>
Bauteilfreiheit oben \/ unten<\/td>120 \/ 140 mm \u00b7 3 mm Rand<\/td><\/tr>
Maschinenabmessungen (B, T, H)<\/td>1.140 x 1.630 x 1.786 mm<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n
\n

*X=L\u00e4nge, Y=Breite.<\/p>\n<\/div>\n<\/section>\n\n\n\n

\n
\"Aton<\/figure>\n<\/section>\n\n\n\n
\n
\n
\n
\n

Inspektionsumfang<\/p>\n\n\n\n

Praktisch jedes Bauteil inspizieren<\/h2>\n\n\n\n

Von flachen Bauteilen bis zu hohen Steckverbindern: Neuronale Netze werten hochaufl\u00f6sende 2D- und echte 3D-Daten gemeinsam aus.<\/p>\n<\/div>\n\n\n\n

AOI<\/span><\/p>\n\n\n\n

\n

Bauteil\u00adk\u00f6rper und Platzierung<\/h3>\n\n\n\n

Lage, Gr\u00f6\u00dfe und Position der Bauteile sowie Verkippung und Abhebung, mit an IPC orientierten Abnahmekriterien.<\/p>\n\n\n\n

Neith-Auswertung<\/b> Positionen<\/p>\n<\/div>\n\n\n\n

\n

Anschl\u00fcsse, Lot und Kenn\u00adzeich\u00adnung<\/h3>\n\n\n\n

Vorhandensein und Position von Pins und Bauteilanschl\u00fcssen, Zustand der L\u00f6tstellen, L\u00f6tbr\u00fccken, Ebenheit, Lotkugeln und Erkennung von Kratzern auf Displays, mit an IPC orientierten Abnahmekriterien.<\/p>\n\n\n\n

Neith-Auswertung<\/b> Pin-L\u00f6tstelle 3D \/ Hoher wei\u00dfer Steckverbinder 3D<\/p>\n<\/div>\n\n\n\n

\n

Anspruchs\u00advolle Geometrien<\/h3>\n\n\n\n

Reflektierende Oberfl\u00e4chen und metallische Pins. Hohe Best\u00fcckungsdichte und Fine-Pitch. Starke Abschattungen und hohe Steckverbinder. Macro und nicht standardisierte Anwendungen.<\/p>\n<\/div>\n\n\n\n

\n

Kenn\u00adzeich\u00adnung und Ausrichtung<\/h3>\n\n\n\n

Polarit\u00e4t, OCR und OCV, einschlie\u00dflich gedrehter Beschriftungen und lieferantenbedingter Varianten, sowie Erkennung der Farbringe von Widerst\u00e4nden.<\/p>\n\n\n\n

Neith-Auswertung<\/b> OCR \/ Polarit\u00e4t<\/p>\n<\/div>\n\n\n\n

\n

Mehr als Stan\u00addard\u00adpr\u00fcf\u00adfunk\u00adti\u00adonen<\/h3>\n\n\n\n

Mit Macro lassen sich individuelle Pr\u00fcfungen f\u00fcr Geometrien erstellen, die keine Standardpr\u00fcffunktion abdeckt: H\u00f6hen, Abst\u00e4nde und Koplanarit\u00e4t. Die Anomalieerkennung kennzeichnet Abweichungen, f\u00fcr die niemand eine Regel definiert hat, sowohl auf Bauteilebene als auch auf der gesamten Leiterplatte.<\/p>\n\n\n\n

Neith-Auswertung<\/b> Anomalieerkennung<\/p>\n<\/div>\n<\/div>\n\n\n\n

\n
\"Locations\"\/
Positionen<\/figcaption><\/figure>\n\n\n\n
\"Pin
Pin-L\u00f6tstelle 3D<\/figcaption><\/figure>\n\n\n\n
\"Pin
Pin-ROI<\/figcaption><\/figure>\n\n\n\n
\"Tall,
Hoher wei\u00dfer Steckverbinder 3D<\/figcaption><\/figure>\n\n\n\n
\"Connector
Steckverbinder 3D<\/figcaption><\/figure>\n\n\n\n
\"OCR\"\/
OCR<\/figcaption><\/figure>\n\n\n\n
\"Polarity\"\/
Polarit\u00e4t<\/figcaption><\/figure>\n\n\n\n
\"Anomaly
Anomalieerkennung<\/figcaption><\/figure>\n<\/div>\n<\/div>\n<\/section>\n\n\n\n
\n

Sehen, was anderen entgeht.<\/h2>\n\n\n\n
\n
\n
\"Underfill\"\/<\/figure>\n\n\n\n

Underfill<\/h3>\n\n\n\n

UV-reaktives Underfill-Material wird mit UV-Beleuchtung inspiziert. Die 3D-Rekonstruktion erm\u00f6glicht es, Vorhandensein, Verteilung und aufgetragene Menge des Klebstoffs zu pr\u00fcfen.<\/p>\n<\/div>\n\n\n\n

\n
\"Encapsulation\"\/<\/figure>\n\n\n\n

Verguss<\/h3>\n\n\n\n

Volumen, H\u00f6he und Abdeckung des Vergussmaterials werden in echtem 3D gepr\u00fcft. So wird best\u00e4tigt, dass ein Bauteil gesch\u00fctzt und nicht nur vorhanden ist.<\/p>\n<\/div>\n\n\n\n

\n
\"LED\"\/<\/figure>\n\n\n\n

LED<\/h3>\n\n\n\n

Pr\u00fcfung von Position, Koplanarit\u00e4t und Chipausrichtung, auch bei reflektierenden Geh\u00e4usen. Die tats\u00e4chliche Farbe der LED wird zuverl\u00e4ssig erkannt, ohne Beeinflussung durch die Fluoreszenz des Chips.<\/p>\n<\/div>\n<\/div>\n<\/section>\n\n\n\n

\n

Senden Sie uns eine anspruchs\u00advolle Baugruppe.
Wir f\u00fchren den Test durch und senden Ihnen zur\u00fcck, was die Plattform gefunden hat.<\/h2>\n\n\n\n
\n
Senden Sie uns eine Leiterplatte<\/a><\/div>\n<\/div>\n<\/section>\n\n\n\n
\n
\n

Die Technologie im Inneren<\/p>\n\n\n\n

Die Technologie, die dies erm\u00f6glicht<\/h2>\n<\/div>\n\n\n\n
\n
\"\"<\/figure>\n\n\n\n
\n
\n

Echtes 3D. Patentierter optischer Kopf.<\/h3>\n\n\n\n

Eine telezentrische 25-MP-Kamera f\u00fcr die Draufsicht, vier RGB-Projektoren und mehrstufige RGBW-Beleuchtung, mit optionalen Polarisations- und Seitenkameras. Entwickelt f\u00fcr reflektierende Metalle, abgeschattete Bereiche, hohe Steckverbinder und Fine-Pitch.<\/p>\n<\/div>\n\n\n\n

\n

KI im Inspek\u00adti\u00adons\u00adzy\u00adklus<\/h3>\n\n\n\n

Die KI entscheidet w\u00e4hrend des Inspektionszyklus, nicht danach. Propriet\u00e4re neuronale Netze erkennen und klassifizieren Merkmale auf der Leiterplatte in Echtzeit, w\u00e4hrend die FPGA-Verarbeitung mit dem Linientakt Schritt h\u00e4lt.<\/p>\n<\/div>\n\n\n\n

\n

Neith-Soft\u00adwa\u00adre\u00adplatt\u00adform<\/h3>\n\n\n\n

Eine browserbasierte Softwareumgebung f\u00fcr Programmierung, Daten und Abl\u00e4ufe, \u00fcber alle Inspektionsstufen und alle Delvitech-Plattformen hinweg.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/section>\n\n\n\n

\n
\n

Programmierung und Lernen<\/p>\n\n\n\n

Program\u00admie\u00adrung und Lernen mit KI<\/h2>\n<\/div>\n\n\n\n
\n
\n

Training Manager<\/h3>\n\n\n\n

Ihr Team kann die neuronalen Netze direkt auf der Plattform trainieren, anhand Ihrer eigenen Leiterplatten und Bilder aus der Produktion. Die Maschine lernt, Bauteile \u00fcber das urspr\u00fcngliche Training hinaus zu erkennen, w\u00e4hrend bestehendes Wissen erhalten bleibt. So kann Ihr Team die Inspektion eigenst\u00e4ndig anpassen und das Know-how im Unternehmen behalten.<\/p>\n\n\n\n

\n
Zum technischen Deep Dive<\/a><\/div>\n<\/div>\n<\/div>\n\n\n\n
\n

Selbst\u00adpro\u00adgram\u00admie\u00adrung<\/h3>\n\n\n\n

Beschleunigt die Bauteilerkennung und die Erstellung von Pr\u00fcfprogrammen und senkt so den technischen Aufwand, ein neues Produkt in einen stabilen Inspektionsprozess zu \u00fcberf\u00fchren.<\/p>\n<\/div>\n\n\n\n

\n

Demn\u00e4chst verf\u00fcgbar<\/p>\n\n\n\n

Pr\u00e4diktion<\/h3>\n\n\n\n

Proaktive Prozesssteuerung durch die Vorhersage von Mustern mit neuronalen Netzen: Anzeichen eines Fehlers werden erkannt, bevor er auftritt.<\/p>\n<\/div>\n\n\n\n

\n

Demn\u00e4chst verf\u00fcgbar<\/p>\n\n\n\n

Auto\u00adma\u00adti\u00adsierte Vali\u00addie\u00adrungs\u00adsta\u00adtion<\/h3>\n\n\n\n

Das System analysiert Bauteile und Fehler autonom, validiert wiederkehrende Pr\u00fcfmeldungen und optimiert die Inspektionsparameter mithilfe von KI. Dabei pr\u00fcft es jede \u00c4nderung anhand eines Referenzdatensatzes mit Gut- und Schlechtbeispielen.<\/p>\n<\/div>\n<\/div>\n<\/section>\n\n\n\n

\n

Einsatz\u00adbe\u00adreiche.<\/h2>\n\n\n\n
\n

Entwickelt f\u00fcr hohe Baugruppen mit mehreren H\u00f6henebenen in den Bereichen Automobilindustrie & Elektrofahrzeuge, EMS, Industrie- & Leistungselektronik, Luft- und Raumfahrt & Verteidigung, Medizintechnik, Telekommunikation, KI-Computing & Rechenzentren sowie Konsumelektronik.<\/p>\n\n\n\n

\n
Entdecken Sie die Branchen, die wir bedienen<\/a><\/div>\n<\/div>\n<\/div>\n<\/section>\n\n\n\n
\n
\n