Flex ICT - Plataforma robótica flexível e inteligente para ICT laboratorial

Abstract

A indústria automóvel exige componentes eletrónicos de elevada fiabilidade, particularmente em sistemas críticos como os High Voltage Coolant Heaters (HVCH). Os processos tradicionais de teste In-Circuit (ICT) laboratorial enfrentam limitações de flexibilidade, custos elevados e longos prazos devido à necessidade de dispositivos de fixação personalizados para cada nova PCBA. Este projeto propõe e valida uma estação de teste automatizada e flexível, assente numa arquitetura modular que integra: um robô colaborativo para posicionamento de pontas de prova; um sistema de visão baseado em YOLOv8 para identificação automática das PCBAs; um conjunto de subsistemas e instrumentos de medição (microcontrolador ESP32, interface de comunicação Kvaser, módulo de relés, multímetro, fonte de alimentação) controlados via protocolos padrão: SCPI (para o multímetro), comunicação serial UART (para o ESP32) e o protocolo LIN (para a interface Kvaser), e uma aplicação central em Python. A rastreabilidade é garantida através de uma base de dados temporal InfluxDB e visualização em dashboards Grafana. Os resultados demonstram a robustez da solução. O modelo YOLOv8 atingiu uma exatidão de 99,5% (mAP50), resolvendo as falsas identificações de algoritmos tradicionais como o SSIM. A validação da precisão das medições, comparando 20 medições automáticas com referência manual, apresentou diferenças relativas maioritariamente inferiores a 0,01%, com máximo de 0,03%. A análise de capacidade do processo (Cp/Cpk) confirmou a repetibilidade excecional, com valores de Cpk superiores a 1,67, classificando o processo como "Altamente Capaz" segundo referenciais industriais. Este trabalho desenvolve e valida uma prova de conceito funcional para um paradigma de teste mais ágil e económico, eliminando a necessidade de dispositivos de fixação dedicados. A estação implementada reduz custos e tempos de setup, estabelecendo uma base sólida para a inspeção automática de múltiplas variantes de PCBAs na BorgWarner, contribuindo para a modernização dos processos de controlo de qualidade no contexto da Indústria 4.0.

The automotive industry demands high-reliability electronic components, particularly in critical systems such as High Voltage Coolant Heaters (HVCH). Traditional laboratory In-Circuit Test (ICT) processes face limitations in flexibility, high costs, and long lead times due to the need for custom fixtures for each new PCBA. This project proposes and validates an automated and flexible test station based on a modular architecture that integrates: a collaborative robot for probe positioning; a vision system based on YOLOv8 for automatic PCBA identification; a set of measurement subsystems and instruments (ESP32 microcontroller, Kvaser communication interface, relay module, multimeter, power supply) controlled via standard protocols: SCPI (for the multimeter), UART serial communication (for the ESP32), and the LIN protocol (for the Kvaser interface); and a central Python application. Traceability is ensured through an InfluxDB time-series database and visualization in Grafana dashboards. The results demonstrate the robustness of the solution. The YOLOv8 model achieved an accuracy of 99.5% (mAP50), overcoming the false identification issues of traditional algorithms such as SSIM. Validation of measurement accuracy, comparing 20 automatic measurements with a manual reference, showed relative differences mostly below 0.01%, with a maximum of 0.03%. Process capability analysis (Cp/Cpk) confirmed exceptional repeatability, with Cpk values exceeding 1.67, classifying the process as "Highly Capable" according to industry standards. This work develops and validates a functional proof-of-concept for a more agile and cost-effective testing paradigm, eliminating the need for dedicated fixtures. The implemented station reduces costs and setup times, establishing a solid foundation for the automatic inspection of multiple PCBA variants at BorgWarner, contributing to the modernization of quality control processes in the context of Industry 4.0.