Cyber-physical design and development of a visual inspection station for PCBA remanufactuing

The rapid growth of electronic waste and the high functional and material value embedded in modern electronics demand scalable and economically sustainable remanufacturing systems. Among electronic subsystems, Printed Circuit Board Assemblies (PCBAs) are particularly valuable to recover, yet their reuse is constrained by the complexity of inspecting heterogeneous end-of-life boards affected by aging, contamination, and component-level defects such as solder anomalies, burn marks, and missing parts. Within the broader problem of remanufacturing system configuration, inspection represents a critical design choice. The selection of an effective Automated Optical Inspection (AOI) strategy directly impacts process scalability, consistency, labor intensity, and overall economic viability. This thesis addresses this challenge by developing a cyber-physical AOI architecture tailored for PCBA remanufacturing. The physical layer performs controlled high resolution image acquisition under calibrated illumination, ensuring consistent visual data. The digital layer integrates deep-learning based detection with information extracted from Electronic Computer Aided Design (ECAD) files, establishing correspondence between the physical board and its reference design. Models based on the You Only Look Once (YOLO) architecture identify components and surface defects, while geometric alignment with the layout enables presence verification and precise defect localization. The fusion with design and bill-of-materials data allows retrieval of technical and economic attributes for each component, supporting informed repair and replacement decisions. Experimental validation demonstrates high detection accuracy, millimetric alignment precision, and reduced manual inspection effort. By bridging visual inspection with design intelligence, the proposed cyber-physical AOI strengthens the reliability and scalability of PCBA remanufacturing processes, contributing to more consistent and economically viable circular economy practices.

La crescita accelerata dei rifiuti elettronici e l’alto valore funzionale e materiale racchiuso nei moderni dispositivi rendono necessario sviluppare sistemi di remanufacturing scalabili ed economicamente sostenibili. Tra i vari sottosistemi elettronici, le schede elettroniche assemblate (Printed Circuit Board Assemblies, PCBAs) rappresentano una delle risorse più preziose da recuperare. Tuttavia, il loro riutilizzo è spesso limitato dalla difficoltà di ispezionare schede eterogenee a fine vita, soggette a invecchiamento, contaminazioni e difetti a livello di componente, come anomalie di saldatura, bruciature o parti mancanti. Nel più ampio contesto della progettazione dei sistemi di remanufacturing, l’ispezione costituisce una scelta strategica fondamentale. La definizione di un’efficace strategia di Automated Optical Inspection (AOI) influisce direttamente sulla scalabilità del processo, sulla sua affidabilità, sul fabbisogno di manodopera e, in definitiva, sulla sostenibilità economica complessiva. Questa tesi affronta tale sfida proponendo un’architettura AOI ciber-fisica specificamente progettata per il remanufacturing di PCBAs. Lo strato fisico del sistema è dedicato all’acquisizione controllata di immagini ad alta risoluzione, ottenute mediante illuminazione calibrata per garantire coerenza visiva. Lo strato digitale combina tecniche di deep learning con le informazioni provenienti dai file ECAD, creando una corrispondenza accurata tra la scheda fisica e il progetto di riferimento. Modelli basati sull’architettura YOLO consentono di individuare componenti e difetti superficiali, mentre l’allineamento geometrico con il layout permette sia la verifica della presenza dei componenti sia la localizzazione precisa dei difetti. L’integrazione con i dati di progetto e con la distinta base rende inoltre possibile associare a ciascun componente caratteristiche tecniche e parametri economici, facilitando decisioni più consapevoli riguardo a riparazioni o sostituzioni. I risultati sperimentali mostrano un’elevata accuratezza di rilevamento, una precisione di allineamento dell’ordine dei millimetri e una significativa riduzione dell’intervento manuale richiesto. Collegando l’ispezione visiva all’intelligenza derivata dai dati di progetto, l’architettura AOI ciber-fisica sviluppata aumenta l’affidabilità e la scalabilità dei processi di remanufacturing delle PCBAs, contribuendo a pratiche di economia circolare più coerenti ed economicamente vantaggiose.