论文部分内容阅读
随着SMT产业对产品质量的要求不断提高，PCBA采用人工目测方式已不能满足需求，因此自动光学检测(Automated OpticalInspection，AOI)设备的选用也越来越重要。目前AOI主要的评估方法是取一个批量的PCBA，进行合格或不合格的判定，再统计其误判率及漏检率作为选型依据。但是这样无法了解AOI的各种算法对各种不合格现象的检出能力。另外，一片PCBA可能同时存在多个缺陷，加上各种缺陷对于产品的质量影响并不相同。因此单纯计算误判率及漏检率，无法达成有效的AOI选型。
本研究以AOI的量测系统分析(Measurement SystemAnalysis，MSA)为例，采取TS16949MSA 4th计数型仪器之Kappa风险分析法(Kappa risk analysis)进行自动光学检测设备的评估。将各种零件及不合格现象分类，独立进行量测系统分析，可避免各种零件及不合格现象发生统计学上的交互作用。使评估结果能分别体现AOI对于缺件(Missing parts)、短路(Short)、空焊(Missing solder)、溢胶(Excessive glue)、极性反(wrong polarity)、零件偏移(Parts shift)、立碑(Tomb stone)等不合格现象之检出能力。
为验证TS16949 MSA 4th计数型(Attribute)仪器之Kappa风险分析法在AOI设备的适用性，本研究取个案企业之四家AOI厂商相同等级的机型，在个案企业实地对这五款AOI进行量测系统分析。计算各种不合格现象的Fleiss’s Kappa系数及假设检验百分比，分析AOI对各种零件及不合格现象的检测能力，作为AOI选型的依据。