论文部分内容阅读
表面贴装技术(Surface Mount Technology,SMT)制作过程工序繁多,每一道工序都可能会产生各种缺陷,这些细微缺陷如果不能在生产线上及早和准确地发现,可能会降低产品合格率、影响可靠性,甚至导致整块印制板报废,进而增加生产成本。SMT生产线通过锡膏测厚仪(Solder Paste Inspection System,SPI)中设置的检测阈值对锡膏印刷量进行前期检测,控制有缺陷印刷电路板(Printed Circuit Board,PCB)流入后续工序。目前,SPI检测设备中阈值的设置主要依靠传统的人工经验,缺乏理论指导,不能充分发挥SPI排除缺陷的能力,常使SPI有误判和漏判发生,使真实的缺陷被人为放过。因此,对锡膏SPI检测阈值进行科学合理设置是SMT产品质量控制的重要一环。另一方面,SMT生产线各种检测设备了积累海量的数据,但这些数据所蕴含的信息和价值并没有被充分挖掘。由于基于数据驱动的过程建模技术不需要深层次的过程知识和机理模型,本文运用数据驱动过程建模技术,提出了一种新的锡膏SPI检测阈值估计方法。本文主要研究工作和创新点如下:(1)详细介绍了SMT工艺流程及生产线数据资源情况,对锡膏印刷过程和质量检测过程进行了详述,在此基础上,给出了锡膏SPI检测阈值估计流程总体框架,包含数据包构建、锡膏特征参数概率密度估计等。(2)运用数据抽样技术解决了数据包存在的类不平衡问题。将非参数估计的核密度估计(Kernel Density Estimation,KDE),引入到锡膏特征参数的概率密度估计,建立SPI检测阈值的优化问题,以SPI检测阈值为决策变量,从最小化SPI误判和漏判的角度构造目标函数,并采用遗传优化算法求解出最优的SPI检测阈值。(3)将该方法应用于某通讯公司SMT实际生产线,与传统人工的阈值设置方法进行对比,新方法具有一定的理论意义和良好的应用价值,可以在一定程度上降低SMT产品缺陷率,为企业SMT产品质量控制提供有效的帮助。