এসভিআর-ভিত্তিক এসএমটি পিক-এন্ড-প্লেস প্রক্রিয়ায় উপাদান স্থানচ্যুতি পূর্বাভাস

1. ভূমিকা

এই গবেষণা সারফেস মাউন্ট টেকনোলজি (এসএমটি) সংযোজন প্রক্রিয়ায় একটি গুরুত্বপূর্ণ কিন্তু প্রায়শই উপেক্ষিত গুণগত সমস্যা সমাধান করে: পিক-এন্ড-প্লেস (পিএন্ডপি) প্রক্রিয়ার সময় উপাদানগুলির স্থানচ্যুতি। যখন একটি উপাদান ভেজা সোল্ডার পেস্টের উপর স্থাপন করা হয়, তখন তরল গতিবিদ্যা এবং পেস্টের বৈশিষ্ট্যের কারণে এটি তার নির্ধারিত অবস্থান থেকে সরে যেতে পারে। পরবর্তী রিফ্লো সোল্ডারিং কিছু স্ব-সারিবদ্ধতা প্রদান করলেও, উচ্চ-ঘনত্ব, উচ্চ-নির্ভরযোগ্য ইলেকট্রনিক্স উৎপাদনের জন্য প্রাথমিক স্থানচ্যুতি কমানো অত্যন্ত গুরুত্বপূর্ণ।

1.1. সারফেস মাউন্ট টেকনোলজি

এসএমটি হল প্রিন্টেড সার্কিট বোর্ডে (পিসিবি) ইলেকট্রনিক উপাদান সংযোজনের প্রধান পদ্ধতি। মূল এসএমটি লাইন তিনটি প্রধান প্রক্রিয়া নিয়ে গঠিত: স্টেনসিল প্রিন্টিং (এসপিপি), পিক-এন্ড-প্লেস (পিএন্ডপি), এবং সোল্ডার রিফ্লো। প্রক্রিয়া ফলাফল পর্যবেক্ষণের জন্য গুণমান পরিদর্শন পয়েন্ট, যেমন সোল্ডার পেস্ট ইনস্পেকশন (এসপিআই) এবং অটোমেটেড অপটিক্যাল ইনস্পেকশন (এওআই), সংহত করা হয়।

1.2. পিক-এন্ড-প্লেস প্রক্রিয়ায় উপাদান স্থানচ্যুতি

স্থানচ্যুতি ঘটে স্থাপনের পরে সোল্ডার পেস্টের সান্দ্রস্থিতিস্থাপক বৈশিষ্ট্য (স্লাম্পিং, ভারসাম্যহীনতা) এবং মেশিনের কম্পনের মতো বাহ্যিক কারণের কারণে। উপাদানের আকার ছোট হয়ে যাওয়া এবং পিচ কমে যাওয়ার সাথে সাথে, এই মাইক্রো-স্থানচ্যুতিগুলি ব্রিজিং বা ওপেন সার্কিটের মতো ত্রুটির উল্লেখযোগ্য কারণ হয়ে দাঁড়ায়, যা এই ধারণাকে চ্যালেঞ্জ করে যে রিফ্লো এগুলিকে সম্পূর্ণরূপে সংশোধন করবে।

2. পদ্ধতি ও এসভিআর মডেল

এই গবেষণায় একটি তথ্য-চালিত পদ্ধতি ব্যবহার করা হয়েছে, যেখানে প্রক্রিয়া প্যারামিটার এবং উপাদান স্থানচ্যুতির মধ্যে জটিল, অ-রৈখিক সম্পর্ক মডেল করতে মেশিন লার্নিং ব্যবহার করা হয়েছে।

2.1. সাপোর্ট ভেক্টর রিগ্রেশন (এসভিআর)

এসভিআর বেছে নেওয়া হয়েছে কারণ এটি সীমিত সংখ্যক নমুনা সহ উচ্চ-মাত্রিক, অ-রৈখিক রিগ্রেশন সমস্যা পরিচালনায় কার্যকর, যা শিল্প পরীক্ষামূলক তথ্যের একটি সাধারণ দৃশ্য।

2.2. কার্নেল ফাংশন: লিনিয়ার বনাম আরবিএফ

দুটি কার্নেল ফাংশন মূল্যায়ন করা হয়েছিল: একটি লিনিয়ার কার্নেল (এসভিআর-লিনিয়ার) এবং একটি রেডিয়াল বেসিস ফাংশন কার্নেল (এসভিআর-আরবিএফ)। আরবিএফ কার্নেল তথ্যের মধ্যে জটিল, অ-রৈখিক সম্পর্ক ক্যাপচার করার জন্য বিশেষভাবে উপযুক্ত।

3. পরীক্ষামূলক সেটআপ ও তথ্য

একটি অত্যাধুনিক এসএমটি সংযোজন লাইনে একটি ব্যাপক পরীক্ষা ডিজাইন করা হয়েছিল। স্থানচ্যুতিকে প্রভাবিত করতে পারে বলে বিশ্বাস করা মূল ইনপুট বৈশিষ্ট্যগুলির উপর তথ্য সংগ্রহ করা হয়েছিল, যার মধ্যে রয়েছে:

• সোল্ডার পেস্ট বৈশিষ্ট্য: আয়তন, প্যাড থেকে অফসেট, স্লাম্প বৈশিষ্ট্য।
• স্থাপন সেটিংস: স্থাপন বল, গতি, নির্ভুলতা।
• উপাদান ও বোর্ড ফ্যাক্টর: উপাদানের আকার, ওজন, পিসিবি সমতলতা।

আউটপুট ভেরিয়েবল ছিল স্থাপনের পরে কিন্তু রিফ্লোর আগে পরিমাপ করা উপাদান স্থানচ্যুতি (যেমন, মাইক্রনে) এক্স এবং ওয়াই দিকে।

4. ফলাফল ও বিশ্লেষণ

সংগৃহীত ডেটাসেটে মডেলগুলিকে প্রশিক্ষণ দেওয়া হয়েছিল এবং পরীক্ষা করা হয়েছিল, যেখানে কর্মক্ষমতা মূল্যায়ন করা হয়েছিল মিন অ্যাবসলিউট এরর (এমএই) এবং রুট মিন স্কোয়ার এরর (আরএমএসই) এর মতো মেট্রিক্স ব্যবহার করে।

4.1. পূর্বাভাস কর্মক্ষমতা

চার্ট বর্ণনা (অন্তর্নিহিত): পূর্বাভাসিত বনাম প্রকৃত উপাদান স্থানচ্যুতি মানের তুলনা করে একটি স্ক্যাটার প্লট দেখাবে যে এসভিআর-আরবিএফ পূর্বাভাসগুলি আদর্শ y=x লাইন বরাবর শক্তভাবে গুচ্ছবদ্ধ, যখন এসভিআর-লিনিয়ার পূর্বাভাসগুলি আরও বিচ্ছুরণ দেখাবে, বিশেষত উচ্চতর স্থানচ্যুতি মাত্রায়।

4.2. স্থানচ্যুতি কারণগুলির উপর মূল সন্ধান

বিশ্লেষণটি যাচাই করেছে যে সোল্ডার পেস্ট আয়তনের ভারসাম্যহীনতা এবং স্থাপন অফসেট উপাদান স্থানচ্যুতির প্রাথমিক চালক। এসভিআর-আরবিএফ মডেলের বৈশিষ্ট্য গুরুত্ব বিশ্লেষণ (বা মডেলের সহগ/সাপোর্ট ভেক্টর) এই কারণগুলিকে পরিমাণগতভাবে র্যাঙ্ক করবে।

5. প্রযুক্তিগত বিবরণ ও গাণিতিক সূত্রায়ন

মূল এসভিআর অপ্টিমাইজেশন সমস্যাটির লক্ষ্য হল একটি ফাংশন $f(x) = w^T \phi(x) + b$ খুঁজে বের করা যা প্রকৃত লক্ষ্য $y_i$ থেকে সর্বাধিক একটি মান $\epsilon$ (এপসিলন-টিউব) দ্বারা বিচ্যুত হয়, যতটা সম্ভব সমতল থাকার সময়। প্রাইমাল অপ্টিমাইজেশন সমস্যাটি হল:

$$\min_{w, b, \xi, \xi^*} \frac{1}{2} ||w||^2 + C \sum_{i=1}^{n} (\xi_i + \xi_i^*)$$

শর্তাধীন:
$y_i - (w^T \phi(x_i) + b) \le \epsilon + \xi_i$
$(w^T \phi(x_i) + b) - y_i \le \epsilon + \xi_i^*$
$\xi_i, \xi_i^* \ge 0$

যেখানে $C$ হল নিয়মিতকরণ প্যারামিটার, $\xi_i, \xi_i^*$ হল স্ল্যাক ভেরিয়েবল, এবং $\phi(x)$ হল কার্নেল ফাংশন যা তথ্যকে একটি উচ্চ-মাত্রিক স্থানে ম্যাপ করে। আরবিএফ কার্নেলের জন্য: $K(x_i, x_j) = \phi(x_i)^T \phi(x_j) = \exp(-\gamma ||x_i - x_j||^2)$।

6. বিশ্লেষণ কাঠামো: একটি নন-কোড কেস উদাহরণ

একটি প্রস্তুতকারক বিবেচনা করুন যিনি একটি নতুন, ফাইন-পিচ পিসিবিতে ২% ফলন হ্রাস অনুভব করছেন। রিফ্লোর পরে এওআই ভুল সারিবদ্ধতা দেখায়, কিন্তু পোস্ট-পিএন্ডপি প্রি-এওআই তথ্য বিশ্লেষণ করা হয়নি। এই গবেষণাপত্রের কাঠামো প্রয়োগ করা:

1. তথ্য সংগ্রহ: ব্যর্থ বোর্ডগুলির জন্য এসপিআই তথ্য (পেস্ট আয়তন, প্রতি প্যাডে অফসেট) প্রি-এওআই তথ্য (রিফ্লোর আগে উপাদান অবস্থান) এর সাথে সম্পর্কিত করুন।
2. মডেল প্রয়োগ: এসপিআই পরিমাপের ভিত্তিতে প্রত্যাশিত স্থানচ্যুতি পূর্বাভাস দেওয়ার জন্য একটি প্রি-ট্রেন্ড এসভিআর-আরবিএফ মডেল (গবেষণাপত্রের মতো) ব্যবহার করুন।
3. মূল কারণ সনাক্তকরণ: মডেলটি এমন উপাদানগুলির জন্য উল্লেখযোগ্য স্থানচ্যুতি (>৫০% পিচ) পূর্বাভাস দেয় যেখানে এসপিআই প্যাডগুলির মধ্যে উচ্চ আয়তন বৈচিত্র্য দেখিয়েছে। মূল কারণটি স্টেনসিলের ক্ষয়ের কারণে অসম পেস্ট জমা হিসাবে চিহ্নিত করা হয়েছে।
4. সংশোধনমূলক পদক্ষেপ: পেস্ট আয়তন বৈচিত্র্যের জন্য কঠোর এসপিআই নিয়ন্ত্রণ সীমা প্রয়োগ করুন এবং প্রতিরোধমূলক স্টেনসিল রক্ষণাবেক্ষণের সময়সূচী করুন, যার ফলে রিফ্লোর আগেই উৎসে স্থানচ্যুতি সমাধান করা হয়।

7. শিল্প বিশ্লেষকের দৃষ্টিভঙ্গি

মূল অন্তর্দৃষ্টি: এই গবেষণাপত্রটি সফলভাবে উপাদান স্থানচ্যুতিকে রিফ্লো দ্বারা শোষিত একটি "নয়েজ" ফ্যাক্টর থেকে একটি পূর্বাভাসযোগ্য এবং নিয়ন্ত্রণযোগ্য প্রক্রিয়া ভেরিয়েবলে রূপান্তরিত করেছে। প্রকৃত মূল্য শুধুমাত্র পূর্বাভাস নির্ভুলতায় নয়, বরং গুণমানের দৃষ্টান্তকে পোস্ট-রিফ্লো পরিদর্শন থেকে ইন-প্রসেস পূর্বাভাস এবং সংশোধনের দিকে উপরের দিকে স্থানান্তরিত করার মধ্যে রয়েছে।

যুক্তিসঙ্গত প্রবাহ: গবেষণার যুক্তি শব্দ: একটি ব্যয়বহুল মাইক্রো-ত্রুটি (স্থানচ্যুতি) সনাক্ত করুন, এর চালকগুলির অনুমান করুন (পেস্ট/স্থাপন প্যারামিটার), একটি উপযুক্ত এমএল টুল ব্যবহার করুন (ছোট, অ-রৈখিক তথ্যের জন্য এসভিআর), এবং বাস্তব উৎপাদন তথ্য দিয়ে যাচাই করুন। লিনিয়ার এবং আরবিএফ কার্নেলের মধ্যে তুলনা একটি গুরুত্বপূর্ণ পদক্ষেপ যা সমস্যার জটিলতা প্রমাণ করে।

শক্তি ও ত্রুটি:
শক্তি: একটি বাস্তব, উচ্চ-মূল্যের শিল্প সমস্যায় এমএল-এর ব্যবহারিক ব্যবহার। আরও জটিল ডিপ লার্নিংয়ের চেয়ে এসভিআর বেছে নেওয়া প্রশংসনীয় এর ব্যাখ্যাযোগ্যতা এবং সীমিত তথ্যের সাথে দক্ষতার জন্য—একটি নীতি যা সেমিনাল এমএল সাহিত্যে প্রতিধ্বনিত হয় যা কাজের জন্য সঠিক টুলের পক্ষে সমর্থন করে [হ্যাস্টি এট আল., ২০০৯]।
ত্রুটি: গবেষণাপত্রের Achilles' heel সম্ভবত তথ্যের সুযোগ। এটি "অন্যান্য অনেক পরোক্ষ সম্ভাব্য কারণ" (কম্পন, কনভেয়র অস্থিরতা) উল্লেখ করে কিন্তু মডেল সম্ভবত শুধুমাত্র একটি উপসেট ব্যবহার করে। প্রকৃত প্ল্যান্ট-ফ্লোর মোতায়েনের জন্য কনভেয়র এবং স্থাপন হেডে আইওটি সেন্সর থেকে তথ্য সংহত করা প্রয়োজন, লাইনের একটি ডিজিটাল টুইনের দিকে অগ্রসর হওয়া, যেমন ইন্ডাস্ট্রি ৪.০ কাঠামো দ্বারা কল্পনা করা হয়েছে।