Analisis Statistik bagi Anjakan Komponen dalam Proses SMT Pick and Place

1. Pengenalan

Teknologi Permukaan Permukaan (SMT) ialah kaedah utama untuk memasang komponen elektronik pada papan litar bercetak (PCB). Proses pick-and-place (P&P), di mana komponen diletakkan pada pes pateri basah, adalah kritikal. Fenomena halus tetapi signifikan dalam peringkat ini ialah anjakan komponen—pergerakan komponen yang tidak diingini pada pes pateri likat sebelum proses pateri reflow.

Secara tradisional, anjakan ini dianggap boleh diabaikan, sering bergantung pada kesan "penjajaran sendiri" proses reflow seterusnya untuk membetulkan ralat penempatan kecil. Walau bagaimanapun, apabila saiz komponen mengecil ke skala sub-milimeter dan piawaian kualiti untuk PCB menjadi lebih ketat (mensasarkan kadar kecacatan hampir sifar), memahami dan mengawal anjakan komponen telah menjadi keutamaan untuk pembuatan hasil tinggi.

Kertas kerja ini menangani jurang kritikal: kajian terdahulu kekurangan analisis data talian pengeluaran sebenar. Penulis menyiasat dua isu teras: 1) mencirikan tingkah laku anjakan komponen, dan 2) mengenal pasti dan mengklasifikasikan faktor-faktor yang menyumbang kepadanya, menggunakan kaedah statistik pada data dari talian pemasangan SMT terkini.

2. Metodologi & Pengumpulan Data

Kekuatan kajian ini terletak pada asas empirikalnya, melangkaui model teori.

3. Keputusan & Analisis

4. Butiran Teknikal & Formula

Analisis ini berkemungkinan bergantung pada model statistik asas. Perwakilan ringkas pendekatan regresi boleh ditunjukkan. Anjakan komponen $S$ (vektor 2D atau magnitud) boleh dimodelkan sebagai fungsi pelbagai faktor:

$S = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + ... + \beta_n X_n + \epsilon$

Di mana:

• $\beta_0$ ialah pintasan.
• $X_1, X_2, ..., X_n$ mewakili faktor ternormalisasi (contohnya, $X_1$ = Sisihan-X Pes, $X_2$ = Isipadu Pes, $X_3$ = kod Jenis Komponen).
• $\beta_1, \beta_2, ..., \beta_n$ ialah pekali yang ditentukan oleh regresi, menunjukkan saiz dan arah kesan setiap faktor. Analisis kesan utama kajian pada dasarnya mengkaji nilai $\beta$ ini.
• $\epsilon$ ialah istilah ralat.

Magnitud anjakan $|S|$ boleh dianalisis menggunakan model linear atau linear umum yang serupa, dengan nilai $R^2$ menunjukkan berapa banyak varians dalam anjakan dijelaskan oleh faktor yang disertakan.

5. Keputusan Eksperimen & Carta

Penerangan Carta Hipotesis Berdasarkan Konteks Kertas:

Rajah 2: Plot Kesan Utama untuk Anjakan Komponen. Carta bar atau plot garis menunjukkan purata perubahan dalam magnitud anjakan (contohnya, dalam mikrometer) apabila setiap faktor bergerak dari tahap rendah ke tinggi. Bar untuk "Sisihan Kedudukan-X Pes" akan menjadi yang tertinggi, mengesahkan secara visual ia sebagai faktor paling berpengaruh. "Jenis Komponen" akan menunjukkan beberapa bar, satu untuk setiap enam jenis, mendedahkan yang mana paling cenderung kepada anjakan.

Rajah 3: Plot Serakan Anjakan vs. Ketidakdaftaran Pes. Awan titik data menunjukkan korelasi positif yang kuat. Garis regresi dengan cerun curam $\beta_1$ akan dipasang melalui data, menghubungkan ralat penempatan pes kepada anjakan komponen secara kuantitatif.

Rajah 4: Plot Kotak Anjakan mengikut Lokasi Komponen pada PCB. Pelbagai kotak disusun merentasi susun atur PCB skematik, menunjukkan bahawa komponen yang diletakkan berhampiran tepi atau fiducial tertentu mempamerkan median anjakan dan varians yang berbeza berbanding dengan yang di tengah, menyokong penemuan "kedudukan direka".

6. Contoh Kerangka Analisis

Kajian Kes: Analisis Punca Akar untuk Penurunan Hasil dalam Pemasangan Kapasitor 0201.

Senario: Sebuah kilang memerhatikan peningkatan kecacatan tombstoning untuk kapasitor 0201 selepas pertukaran talian.

Aplikasi Kerangka Kertas Kerja Ini:

1. Pengumpulan Data: Segera kumpulkan data SPI (kedudukan pes, isipadu, ketinggian) dan data Pre-AOI (kedudukan komponen) untuk papan yang mengandungi kapasitor 0201. Tag data mengikut lokasi panel PCB.
2. EDA: Plot taburan anjakan komponen untuk bahagian 0201. Bandingkan purata anjakan sebelum dan selepas pertukaran. Adakah ia berbeza dengan ketara? (Gunakan ujian-t).
3. Kesan Utama: Kira korelasi antara anjakan dan setiap parameter SPI. Kertas kerja meramalkan sisihan kedudukan pes akan menjadi korelasi terkuat. Semak jika stensil atau persediaan pencetak baru meningkatkan sisihan ini.
4. Model Regresi: Bina model ringkas: Anjakan_0201 = f(Sisihan_X_Pes, Isipadu_Pes, Lokasi_Panel). Pekali untuk Sisihan_X_Pes akan mengukur impaknya. Jika tinggi, punca akar berkemungkinan proses percetakan, bukan kepala penempatan.
5. Tindakan: Daripada mengkalibrasi semula mesin P&P (langkah pertama biasa tetapi salah arah), tumpukan pada membetulkan penjajaran stensil atau tekanan squeegee untuk meningkatkan ketepatan pemendapan pes.

Pendekatan berstruktur dan berasaskan data ini menghalang penyelesaian masalah cuba-jaya yang mahal dan tidak berkesan.

7. Aplikasi & Hala Tuju Masa Depan

Penemuan ini membuka jalan untuk beberapa aplikasi lanjutan:

• Kawalan Proses Ramalan: Mengintegrasikan data SPI masa nyata dengan kawalan mesin P&P adaptif. Jika SPI mengukur sisihan pes, program P&P boleh secara automatik menggunakan sisihan pampasan pada koordinat penempatan komponen untuk mengatasi anjakan yang diramalkan.
• Pengoptimuman Berpandukan AI/ML: Model regresi adalah titik permulaan. Algoritma pembelajaran mesin (contohnya, Random Forests, Gradient Boosting) boleh dilatih pada set data yang lebih besar untuk memodelkan interaksi bukan linear antara faktor dan meramal anjakan dengan ketepatan lebih tinggi untuk komponen kompleks.
• Peraturan Reka Bentuk untuk Pembuatan (DFM): Pereka PCB boleh menggunakan pandangan tentang kerentanan jenis komponen dan kesan lokasi untuk mencipta susun atur yang lebih kukuh. Komponen kritikal boleh diletakkan di zon "anjakan rendah" papan.
• Bahan Lanjutan: Pembangunan pes pateri generasi seterusnya dengan tiksotropi lebih tinggi atau sifat reologi yang disesuaikan untuk lebih baik "mengunci" komponen di tempat sejurus selepas penempatan, mengurangkan tetingkap masa untuk anjakan.
• Pemiawaian: Kerja ini menyediakan asas empirikal untuk mentakrifkan metrik industri baru atau piawaian toleransi untuk "anjakan pra-reflow boleh diterima" untuk kelas komponen berbeza.

8. Rujukan

1. Pengarang. (Tahun). Tajuk kertas kerja dirujuk mengenai proses SMT. Nama Jurnal, Jilid(Issue), halaman. [Rujukan kepada sumber Rajah 1]
2. Lau, J. H. (Ed.). (2016). Fan-Out Wafer-Level Packaging. Springer. (Untuk konteks pembungkusan lanjutan dan cabaran ketepatan penempatan).
3. IPC-7525C. (2022). Garis Panduan Reka Bentuk Stensil. IPC. (Piawaian industri menekankan kepentingan kritikal percetakan stensil).
4. Isola, A. et al. (2017). Image-to-Image Translation with Conditional Adversarial Networks. CVPR. (Kertas kerja CycleGAN, dirujuk sebagai contoh model berasaskan data yang mempelajari pemetaan kompleks—analog dengan mempelajari pemetaan dari parameter proses kepada hasil anjakan).
5. SEMI.org. (2023). Advanced Packaging Roadmap. SEMI. (Peta jalan industri menekankan keperluan ketepatan penempatan peringkat mikron).

9. Perspektif Penganalisis Industri