SMT Yüzey Montaj Sürecinde Bileşen Kaymasının İstatistiksel Analizi

1. Giriş

Yüzey Montaj Teknolojisi (SMT), elektronik bileşenlerin baskılı devre kartlarına (PCB) montajında baskın yöntemdir. Bileşenlerin ıslak lehim pastası üzerine yerleştirildiği pick-and-place (P&P) süreci kritik öneme sahiptir. Bu aşamadaki ince ama önemli bir fenomen, yeniden akış lehimleme öncesinde bir bileşenin viskoz lehim pastası üzerinde istenmeyen hareketi olan bileşen kaymasıdır.

Geleneksel olarak bu kayma ihmal edilebilir kabul edilmiş, genellikle küçük yerleştirme hatalarını düzeltmek için sonraki yeniden akış sürecinin "kendi kendine hizalama" etkisine güvenilmiştir. Ancak, bileşen boyutları milimetre altı ölçeklere küçüldükçe ve PCB'ler için kalite standartları daha katı hale geldikçe (sıfıra yakın hata oranları hedeflenerek), bileşen kaymasını anlamak ve kontrol etmek yüksek verimli üretim için çok önemli hale gelmiştir.

Bu makale kritik bir boşluğu ele almaktadır: önceki çalışmalar gerçek üretim hattı verilerinin analizinden yoksundu. Yazarlar, son teknoloji bir SMT montaj hattından alınan veriler üzerinde istatistiksel yöntemler kullanarak iki temel konuyu araştırmaktadır: 1) bileşen kaymasının davranışını karakterize etmek ve 2) buna katkıda bulunan faktörleri belirlemek ve sıralamak.

2. Metodoloji & Veri Toplama

Çalışmanın gücü, teorik modellerin ötesine geçen ampirik temelinde yatmaktadır.

3. Sonuçlar & Analiz

4. Teknik Detaylar & Formüller

Analiz muhtemelen temel istatistiksel modellere dayanmaktadır. Regresyon yaklaşımının basitleştirilmiş bir temsili gösterilebilir. Bileşen kayması $S$ (2 boyutlu bir vektör veya büyüklük), birden fazla faktörün bir fonksiyonu olarak modellenebilir:

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

Burada:

• $\beta_0$ kesişim noktasıdır.
• $X_1, X_2, ..., X_n$ normalize edilmiş faktörleri temsil eder (örn., $X_1$ = Pastanın X-ofseti, $X_2$ = Lehim Pastası Hacmi, $X_3$ = Bileşen Tipi kodu).
• $\beta_1, \beta_2, ..., \beta_n$ regresyonla belirlenen, her bir faktörün etki büyüklüğünü ve yönünü gösteren katsayılardır. Çalışmanın ana etkiler analizi esasen bu $\beta$ değerlerini inceler.
• $\epsilon$ hata terimidir.

Kayma büyüklüğü $|S|$, $R^2$ değerinin kaymadaki varyansın ne kadarının dahil edilen faktörlerle açıklandığını gösterdiği benzer doğrusal veya genelleştirilmiş doğrusal modeller kullanılarak analiz edilebilir.

5. Deneysel Sonuçlar & Grafikler

Makale Bağlamına Dayalı Varsayımsal Grafik Açıklaması:

Şekil 2: Bileşen Kayması için Ana Etkiler Grafiği. Her faktör düşük seviyesinden yüksek seviyesine hareket ettikçe kayma büyüklüğündeki ortalama değişimi (örn., mikrometre cinsinden) gösteren bir çubuk grafik veya çizgi grafik. "Pastanın X-Konum Ofseti" çubuğu en uzun olacak ve bunu en etkili faktör olarak görsel olarak doğrulayacaktır. "Bileşen Tipi", altı tipin her biri için bir tane olmak üzere birkaç çubuk gösterecek ve hangilerinin kaymaya daha yatkın olduğunu ortaya çıkaracaktır.

Şekil 3: Kayma vs. Pastanın Yanlış Kaydı Dağılım Grafiği. Güçlü bir pozitif korelasyon gösteren bir veri noktaları bulutu. Dik bir eğime sahip bir regresyon çizgisi $\beta_1$ verilere uydurulacak ve lehim pastası yerleştirme hatasını bileşen kaymasına niceliksel olarak bağlayacaktır.

Şekil 4: PCB Üzerindeki Bileşen Konumuna Göre Kayma Kutu Grafiği. Şematik bir PCB düzeni üzerinde düzenlenmiş birden fazla kutu, kenarlara veya belirli fidüsiyellere yakın yerleştirilen bileşenlerin merkezdekilerle karşılaştırıldığında farklı medyan kaymalar ve varyanslar sergilediğini göstererek "tasarlanmış konum" bulgusunu desteklemektedir.

6. Analiz Çerçevesi Örneği

Vaka Çalışması: 0201 Kapasitör Montajında Verim Düşüşü için Kök Neden Analizi.

Senaryo: Bir fabrika, hat değişiminden sonra 0201 kapasitörler için tombstoning hatalarında bir artış gözlemler.

Bu Makalenin Çerçevesinin Uygulanması:

1. Veri Toplama: 0201 kapasitör içeren kartlar için hemen SPI verilerini (lehim pastası konumu, hacmi, yüksekliği) ve Pre-AOI verilerini (bileşen konumu) toplayın. Verileri PCB panel konumuna göre etiketleyin.
2. EDA: 0201 parçaları için bileşen kaymasının dağılımını çizin. Değişim öncesi ve sonrası ortalama kaymayı karşılaştırın. Anlamlı bir fark var mı? (t-testi kullanın).
3. Ana Etkiler: Kayma ile her bir SPI parametresi arasındaki korelasyonu hesaplayın. Makale, lehim pastası konum ofsetinin en güçlü korelasyon olacağını öngörmektedir. Yeni şablon veya yazıcı kurulumunun bu ofseti artırıp artırmadığını kontrol edin.
4. Regresyon Modeli: Basit bir model oluşturun: Kayma_0201 = f(Pastanın_X_Ofseti, Pastanın_Hacmi, Panel_Konumu). Pastanın_X_Ofseti için katsayı, etkisini nicelleştirecektir. Eğer yüksekse, kök neden büyük olasılıkla baskı sürecidir, yerleştirme kafası değil.
5. Aksiyon: P&P makinesini yeniden kalibre etmek (yaygın ancak yanlış yönlendirilmiş bir ilk adım) yerine, lehim pastası biriktirme doğruluğunu iyileştirmek için şablon hizalamasını veya sıyırıcı basıncını düzeltmeye odaklanın.

Bu yapılandırılmış, veriye dayalı yaklaşım, maliyetli ve etkisiz deneme-yanılma sorun gidermeyi önler.

7. Gelecek Uygulamalar & Yönelimler

Bulgular, birkaç ileri uygulamanın önünü açmaktadır:

• Tahmine Dayalı Süreç Kontrolü: Gerçek zamanlı SPI verilerini uyarlanabilir P&P makine kontrolü ile entegre etmek. Eğer SPI bir lehim pastası ofseti ölçerse, P&P programı tahmin edilen kaymayı dengelemek için bileşen yerleştirme koordinatlarına otomatik olarak telafi edici bir ofset uygulayabilir.
• Yapay Zeka/ML Destekli Optimizasyon: Regresyon modelleri bir başlangıç noktasıdır. Makine öğrenimi algoritmaları (örn., Rastgele Ormanlar, Gradient Boosting) faktörler arasındaki doğrusal olmayan etkileşimleri modellemek ve karmaşık bileşenler için kaymayı daha yüksek doğrulukla tahmin etmek üzere daha büyük veri setleri üzerinde eğitilebilir.
• Üretime Uygun Tasarım (DFM) Kuralları: PCB tasarımcıları, bileşen tipi duyarlılığı ve konum etkileri hakkındaki içgörüleri daha sağlam düzenler oluşturmak için kullanabilir. Kritik bileşenler kartın "düşük kayma" bölgelerine yerleştirilebilir.
• İleri Malzemeler: Yüksek tiksotropiye veya özel reolojik özelliklere sahip, bileşenleri yerleştirme sonrası hemen daha iyi "kilitleyerek" kayma için zaman penceresini azaltan yeni nesil lehim pastalarının geliştirilmesi.
• Standardizasyon: Bu çalışma, farklı bileşen sınıfları için "kabul edilebilir yeniden akış öncesi kayma" için yeni endüstri metrikleri veya tolerans standartları tanımlamak üzere ampirik bir temel sağlar.

8. Referanslar

1. Yazar(lar). (Yıl). SMT süreçleri üzerine atıf yapılan makalenin başlığı. Dergi Adı, Cilt(Sayı), sayfalar. [Şekil 1 kaynağına referans]
2. Lau, J. H. (Ed.). (2016). Fan-Out Wafer-Level Packaging. Springer. (İleri paketleme ve yerleştirme doğruluğu zorlukları için bağlam).
3. IPC-7525C. (2022). Şablon Tasarım Kılavuzları. IPC. (Şablon baskınının kritikliğini vurgulayan endüstri standardı).
4. Isola, A. ve diğerleri. (2017). Image-to-Image Translation with Conditional Adversarial Networks. CVPR. (CycleGAN makalesi, karmaşık eşlemeleri öğrenen veriye dayalı bir model örneği olarak atıfta bulunulmuştur—süreç parametrelerinden kayma sonuçlarına eşleme öğrenmeye benzer).
5. SEMI.org. (2023). Advanced Packaging Roadmap. SEMI. (Mikron seviyesi yerleştirme doğruluğu ihtiyacını vurgulayan endüstri yol haritası).

9. Sektör Analisti Perspektifi