SMT貼片製程中元件偏移之統計分析

1. 緒論

表面黏著技術（SMT）是將電子元件組裝到印刷電路板（PCB）上的主流方法。其中，將元件放置到濕潤錫膏上的貼片（P&P）製程至關重要。在此階段，一個細微但重要的現象是元件偏移——元件在迴焊前於黏稠錫膏上發生的非預期移動。

傳統上，這種偏移被認為微不足道，通常依賴後續迴焊製程的「自我對準」效應來修正微小的放置誤差。然而，隨著元件尺寸縮小至次毫米級，以及PCB的品質標準日益嚴苛（目標趨近於零缺陷率），理解並控制元件偏移已成為實現高良率製造的關鍵。

本文彌補了一個關鍵缺口：先前的研究缺乏對實際生產線數據的分析。作者利用來自先進SMT組裝線的數據，並運用統計方法，探討了兩個核心問題：1) 描述元件偏移的行為特徵，2) 識別並排序其影響因素。

2. 研究方法與數據收集

本研究的優勢在於其經驗基礎，超越了理論模型。

3. 結果與分析

4. 技術細節與公式

分析很可能基於基礎的統計模型。以下展示迴歸方法的簡化表示。元件偏移 $S$（一個二維向量或幅度）可以建模為多個因素的函數：

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

其中：

• $\beta_0$ 是截距。
• $X_1, X_2, ..., X_n$ 代表標準化後的因素（例如，$X_1$ = 錫膏X軸偏移量，$X_2$ = 錫膏體積，$X_3$ = 元件類型代碼）。
• $\beta_1, \beta_2, ..., \beta_n$ 是由迴歸確定的係數，表示每個因素的效應大小與方向。本研究的主效應分析本質上就是檢驗這些 $\beta$ 值。
• $\epsilon$ 是誤差項。

偏移幅度 $|S|$ 可以使用類似的線性或廣義線性模型進行分析，其中 $R^2$ 值表示所包含的因素能解釋多少偏移變異。

5. 實驗結果與圖表

基於論文內容的假想圖表描述：

圖2：元件偏移之主效應圖。 一個長條圖或折線圖，顯示當每個因素從低水平變動到高水平時，偏移幅度（例如，以微米為單位）的平均變化量。「錫膏X軸位置偏移」的長條會是最高的，直觀地確認其為最具影響力的因素。「元件類型」會顯示多個長條，每種元件類型一個，揭示哪些類型最容易發生偏移。

圖3：偏移量與錫膏對位誤差之散佈圖。 顯示強烈正相關的數據點雲。一條具有陡峭斜率 $\beta_1$ 的迴歸線將擬合數據，定量地連結錫膏放置誤差與元件偏移。

圖4：依PCB上元件位置之偏移箱形圖。 多個箱形圖排列在示意性的PCB佈局上，顯示放置在邊緣或特定基準點附近的元件，與放置在中央的元件相比，呈現出不同的中位數偏移與變異，這支持了「設計位置」的發現。

6. 分析框架範例

案例研究：0201電容組裝良率下降之根本原因分析。

情境： 一家工廠在生產線更換後，觀察到0201電容的墓碑效應缺陷增加。

應用本文框架：

1. 數據收集： 立即收集包含0201電容的電路板的SPI數據（錫膏位置、體積、高度）和Pre-AOI數據（元件位置）。按PCB面板位置標記數據。
2. 探索性資料分析： 繪製0201元件偏移的分佈圖。比較更換前後的偏移平均值。是否有顯著差異？（使用t檢定）。
3. 主效應分析： 計算偏移量與每個SPI參數之間的相關性。本文預測錫膏位置偏移將是最強的相關因素。檢查新的鋼板或印刷機設置是否增加了此偏移量。
4. 迴歸模型： 建立一個簡單模型：Shift_0201 = f(Paste_X_Offset, Paste_Volume, Panel_Location)。Paste_X_Offset的係數將量化其影響。如果係數值高，根本原因很可能是印刷製程，而非貼片頭。
5. 行動： 與其重新校準貼片機（常見但方向錯誤的第一步），不如專注於校正鋼板對位或刮刀壓力，以提高錫膏沉積精度。

這種結構化、數據驅動的方法避免了昂貴且無效的試錯式故障排除。

7. 未來應用與方向

本研究為多項先進應用鋪平了道路：

• 預測性製程控制： 將即時SPI數據與自適應貼片機控制整合。如果SPI測量到錫膏偏移，貼片機程式可以自動對元件放置座標應用補償偏移，以抵消預測的偏移。
• AI/ML驅動的最佳化： 迴歸模型是一個起點。機器學習演算法（例如隨機森林、梯度提升）可以在更大的數據集上進行訓練，以建模因素間的非線性交互作用，並為複雜元件更準確地預測偏移。
• 可製造性設計（DFM）規則： PCB設計師可以利用關於元件類型敏感性和位置效應的洞察，來創建更穩健的佈局。關鍵元件可以放置在電路板的「低偏移」區域。
• 先進材料： 開發具有更高觸變性或客製化流變特性的下一代錫膏，以便在元件放置後立即更好地「鎖定」元件，減少發生偏移的時間窗口。
• 標準化： 這項工作為定義新的產業指標或針對不同元件類別的「可接受迴焊前偏移」公差標準提供了經驗基礎。

8. 參考文獻

1. 作者. (年份). 引用的SMT製程論文標題. 期刊名稱, 卷號(期號), 頁碼. [圖1來源參考]
2. Lau, J. H. (Ed.). (2016). Fan-Out Wafer-Level Packaging. Springer. (關於先進封裝與放置精度挑戰的背景資料).
3. IPC-7525C. (2022). Stencil Design Guidelines. IPC. (強調鋼板印刷關鍵性的產業標準).
4. Isola, A. et al. (2017). Image-to-Image Translation with Conditional Adversarial Networks. CVPR. (CycleGAN論文，作為學習複雜映射的數據驅動模型範例被引用——類似於學習從製程參數到偏移結果的映射).
5. SEMI.org. (2023). Advanced Packaging Roadmap. SEMI. (強調微米級放置精度需求的產業路線圖).

9. 產業分析師觀點