smt表面黏著技術(shù)
壹、前言 表面粘著技術(shù) (Surface Mount Technology) 已漸漸地取代傳統(tǒng)『人工插件』的波焊作業(yè)方式，儼然成為現(xiàn)代電子組裝產(chǎn)業(yè)的主流， 因它可以組裝制造出相當(dāng)輕、薄、短、小且品質(zhì)良好的電子產(chǎn)品。據(jù)統(tǒng)計資料顯示大約 百分之九十的個人計算機，皆制造于表面粘著生產(chǎn)線，而非經(jīng)由傳統(tǒng)的波焊生產(chǎn)方法。 主要原因是由于現(xiàn)代的電子產(chǎn)品要求小型化、高密度化、及更高的電子訊號傳輸效率。 這也就是為什么表面粘著生產(chǎn)技術(shù)逐漸地取代傳統(tǒng)波焊生產(chǎn)技術(shù)的主要原因。 一、 基本表面粘著制程 表面粘著制程基本的生產(chǎn)制程可分為兩類： 1) 烘烤制程 (Curing) – 在過焊錫爐 (Wave soldering machine) 波焊之前，先以膠 (Adhesive)將零件固定，再經(jīng)過錫波的浸潤 (Wetting)后，即可形成零件與焊墊(Pads)之間的焊接點(Solder joints)。其流程如圖一右半部所示。 2) 回焊制程 (Reflowing) – 第一步在焊墊上網(wǎng)印上錫膏(Paste)，而后以自動機器于相對焊墊上放置零件， 再經(jīng)過回焊爐的高溫烘烤，即可將零件及焊墊之間形成焊點，除非零件面(Prim ary side)具有其它的傳統(tǒng)零件。則此制程無需再經(jīng)由波焊制程。如圖一左半部所示 。 [pic] 圖一、 表面粘著基本制程 二、表面粘著制程現(xiàn)況及制程問題 表面粘著組裝制程中涉入相當(dāng)復(fù)雜且廣泛的變量，如原材料、機械設(shè)備、參數(shù)設(shè)定、 生產(chǎn)程序等等(如圖二所示)， [pic] 圖二、 表面粘著制程變量因效分析圖 由圖二中得知，由于表面粘著制程中牽扯的變量極多，因此如何穩(wěn)定地、有效率地生產(chǎn) 高品質(zhì)的電子產(chǎn)品，已成為一般電子組裝業(yè)的一大課題與挑戰(zhàn)。根據(jù)統(tǒng)計資料顯示，在 表面粘著制程中，從事于制程的除錯及改善的時間約莫占全部制程故障時間的百分之七 十左右(如圖三所示)。因此如何降低機器故障率、減少焊性缺點、及穩(wěn)定制程仍是業(yè)界 的一大難題。也因此表面粘著制程的診斷及改善為本研究計劃主要的研究目標(biāo)。 [pic] 圖三、表面粘著制程故障時間分布 (資料來源：VeriFone Taiwan Ltd.) 然而一般領(lǐng)域研究者對表面粘著技術(shù)研究通常著重于單一制程的個別探討，并導(dǎo)出許 多的復(fù)雜公式，但這些公式通常有以下的缺點：（1) 無法將公式有效準(zhǔn)確地應(yīng)用于瞬息萬變實務(wù)上；（2) 未將完整表面粘著制程之交互作用納入考量；（3) 須有特殊的儀器方能量取公式中的各種參數(shù)；4) 難以啟發(fā)一般使用者于實務(wù)中從事品質(zhì)改善，除非要有進階課程的學(xué)習(xí)。再者，由于將 制程經(jīng)驗及知識加以轉(zhuǎn)換成適當(dāng)?shù)奈募c記錄是相當(dāng)困難的事，一般業(yè)者對于表面粘著 技術(shù)制程知識的獲取、經(jīng)驗傳承及教育訓(xùn)練，倍感困惑及無力感。尤其對如雨后春筍般 出現(xiàn)新的制程，如 FPT, BGA, CSP, FLIP CHIP 等更覺雪上加霜。深感知識獲得之不易及傳承上的難上加難。 為了解決以上的問題，本論文將以『模糊類神經(jīng)』(NeuroFuzzy) 技術(shù)建立一套嶄新的『表面粘著制程診斷系統(tǒng)』透過協(xié)助模式以幫助工程師及作業(yè)者實 時地解決一些制程及焊性缺點，以期提升產(chǎn)品品質(zhì)及提高制程穩(wěn)定性。此系統(tǒng)包含以下 要件 （1) 模糊類神經(jīng)模式 - FAMS；（2) 完整表面粘著制程的實驗結(jié)果；（3) 專有制程知識及（4) 實際生產(chǎn)中獲得的制程管制資料，用以發(fā)展與建構(gòu)此智能型診斷系統(tǒng)，并彌補傳統(tǒng)統(tǒng)計 制程管制之缺點，成為一套能協(xié)助表面粘著制程管理、品質(zhì)改善及輔助診斷的利器。此 系統(tǒng)將使用類神經(jīng)模糊的軟件 (fuzzyTECH) 及Visual Basic 進行特殊程序代碼撰寫以作適當(dāng)?shù)慕涌谘由?。發(fā)展完成的系統(tǒng)可提供 （1) 最佳化表面粘著制程參數(shù)； （2) 圖型化制程改善使用接口； (3) 制程訓(xùn)練的藍(lán)本；（4) 線上規(guī)則學(xué)習(xí)機制等。 除此之外，本診斷系統(tǒng)可藉由系統(tǒng)參數(shù)化之設(shè)計以仿真制程參數(shù)變化對錫膏印刷品質(zhì) 、回焊效果、及整個制程總合變化。且系統(tǒng)已經(jīng)實際于表面粘著生產(chǎn)線上試用，可達(dá)百 分之八十五的準(zhǔn)確度，因此本系統(tǒng)可在程度上應(yīng)用于其它廠牌之表面粘著機器及制程上 ，有效率地協(xié)助制程的改善及穩(wěn)定性，使業(yè)者更能改善其表面粘著的制程能力，進而增 加其品質(zhì)競爭力。 貳、研究背景 目前在表面粘著制程改善的相關(guān)研究上，大概可區(qū)分為三大類： 1. 一般表面粘著技術(shù)的研究，著重于以特殊數(shù)學(xué)方程式表示個別制程的生產(chǎn)狀態(tài)。 2. 某些制程改善的研究，強調(diào)運用傳統(tǒng)統(tǒng)計制程品管之概念，以改善表面粘著生產(chǎn)制 程。 3. 另外一些研究則運用專家系統(tǒng)與決策支持系統(tǒng)，提供制程問題改善的建議。 以下分別討論這三類研究的優(yōu)缺點： 1) 表面粘著生產(chǎn)技術(shù)在電子業(yè)界與學(xué)術(shù)界皆有不少研究，其中多數(shù)的研究試圖利用專 業(yè)實驗室的特殊儀器或復(fù)雜的方程式代表個別制程的生產(chǎn)狀態(tài)，但往往疏忽其制 程中各變量數(shù)間的交互作用，對實務(wù)上鮮少有正面重大的改善效果，只有在特殊 原材料或機器研發(fā)時才能明顯地見到此研究方法的效益。以錫膏印刷制程(Print ing)為例，有些研究著重于鋼版開孔(Stencil aperture)的設(shè)計、刮刀(Squeegee)材質(zhì)的選定、印刷速度、刮刀壓力、及間隙值 (Snap-off height)的控制。并以相關(guān)數(shù)學(xué)公式表示之，如Dr. Anderson (1994)所提出的錫膏印刷效應(yīng)[8]： [pic] [pic] [pic]: 刮刀剪力 [pic] : 錫膏粘度 [pic] : 刮刀角速度H : 刮刀距離 R : 刮刀半徑 T : 上刮刀扭力 之后，Haung (1996) 也提供類似的錫膏印刷公式[7]： [pic] [pic]是剪力；v 是刮刀速度；h 是鋼板厚度；D 鋼板開孔方式；η 是錫膏粘度 錫膏粘度與剪力倒數(shù)成正比： [pic] 由以上兩式，可得： [pic] 其缺點如下：因子分析之結(jié)論牽涉到特殊剪力的衡量與機器本身結(jié)構(gòu)效應(yīng)的評估 ，這些皆需要專業(yè)的器材量取或是機器本身能提供動態(tài)機構(gòu)的變化量，否則甚難 使用于實務(wù)中，有效地改善錫膏印刷的品質(zhì)。 2) 在業(yè)界使用的表面粘著制程控制中，傳統(tǒng)的統(tǒng)計制程品管(SPC)扮演著極重要的角色 。然而，SPC的主要缺點是只有當(dāng)制程出現(xiàn)異常時才警告操作員或工程師，但無法 提供相對應(yīng)的改善對策。例如Trutna and Aguayo (1992) 提出一套專為表面粘著制程的控制計劃[5]，其系統(tǒng)優(yōu)點為：1) 透過實驗計畫訂定錫膏印刷制程與零件取制的管制界限，2) 可提供快速的品質(zhì)信息，3) 制程超出管制界限時，適時地提出警告。但其具以下缺點：1) 需要工程師隨時更新管制規(guī)格及文件，2) 缺乏圖形化的管制界面，3) 并未研究所有制程的交互作用效應(yīng)，4) 缺乏進一步的改善建議以引導(dǎo)作業(yè)員來進行改善。 Steve Hall (1993) 亦利用實驗設(shè)計方式取得錫膏印刷制程管制的資料，主要是針對刮刀速度、刮刀 壓力, 刮刀脫離速度、錫膏顆粒尺寸、及基板尺寸進行管制[6]。其系統(tǒng)優(yōu)點如下：1) 對錫膏印刷制程提供許多良好的管制點，2) 利用制程能力指數(shù)來告知作業(yè)員目前的制程狀況， 3) 可連結(jié)錫膏印刷機，作動態(tài)的管制。 但其具缺點如下：1) 并未考慮其它可能造成焊性缺點的制程，2) 需要很龐大的金錢投資，如機器連結(jié)界面、影像檢查機、特殊的視覺系統(tǒng)等。3 ) 只適用于特定的印刷機中。 其它尚有類似的研究，如Anvari and Chow(1992)回焊爐溫度設(shè)計的技巧與建議[11]、Charles(1995)提出的表面粘著 細(xì)腳距(Fine-pitch)制程控制[15]、Ralph(1995) 提出一些各制程優(yōu)先檢驗的標(biāo)準(zhǔn)[14]。但此類研究通常具有以下缺點：1) 動態(tài)生產(chǎn)環(huán)境之下，難以設(shè)定制程管制的界限 2) 參數(shù)設(shè)定隨不同廠牌機器而變更，3) 無法提供有效的制程改善對策，4) 難以文件化，5) 難以有效率的計算機化制程管制。 3) 在業(yè)界使用的表面粘著制程診斷系統(tǒng)研究中，一般專注于錫膏印刷制程問題之研究 ，但并將零件擺置的偏移量、回焊的效應(yīng)列入考量，更遑論及反向的制程參數(shù)建 議。如Amir (1994)提出一套表面粘著診斷專家系統(tǒng)[3],其優(yōu)點如下：1) 當(dāng)統(tǒng)計制程管制的界限超出后，作業(yè)員依其錫膏印刷設(shè)定參數(shù)值，輸入此專家系 統(tǒng)中以得到系統(tǒng)之推薦值，2) 檢驗錫膏印刷設(shè)定的參數(shù)值，如刮刀壓力、刮刀角度、刮刀速度、真空板高度、 及清潔模式，3) 硬件除錯，如真空強度，過濾器、及幫浦等，4) 提供推論解釋的機制。另外Venkatswaran & Srihari (1995) 提出一套表面粘著制決策支持系統(tǒng)，提供錫膏印刷制程改善的建議[4]。其研究范 疇如下：1) 錫膏印刷機除錯建議，2) 錫膏特性仿真，3) 基板(substrate)特性的考量，4) 鋼板設(shè)計，5) 工作環(huán)境影響。 雖此二系統(tǒng)提供相當(dāng)優(yōu)異的表面粘著制程診斷系統(tǒng)，但它們皆遺漏了回焊制程中 回焊參數(shù)的重要效應(yīng)與因子間交互作用之考量，其診斷系統(tǒng)只可局部地適用于前 半段的表面粘著制程改善上。由于實務(wù)上的表面粘著制程牽扯因素甚廣，除原材 料外，工作環(huán)境的變化、機器的變動性、人員操作傾向等皆會影響焊性品質(zhì)及電 子零件組裝后的可靠度。因此，僅靠單一制程研究或傳統(tǒng)的統(tǒng)計制程管制并不能 達(dá)到預(yù)期的改善效果，唯有考量各制程之重要因子，并以整體制程探討方能得到 診斷問題的解決對策。 參、研究目的 綜合先前的相關(guān)文獻(xiàn)后得知，目前有關(guān)表面粘著制程改善方面的研究，其主要的缺失 整理如下： 1) 使用數(shù)學(xué)公式以改善制程方面的研究，通常需具有特殊的儀器與設(shè)備方能求得公式 中所使用的參數(shù)值，同時也未考慮各制程因子間的交互作用，因此在實務(wù)應(yīng)用上 非常困難。 2) 傳統(tǒng)統(tǒng)計制程品管的研究，無法適時提供制程改善的建議，并且在動態(tài)的生產(chǎn)環(huán)境 下，難以設(shè)定制程管制的界限。除此，也并提供必要的矯正建議。 3) 至于使用專家系統(tǒng)或決策支持系統(tǒng)方面的研究，并無考慮回焊制程參數(shù)與制程因子 間的交互作用，因此只可能作用于前半段制程。 針對上述研究缺失，本研究將發(fā)展一智能型表面粘著制程診斷系統(tǒng)，主要是結(jié)合實驗設(shè) 計、模糊集群分析法與模糊類神經(jīng)網(wǎng)絡(luò)模式，提供制程管理者機器設(shè)定參數(shù)與制程診斷 與改善的建議。此系統(tǒng)將全面地考量整個生產(chǎn)制程，而不只著重于單一制程分析。除此 ，本系統(tǒng)能有效地考慮各制程因子間的交互效應(yīng)。本研究有下列五項主要目標(biāo)： 1) 發(fā)展一完整的表面粘著制程診斷決策支持系統(tǒng)。 2) 建立以圖形界面的表面粘著診斷系統(tǒng)，以取代傳統(tǒng)的統(tǒng)計品管制程控制的方法，并 考慮到變量間的交互效應(yīng)，以利生產(chǎn)品質(zhì)的提高與穩(wěn)定。 3) 利用現(xiàn)有統(tǒng)計品管制程控制的資料，運用模糊集群分析法與實驗設(shè)計的方式，將原 始資料轉(zhuǎn)變成適當(dāng)?shù)闹瞥虆?shù)。 4) 利用模糊類神經(jīng)網(wǎng)絡(luò)模式建立一套表面粘著制程診斷系統(tǒng)，提供機器設(shè)定參數(shù)與制 程診斷與改善的建議。 5) 深入了解表面粘著制程中可控制因子的交互作用現(xiàn)象。 肆、研究方法 本論文采用Kosko (1992)所建立的FAMs (Fuzzy Associative Memories)模糊類神經(jīng)網(wǎng)絡(luò)模式作為建立診斷規(guī)則之工具[20]。FAM的主要原理是運用模 糊系統(tǒng)的映像原理(如圖四所示)，此網(wǎng)絡(luò)基本上是一個模糊化的二元異聯(lián)想神經(jīng)網(wǎng)絡(luò). 其中最簡單的 FAM網(wǎng)絡(luò)就是一個關(guān)聯(lián)組 [pic]。然而通常一個FAM系統(tǒng)中包含許多的模糊關(guān)聯(lián)組 [pic]，而這些關(guān)聯(lián)組即整合成一個規(guī)則矩陣 (Rule Matrix)。 [pic] 圖四、 模糊映像 (Kosko, 1992) 以隸屬向量來表示 A 和 B，則[pic] 和 [pic]，若欲轉(zhuǎn)換成模糊關(guān)聯(lián)，可將 [pic] 嵌入數(shù)值化的 FAM 矩陣內(nèi)，然后使用以下的模糊化 Hebbian 學(xué)習(xí)方法訓(xùn)練之: [pic] 其隸屬向量可做為FAM 規(guī)則庫[pic]的輸入層。至于回想向量輸出(recalled membership-vector output) B則為所有的[pic]之總合: [pic] FAM模糊類神經(jīng)網(wǎng)絡(luò)模式之系統(tǒng)架構(gòu)如圖五所示，下列文字?jǐn)⑹銎涓鲃e作用： [pic] 圖五、 FAM 網(wǎng)絡(luò)之系統(tǒng)架構(gòu) 1 FAMs If-Then 規(guī)則推論 FAMs 模式將語化的輸入經(jīng)由推論過程而轉(zhuǎn)換為真確值輸出(crisp output), 如圖六所示。 [pic] 圖、六 Fuzzification, Inference, and Defuzzification 其計算推理過程機制里，含有以下的兩個組件： o 集成(Aggregation): 計算規(guī)則之前提部 “IF” o 合成(Composition): 計算規(guī)則之結(jié)論部 “THEN” 集成(Aggregation) 在模糊系統(tǒng)里常應(yīng)用以下三個的邏輯推論式： [pic] 合成(Composition) 每一條規(guī)則之前提部皆有適當(dāng)?shù)亩x以觸發(fā)結(jié)論部，并賦予一個觸發(fā)程度值 (Degree)以適當(dāng)?shù)拿枋霈F(xiàn)有的狀態(tài)。適切地合成前提部的觸發(fā)程度值(Degree of Support )為仿...
smt表面黏著技術(shù)