焊锡制程参数建议方法技术

一种焊锡制程参数建议方法包含：建立一材料元件数据库；建立一作业参数数据库；分析新焊锡制程所需的材料与元件特性，并与材料元件数据库内的信息作相似性比对；于作业信息数据库中选择对应最相似于新焊锡制程所需的材料与元件特性的作业参数；使用对应最相似于新焊锡制程所需的材料与元件特性的作业参数执行焊锡制程；量测并纪录焊锡制程的焊锡过程信息与最终成品信息；检测该焊锡制程的最终成品是否符合品管要求；当最终成品不符合品管要求时，使用机器学习方法针对焊锡制程的焊锡过程信息与最终成品信息进行拟合以获得下次焊锡制程的作业参数。

Recommended process parameters of solder

【技术实现步骤摘要】
焊锡制程参数建议方法
本专利技术涉及一种焊锡制程参数建议方法，特别涉及一种使用机器学习方法的焊锡制程参数建议方法。
技术介绍
焊锡参数的取得在焊锡作业流程中极为重要，同时须考虑产品良率、生产稳定、生产效率、生产能耗…等。如何快速找到新产品的作业参数、调整修改品的作业参数，如何在上线生产运行后持续优化焊锡参数，一直以来都需仰赖深富焊锡经验的专家师傅们指导，同时花相当多的时间进行反复测试验证，不仅耗费人力、耗费成本、更无法确定为得到最佳参数所需花费的时间，也限制了产线自动化及灵活生产的发展。焊点作业与复杂参数条件习习相关，导致每个焊点的最佳生成条件均不同。在现有的制程方式中，为寻找其焊锡参数往往使用尝试错误法，经由多次测试累积，而决定参数，但又往往受限于整体批量决定参数，而造成花费大量时间测试参数又无法实现最佳品质于生产中。
技术实现思路
本专利技术提出一种焊锡制程参数建议方法，解决现有技术的问题。于本专利技术的一实施例中，一种焊锡制程参数建议方法包含以下步骤。收集焊锡制程相关的材料与元件特性以建立一材料元件数据库；收集对应材料元件数据库内的材料或元件的作业信息以建立一作业参数数据库；分析一新焊锡制程所需的材料与元件特性，并与材料元件数据库内的信息作相似性比对；于作业参数数据库中选择对应最相似于新焊锡制程所需的材料与元件特性的作业参数；使用对应最相似于新焊锡制程所需的材料与元件特性的作业参数执行焊锡制程；量测并纪录焊锡制程的焊锡过程信息与最终成品信息；检测焊锡制程的最终成品是否符合品管要求；以及当最终成品不符合品管要求时，使用机器学习方法针对该焊锡制程的焊锡过程信息与最终成品信息进行拟合以获得下次焊锡制程的作业参数。于本专利技术的一实施例中，当最终成品符合品管要求时，接受焊锡制程的焊锡过程信息所包含的作业参数作为最佳作业参数。于本专利技术的一实施例中，当最终成品不符合品管要求时，不断地使用机器学习模型针对焊锡制程的焊锡过程信息与最终成品信息进行拟合以获得下次焊锡制程的作业参数，直到最终成品符合品管要求，并接受焊锡制程的焊锡过程信息所包含的作业参数作为最佳作业参数。于本专利技术的一实施例中，材料元件数据库至少包含焊锡制程相关材料与元件的热学特性、光学特性以及结构尺寸信息。于本专利技术的一实施例中，作业参数数据库至少包含温度参数、激光光点参数以及加热时间参数。于本专利技术的一实施例中，焊锡过程信息至少包含焊锡温度曲线、进锡动态过程影像以及焊锡动态过程影像。于本专利技术的一实施例中，机器学习方法还包含使用决策树法则(DecisionTreeAlgorithm)、支持向量机(SupportVectorMachine)、人工神经网络(ArtificialNeuralNetwork)、贝叶斯分类(BayesianAlgorithms)或其任意组合进行降维演算分析(DimensionalityReductionAlgorithms)。于本专利技术的一实施例中，机器学习方法还包含使用距离分群(distance-basedclustering)与密度分群(density-basedclustering)至少其中之一或其结合的方法进行结构分群。距离分群包含例如是K-均值(K-means)、阶层式分群法(Hierarchicalclustering)、高斯混合模型(GMM)等。密度分群包含例如是以密度为基础的聚类演算法(Density-BasedSpatialClusteringofApplicationswithNoise)、层级树分群(LevelSetTreeclustering)演算法等。于本专利技术的一实施例中，机器学习方法还包含使用回归演算法(regression)与分类演算法(classification)至少其中之一或其结合的方法来建立条件几率演算核心。回归演算法包含例如是广义线性回归、支持向量机(supportvectormachine)、决策树(decisiontree)、随机森林(randomforest)、梯度增强机(gradientboostingmachine)、类神经网络(neuralnetwork)等。分类演算法包含例如是广义线性回归、支持向量机(supportvectormachine)、决策树(decisiontree)、随机森林(randomforest)、梯度增强机(gradientboostingmachine)、类神经网络(neuralnetwork)等。综上所述，本专利技术的焊锡制程参数建议方法能适用于数据系统完备或不完备的生产线以及大量少样或少量多样的生产线态样，使各种生产线均能迈向效能增进的自动化生产。以下将以实施方式对上述的说明作详细的描述，并对本专利技术的技术方案提供更进一步的解释。附图说明为让本专利技术的上述和其他目的、特征、优点与实施例能更明显易懂，附图的说明如下：图1是绘示依照本专利技术一实施例的一种焊锡制程参数建议方法；以及图2、3是绘示依照本专利技术另一实施例的一种焊锡制程参数建议方法。附图标记说明：为让本专利技术的上述和其他目的、特征、优点与实施例能更明显易懂，所附符号的说明如下：102：步骤104：步骤104a：步骤104b：步骤106：步骤106a：步骤108：步骤108a：步骤110：步骤110a：步骤112：步骤112a：步骤112b：步骤114：步骤116：步骤118：步骤具体实施方式为了使本专利技术的叙述更加详尽与完备，可参照所附的附图及以下所述各种实施例，附图中相同的号码代表相同或相似的元件。另一方面，众所周知的元件与步骤并未描述于实施例中，以避免对本专利技术造成不必要的限制。本专利技术提出一种智能化焊锡制程参数建议方法，以机器学习方法针对焊点背景参数，包含印刷电路板材料特性、线路设计、元件特性、锡材特性、供锡条件、焊点动态生成温度、加温方式及参数、机器视觉影像…等进行分析，以获得最佳建议作业参数，达到有效减少为取得作业参数的试验次数，进而实现焊锡自动化。请参照图1，是绘示依照本专利技术一实施例的一种焊锡制程参数建议方法。此方法的步骤102是收集能作为机器学习的焊锡制程相关特征信息。在步骤104中，将步骤102收集的焊锡制程相关特征信息分成适当的种类以利建立数据库并执行机器学习。在本案的实施例中，可将步骤102收集的焊锡制程相关特征信息分成四大类。第一类为焊锡制程相关材料与元件特性，例如印刷电路板、焊盘、锡材的热学特性(比热、热传导等)、光学特性(反射率等)以及电子元件的接脚三维空间分布，用以建立一材料元件数据库。第二类为焊锡作业信息，例如参考温度设定、激光光点大小与功率、加热时间等，用以建立一作业参数数据库。作业参数数据库内的作业参数应与材料元件数据库内的材料与元件特性存在对应关系。第三类为焊锡过程执行信息，例如焊锡温度曲线、进锡动态过本文档来自技高网...

【技术保护点】
1.一种焊锡制程参数建议方法，包含：/n收集焊锡制程相关的材料与元件特性以建立一材料元件数据库；/n收集对应该材料元件数据库内的该材料或该元件的作业信息以建立一作业参数数据库；/n分析一新焊锡制程所需的材料与元件特性，并与该材料元件数据库内的信息作相似性比对；/n于该作业参数数据库中选择对应最相似于该新焊锡制程所需的材料与元件特性的作业参数；/n使用对应最相似于该新焊锡制程所需的材料与元件特性的作业参数执行焊锡制程；/n量测并纪录该焊锡制程的焊锡过程信息与最终成品信息；/n检测该焊锡制程的最终成品是否符合品管要求；以及/n当该最终成品不符合品管要求时，使用机器学习方法针对该焊锡制程的焊锡过程信息与最终成品信息进行拟合以获得下次焊锡制程的作业参数。/n

【技术特征摘要】
1.一种焊锡制程参数建议方法，包含：
收集焊锡制程相关的材料与元件特性以建立一材料元件数据库；
收集对应该材料元件数据库内的该材料或该元件的作业信息以建立一作业参数数据库；
分析一新焊锡制程所需的材料与元件特性，并与该材料元件数据库内的信息作相似性比对；
于该作业参数数据库中选择对应最相似于该新焊锡制程所需的材料与元件特性的作业参数；
使用对应最相似于该新焊锡制程所需的材料与元件特性的作业参数执行焊锡制程；
量测并纪录该焊锡制程的焊锡过程信息与最终成品信息；
检测该焊锡制程的最终成品是否符合品管要求；以及
当该最终成品不符合品管要求时，使用机器学习方法针对该焊锡制程的焊锡过程信息与最终成品信息进行拟合以获得下次焊锡制程的作业参数。


2.如权利要求1所述的方法，还包含：
当该最终成品符合品管要求时，接受该焊锡制程的焊锡过程信息所包含的作业参数作为最佳作业参数。


3.如权利要求1所述的方法，还包含：
当该最终成品不符合品管要求时，不断地使用机器学习模型针对该焊锡制程的焊锡过程信息与最终成品信息进行拟合以获得下次焊锡制程的作业参数，直到该最终成品符合品管要求。


4.如权利要求3所述的方法，还包含：
当该最终成品符合品管要求时，接受该焊锡制程的焊锡过程信息所包含的作业参数作为最佳作业参数。


5.如权利要求1所述的方法，其中该材料元件数据库至少包含焊锡制程相关材料与元件的热学特性、光学特性...

【专利技术属性】
技术研发人员：吴澍涵，陈鸿文，丁仁峰，沈宜郡，苏育正，
申请(专利权)人：台达电子工业股份有限公司，
类型：发明
国别省市：中国台湾;71