基于数字孪生的SMT产线质量分析平台制造技术

本发明专利技术公开的一种基于数字孪生的SMT产线分析平台，结果准确、过程可视。通过下述技术方案实现：SMT产线物理空间与SMT产线虚拟空间之间通过数据总线实现信息与数据的传输，数据层依据数据种类将数据分为的设计类、工艺类、质量类和调测类数据虚实映射到孪生层，孪生层以各孪生体之间的功能关系对各数字孪生体进行组织和耦合；分析层以孪生体驱动质量预测算法和质量追溯算法，对产线印刷和焊接的质量进行追溯与质量预测，系统层基于SMT产线数字孪生库、深度学习算法库和模型库中的质量预测模型及质量追溯模型进行可视化设计，通过工业预测和质量追溯APP，在三维空间上实时可视化展示产线的质量，并在产品生产过程中进行质量预警。警。警。

【技术实现步骤摘要】
基于数字孪生的SMT产线质量分析平台


[0001]本专利技术涉及一种基于数字孪生的表面贴装技术SMT(Surface Mount Technology,SMT)产线质量分析平台，可通过APP的方式实现SMT产线的质量预测与追溯。

技术介绍

[0002]表面贴装技术(Surface Mount Technology,SMT)是电子制造业的关键技术,贴装设备的工艺对整个SMT的生产质量起着至关重要的作用。随着电子信息产业的迅速发展，SMT技术已经成为电子组装技术中不可或缺的一部分。SMT技术是指将表面贴装的电子组件，直接焊接于印刷电路底版的表面上，与传统插装工艺不同,SMT工艺的元件及焊点均在同一表面上。并具有微型化、大规模化、自动化的优点。
[0003]SMT生产线是电子制造典型产线，作为电子产品制造业基础的PCB组装(以下简称PCBA)，包括市场上的电子产品(如手机、电脑等终端产品等)的生产制造，都离不开SMT产线。目前大多数SMT生产线仅初步实现了自动化，在质量控制上的智能化水平还比较低，由于SMT产线流程较长，各工艺流程质量影响因素众多，各流程质量直接相关，且组装质量难以量化评价。
[0004]在实际应用过程中，SMT产线的质量管理还比较粗放，一旦出现质量问题，难以准确分析质量问题产生的原因，也难以有针对性地采取解决措施，而只能依赖人员的经验进行分析处理，质量问题的处理周期长，影响了产品的正常交付。另一方面，管理过程中多数还是采用事后控制的方式，难以在质量问题发生前对质量问题进行事前控制和精准预测，对产品质量的提升效果非常有限。
[0005]数字孪生的概念最初由Grieves教授于2003在美国密歇根大学的产品全生命周期管理课程上提出，并被定义为三维模型，包括实体产品、虚拟产品以及二者间的连接，但由于当时技术和认知上的局限，数字孪生的概念并没有得到重视。直到2011年，美国空军研究实验室和NASA合作提出了构建未来飞行器的数字孪生体，并定义数字孪生为一种面向飞行器或系统的高度集成的多物理场、多尺度、多概率的仿真模型，能够利用物理模型、传感器数据和历史数据等反映与该模型对应的实体的功能、实时状态及演变趋势等，随后数字孪生才真正引起关注，一些学者在NASA提出概念的基础上进行了补充和完善，例如Gabor等提出数字孪生还应包含专家知识以实现精准模拟，Rios等认为数字孪生不仅面向飞行器等复杂产品，还应面向更加广泛通用的产品。数字孪生最先应用于工业领域，尤其是大型装备制造业，通过搭建整合制造流程的数字孪生生产系统，实现从产品设计、生产计划到制造执行的全过程数字化。

技术实现思路

[0006]本专利技术的目的是针对现有技术存在的不足之处，本专利技术提供一种结果准确、过程可视，可实现SMT产线的质量预测与追溯的基于数字孪生的SMT产线质量分析平台。
[0007]为实现上述目的，本专利技术提供一种基于数字孪生的SMT产线分析平台，包括：由印
刷机、锡膏厚度检测设备、贴片机、回流焊炉、AOI光学检测设备和板级性能测试设备构成的SMT产线物理空间，由数据层、孪生层、分析层和系统层组成的SMT产线虚拟空间，其特征在于：SMT产线物理空间与SMT产线虚拟空间之间通过数据总线实现信息与数据的传输，数据层依据数据种类将数据分为设计类数据、工艺类数据、质量类数据和调测类数据并将数据映射到孪生层，孪生层以设计、工艺、质量、调测这些不同孪生体之间的功能关系对各数字孪生体进行组织和耦合，驱动分析层实现不同孪生体与各类数据之间的信息绑定；分析层以基于相互支撑的深度学习算法库/模型库为基础，以孪生体驱动质量预测算法和质量追溯算法，对产线印刷和焊接质量进行追溯与质量预测，将预测结果送入系统层，系统层基于SMT产线数字孪生库、深度学习算法库和模型库中的质量预测模型及质量追溯模型进行可视化设计，通过工业预测APP和质量追溯APP，在三维空间上实时可视化展示产线的质量情况，并在产品生产过程中进行质量预警。
[0008]本专利技术相比于现有技术具有如下有益效果：结果准确。本专利技术采用SMT产线物理空间与虚拟空间，通过SMT实际产线中各类数据的信息与孪生模型的融合，在虚拟空间提前进行质量分析，揭示质量影响因素与质量特性的关系，实现异常形式识别，提高异常模式识别的精度与效率，保证产品生产的过程能力，为质量的改进找出方向并及时的识别各生产过程中的质量异常问题，缩短加工缺陷诊断和补救时间、改善产品质量以及为生产过程质量改善提供参考依据，从而提高SMT产线的一次交验合格率、降低质量损失率。
[0009]过程直观。本专利技术采用SMT产线物理空间与SMT产线虚拟空间之间通过数据总线实现信息与数据的传输，数据层依据数据种类将数据分为的设计类数据、工艺类数据、质量类数据和调测类数据虚实映射到孪生层，孪生层以各孪生体之间的功能关系对各数字孪生体进行组织和耦合，驱动分析层实现不同孪生体与各类数据之间的信息绑定；利用三维虚拟空间中的数字孪生体实时可视化展现SMT产线的质量情况，实现了数字孪生体驱动的产线质量预测与管控，在虚拟空间中实现产品及产线质量问题的提前判别，进而预知可能发生的缺陷，指导物理空间产线及产品质量预测水平的提升。
附图说明
[0010]图1是本专利技术所述的基于数字孪生的SMT产线质量分析平台的组成示意图。
[0011]以下结合附图和实施例对本专利技术作进一步详细说明,但并不因此将本专利技术限制在所述的实施例范围之中。
具体实施方式
[0012]参阅图1。在以下描述的优选实施例中，一种基于数字孪生的SMT产线分析平台，包括：由印刷机、锡膏厚度检测设备、贴片机、回流焊炉、AOI光学检测设备和板级性能测试设备构成的SMT产线物理空间，由数据层、孪生层、分析层和系统层组成的SMT产线虚拟空间，其特征在于：SMT产线物理空间与SMT产线虚拟空间之间通过数据总线实现信息与数据的传输，数据层依据数据种类将数据分为设计类数据、工艺类数据、质量类数据和调测类数据并将数据映射到孪生层，孪生层以设计、工艺、质量、调测等，不同孪生体之间的功能关系对各数字孪生体进行组织和耦合，驱动分析层实现不同孪生体与各类数据之间的信息绑定；分
析层以基于相互支撑的深度学习算法库/模型库为基础，以孪生体驱动质量预测算法和质量追溯算法，对产线印刷和焊接质量进行追溯与质量预测，将预测结果送入系统层，系统层基于SMT产线数字孪生库、深度学习算法库和模型库中的质量预测模型及质量追溯模型进行可视化设计，通过工业预测APP和质量追溯APP，在三维空间上实时可视化展示产线的质量情况，并在产品生产过程中进行质量预警。
[0013]虚拟空间中的数据层包括：物理空间中的设备数据、使用规范等。
[0014]虚拟空间中的孪生层包括：互为耦合的设计数字孪生体、工艺数字孪生体、质量孪生体和调测孪生体等几个部分，各孪生体之间通过功能关系进行耦合与信息绑定。
[0015]在可选的实施例中，SMT产线物理空间利用数据总线实现SMT产线中印刷机、锡膏厚度检测设备、贴片本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的SMT产线分析平台，包括：由印刷机、锡膏厚度检测设备、贴片机、回流焊炉、AOI光学检测设备和板级性能测试设备构成的表面贴装技术SMT产线物理空间，由数据层、孪生层、分析层和系统层组成的SMT产线虚拟空间，其特征在于：SMT产线物理空间与SMT产线虚拟空间之间通过数据总线实现信息与数据的传输，数据层依据数据种类将数据分为设计类数据、工艺类数据、质量类数据和调测类数据并将数据映射到孪生层，孪生层以设计、工艺、质量、调测的这些不同孪生体之间的功能关系，对各数字孪生体进行组织和耦合，驱动分析层实现不同孪生体与各类数据之间的信息绑定；分析层以基于相互支撑的深度学习算法库/模型库为基础，以孪生体驱动质量预测算法和质量追溯算法，对产线印刷和焊接质量进行追溯与质量预测，将预测结果送入系统层，系统层基于SMT产线数字孪生库、深度学习算法库和模型库中的质量预测模型及质量追溯模型进行可视化设计，通过工业预测APP和质量追溯APP，在三维空间上实时可视化展示产线的质量情况，并在产品生产过程中进行质量预警。2.如权利要求1所述的基于数字孪生的SMT产线分析平台，其特征在于：虚拟空间中的数据层包括：物理空间中的设备数据、使用规范。3.如权利要求1所述的基于数字孪生的SMT产线分析平台，其特征在于：虚拟空间中的孪生层包括：互为耦合的设计数字孪生...

【专利技术属性】
技术研发人员：苏欣，阎德劲，赖复尧，
申请(专利权)人：西南电子技术研究所中国电子科技集团公司第十研究所，
类型：发明
国别省市：