تست پذیرش AOI زیرلایه سرامیکی: نمونه ها، نقص ها و گزارش ها

بسترهای سرامیکی مانند نیترید آلومینیوم (AlN) و آلومینا (Al2O3) نقش مهمی در کاربردهای پرقدرت، فرکانس بالا و دمای شدید دارند. آنها را خواهید دید که ماژول های برق EV و ارتباطات پیشرفته RF را هدایت می کنند که در آن مدیریت حرارتی کاملاً غیرقابل مذاکره است. با این حال، یک مشکل عمده کنترل کیفیت صنعت را آزار می دهد. پروتکل‌های استاندارد بازرسی نوری FR-4 در این سرامیک‌های پیشرفته به‌شدت شکست می‌خورند. بازتاب سطح بالا، کنتراست فلزی کم، و شکنندگی منحصر به فرد مواد به راحتی ماشین های بازرسی معمولی را کور می کند. استفاده از تجهیزات استاندارد به طور اجتناب ناپذیری منجر به نقص های خطرناک از دست رفته یا تعداد زیادی از هشدارهای اشتباه می شود.

این راهنما یک چارچوب استاندارد و مبتنی بر شواهد را برای ارزیابی تجهیزات AOI و قابلیت‌های فروشنده ایجاد می‌کند. ما به شما کمک می‌کنیم تا قبل از اینکه متعهد به هزینه‌های سرمایه‌ای کلان یا قراردادهای برون‌سپاری بلندمدت شوید، قابلیت‌های ماشین را کاملاً تأیید کنید. شما دقیقاً یاد خواهید گرفت که چگونه دسته های آزمایشی دقیق را ساختار دهید، طبقه بندی های واضح نقص را تعریف کنید و گزارش های پذیرش نهایی را تجزیه و تحلیل کنید.

خوراکی های کلیدی

• بسترهای سرامیکی به دلیل نور شدید سطحی و کنتراست فلزی کم به نورپردازی تخصصی چندزاویه یا کواکسیال نیاز دارند.

• یک فرآیند دقیق اعتبارسنجی نمونه AOI باید شامل ترکیبی متعادل از تابلوهای 'شناخته-خوب' و یک کتابخانه جامع نقص 'شناخته-بد' باشد.

• گزارش‌های پذیرش باید به وضوح مبادله بین نرخ فرار (منفی کاذب) و نرخ تماس کاذب (مثبت نادرست) را با استفاده از معیارهای استاندارد صنعتی Gage R&R تعیین کنند.

پرونده مالی و فنی برای معیارهای پذیرش تخصصی

استقرار پروتکل های تست پذیرش تخصصی بسیار فراتر از انطباق اولیه است. ما باید به ماهیت فاجعه بار شکست های میدانی بپردازیم. عیوب میکرو در سرامیک های مس با پیوند مستقیم (DBC) یا مس روکش مستقیم (DPC) هدایت حرارتی را به خطر می اندازد. اگر یک ماژول برق اینورتر EV حاوی یک حفره ریز در متالیزاسیون زیرلایه خود باشد، گرما نمی تواند به طور موثر از آن خارج شود. ماژول در نهایت خود را تحت بارهای اوج از بین می برد. جلوگیری از این فرارهای پرهزینه مزرعه نیازمند تجهیزات تخصصی متناسب با خواص فیزیکی متمایز سرامیک ها است.

واقعیت های نوری رویکرد بازرسی کاملا متفاوتی را در مقایسه با تخته های ارگانیک سنتی دیکته می کنند. بردهای مدار چاپی استاندارد FR-4 معمولا دارای ماسک لحیم مات هستند. آنها کنتراست بالایی را در برابر آثار مسی ایجاد می کنند. بسترهای سرامیکی فاقد این کنتراست مناسب هستند. سطوح لخت آلومینا و نیترید آلومینیوم در زیر نورهای حلقه LED استاندارد تابش خیره کننده و انعکاس چشمگیر ایجاد می کنند. دوربین‌های استاندارد این تابش شدید را به‌عنوان شلوارک پل زدنی یا مس اضافی به اشتباه تعبیر می‌کنند.

اعمال قوانین استاندارد بازرسی PCB برای سرامیک های با انعکاس بسیار سریع باعث خستگی شدید تماس کاذب می شود. الگوریتم‌های استاندارد مبتنی بر قانون صدها نقص خیالی را در هر پانل علامت‌گذاری می‌کنند. سپس اپراتورها باید به صورت دستی هر مکان پرچم گذاری شده را بررسی کنند. مرور نکات مثبت کاذب بی پایان به سرعت اپراتورهای انسانی را خسته می کند. آنها حساسیت زدایی می کنند و به ناچار نقص های عملکردی واقعی را صرفاً برای پاک کردن عقب ماندگی تأیید می کنند. ایجاد معیارهای پذیرش تخصصی این چرخه خطرناک را با اثبات اینکه ماشین می تواند بین تابش خیره کننده بی ضرر و نقص واقعی تمایز قائل شود، متوقف می شود.

اجرای یک پروتکل صحت سنجی نمونه AOI

انتخاب نمونه های آزمایشی مناسب، یکپارچگی ارزیابی شما را تضمین می کند. قابل اعتماد اعتبار سنجی نمونه AOI نیاز به پانل‌هایی دارد که به دقت تنظیم شده‌اند که واریانس تولید عادی را نشان می‌دهند، نه فقط «تخته‌های طلایی». شما باید بسترهایی را جمع آوری کنید که تغییرات رنگ دسته به دسته معمولی، تغییرات جزئی دانه، و تفاوت ضخامت متالیزاسیون مجاز را نشان می دهند.

برای تعیین دقیق محدودیت‌های تشخیص استرس، باید یک کتابخانه جامع نقص 'شناخته-بد' بسازید. به طور کامل به شبیه سازی های نرم افزاری نظری اعتماد نکنید. شما به نقص های فیزیکی لبه مورد نیاز دارید. پانل های حاوی شکستگی های خط مو، اکسیداسیون ظریف مس و تراشه های لبه میکروسکوپی را منبع یا به طور هدفمند تولید کنید. توصیه می‌کنیم هنگام اجرای ارزیابی، دنباله‌ای دقیق را دنبال کنید:

1. پنجاه پانل استاندارد تولیدی را که روند عادی فرآیند را نشان می‌دهند، جمع کنید.

2. بیست پانل عمداً معیوب را از کتابخانه بد شناخته شده خود ادغام کنید.

3. مختصات دقیق هر نقص شناخته شده را قبل از وارد کردن آنها در دستگاه ترسیم کنید.

4. بسته کامل مخلوط را کورکورانه از طریق دستگاه اجرا کنید.

در نهایت، همیشه یک خط پایه غیربهینه ایجاد کنید. فروشنده را مجبور کنید تا با استفاده از الگوریتم‌های سرامیکی پیش‌فرض و خارج از جعبه، مجموعه نمونه ترکیبی شما را چندین بار اسکن کند. قبل از اینکه به مهندسانشان اجازه دهید تنظیمات روشنایی را تغییر دهند یا آستانه حساسیت را تنظیم کنند، این داده های پایه را ثبت کنند. مقایسه خط مبنا بهینه نشده با نتایج تنظیم شده نهایی نشان می دهد که مهندسی سفارشی محصول خاص شما چقدر به حرکت رو به جلو نیاز دارد.

تعریف طبقه بندی نقص برای آزمون پذیرش AOI بستر سرامیکی

پاک کردن معیارهای عبور/عیب از بحث‌های پرهزینه در هنگام امضای نهایی ماشین جلوگیری می‌کند. مستندسازی تلورانس های دقیق برای تست پذیرش AOI بستر سرامیکی، وعده های فروشنده را مستقیماً با واقعیت های تولید شما هماهنگ می کند. شما نمی توانید وعده های مبهم در مورد تشخیص نقص را بپذیرید. هر ناهنجاری منفرد باید در یک دسته بندی کاملاً تعریف شده قرار گیرد.

عیوب سطح بستر به معیارهای بسیار خاصی نیاز دارند. سرامیک ها بسیار شکننده هستند. پروفیل لیزری و فرآیندهای سینگولاسیون اغلب باعث بریدگی لبه میکروسکوپی می شود. شما باید دقیقاً تعیین کنید که چند میکرون تراشه قبل از خرابی پانل قابل قبول باقی می ماند. علاوه بر این، سیستم باید ریز ترک خوردگی ساختاری را بدون علامت گذاری نادرست مرزهای دانه های سرامیکی طبیعی به عنوان خراش تشخیص دهد. آلودگی سطحی باید آلارم ایجاد کند، اما نقاط بی خطر آب ممکن است قابل قبول باقی بمانند.

عیوب متالیزاسیون و مدار نیز آستانه های دقیقی را می طلبد. اتصالات با چگالی بالا روی سرامیک ها اغلب از عرض خط/فضای ظریف استفاده می کنند. دستگاه باید به طور دقیق لایه برداری مس، ردیابی بیش از حد اچ و شورت بریجینگ را اندازه گیری کند. کاربردهای RF فرکانس بالا نمی توانند حتی ردپایی ناچیز را تحمل کنند، زیرا امپدانس را تغییر می دهند. شما باید به وضوح این تحمل های فیزیکی را برای سیستم بینایی تعریف کنید.

رسیدگی به ابهام سخت ترین بخش تعریف طبقه بندی است. شما باید ناهنجاری های زیبایی بی ضرر را از نقص های عملکردی واقعی جدا کنید. تغییر رنگ جزئی مس ممکن است زشت به نظر برسد اما عملکرد عالی دارد. با این حال، اکسیداسیون شدید از اتصال صحیح سیم در پایین دست جلوگیری می کند. طبقه بندی شما باید به وضوح نحوه مدیریت الگوریتم با این تفاوت های بصری مبهم را تعیین کند.

طبقه بندی نقص استاندارد برای اعتبار سنجی فنی

ارزیابی سخت افزار AOI و قابلیت های الگوریتمی

مشخصات سخت افزاری به طور مستقیم عملکرد بازرسی را بر روی مواد پیشرفته دیکته می کند. معماری روشنایی به عنوان حیاتی ترین جزء سخت افزاری عمل می کند. حلقه های LED استاندارد از بالا به پایین روی آلومینا براق خراب می شوند. شکست انعکاس دیدی شدید نیاز به تنظیمات سخت افزاری بسیار تخصصی دارد. هنگام ارزیابی یک ماشین، به دنبال این قابلیت های روشنایی خاص باشید:

• روشنایی کواکسیال: نور را کاملاً عمود بر بستر ایجاد می کند و سایه ها را از بین می برد و سطوح بازتابنده صاف را برجسته می کند.

• LED های چند طیفی: از طول موج های مختلف (قرمز، سبز، آبی، UV) برای برجسته کردن لایه های مواد متمایز، مانند طلای روکش شده با سرامیک در معرض استفاده می کند.

• گنبدهای چند زاویه ای قابل برنامه ریزی: نور را از زوایای مختلف پایین پخش می کند تا عیوب برجسته، پوست کنده شدن مس و خراش های سطحی را شناسایی کند.

الزامات دوربین و وضوح باید با قوانین طراحی خاص شما مطابقت داشته باشد. وضوح استاندارد 15 میکرون پیکسل نمی تواند مدارهای سرامیکی RF را به اندازه کافی بازرسی کند. اگر فرآیند تولید شما از عرض خط/فضای کمتر از 20 میکرون استفاده می کند، به قابلیت تفکیک نوری زیر میکرون نیاز دارید. دوربین‌های اسکن خطی با وضوح بالا همراه با لنزهای دور مرکزی از اعوجاج تصویر در لبه‌های پانل جلوگیری می‌کنند و دقت اندازه‌گیری ثابت را تضمین می‌کنند.

شما باید ادعاهای ادغام هوش مصنوعی و یادگیری عمیق را به دقت ارزیابی کنید. بسیاری از فروشندگان از هوش مصنوعی به عنوان یک کلیدواژه بازاریابی استفاده می کنند. با این حال، یادگیری عمیق معتبر عمیقاً بازرسی سرامیک را تغییر می دهد. الگوریتم‌های سفت و سخت و مبتنی بر قانون برای تفسیر تغییرات دانه‌های سرامیکی طبیعی تلاش می‌کنند. مدل های مدرن یادگیری عمیق در طبقه بندی این الگوهای بصری مبهم برتری دارند. آنها به طور موثر تماس های نادرست را با یادگیری تفاوت های ظریف بین یک خط دانه طبیعی بی ضرر و یک میکرو ترک فاجعه بار سرکوب می کنند.

خطرات پیاده سازی با این قابلیت های پیشرفته هوش مصنوعی همراه است. یادگیری عمیق یک منحنی یادگیری شیب دار را معرفی می کند. آموزش شبکه های عصبی به سربار داده های قابل توجهی نیاز دارد. اگر یک خط تولید کم حجم و با ترکیب بالا راه اندازی کنید، ممکن است نمونه های معیوب کافی برای آموزش درست هوش مصنوعی تولید نکنید. علاوه بر این، پردازش سنگین هوش مصنوعی می تواند زمان تجزیه و تحلیل تصویر را به میزان قابل توجهی افزایش دهد. باید اطمینان حاصل کنید که سخت افزار محاسباتی داخلی می تواند بار الگوریتمی را بدون ایجاد گلوگاه مدیریت کند.

ساختار و تجزیه و تحلیل گزارش پذیرش نهایی

گزارش پذیرش نهایی به عنوان مدرک نهایی شما برای قابلیت اطمینان دستگاه عمل می کند. ایمیل‌های خلاصه 'pass/fail' را قبول نکنید. شما به یک مطالعه جامع R&R Gage (تکرارپذیری و تکرارپذیری) نیاز دارید. Gage R&R اثبات ریاضی پایداری سیستم را ارائه می دهد. تکرارپذیری تأیید می کند که دستگاه دقیقاً همان نتیجه را می دهد که همان پانل سرامیکی را ده بار پشت سر هم اسکن می کند. تکرارپذیری تأیید می کند که نتایج حتی زمانی که اپراتورهای مختلف پانل ها را در شیفت های مختلف بارگذاری می کنند ثابت می مانند.

شما باید به طور شفاف ماتریس مثبت کاذب در مقابل منفی کاذب را مستند کنید. هر سیستم بازرسی مصالحه می کند. اگر آستانه ها را برای گرفتن هر ریز ترک کوچک سفت کنید (کاهش منفی کاذب)، به ناچار ذرات گرد و غبار بی ضرر بیشتری را علامت گذاری خواهید کرد (افزایش مثبت کاذب). این گزارش باید دقیقاً این درصد مبادله را ترسیم کند. توجه: فروشنده ای که ادعا می کند 0٪ فرار و 0٪ تماس های نادرست در سرامیک های پیچیده از نظر آماری غیرممکن است. تقاضا برای مشاهده داده های خام پشتیبان ادعای آنها.

تأیید زمان چرخه بسیار حیاتی است. دستگاهی که 100 درصد عیوب را تشخیص می‌دهد اما 5 دقیقه طول می‌کشد تا یک پنل را اسکن کند، در تولید انبوه ارزشی ندارد. اطمینان حاصل کنید که تجهیزات به اهداف مورد نیاز واحد در ساعت (UPH) شما می‌رسند، بدون اینکه دقت تشخیص پایه آن کاهش یابد. در طول آزمایش، دستگاه را با حداکثر سرعت نامی خود اجرا کنید و بررسی کنید که نرخ فرار به دلیل تار شدن دوربین یا تأخیر پردازش به طور مصنوعی افزایش نمی یابد.

در نهایت، قابلیت ردیابی داده های قوی را تأیید کنید. تولید هوشمند مدرن نیازمند جریان یکپارچه داده است. بررسی کنید که سیستم می تواند تصاویر نقص با وضوح بالا را فورا صادر کند. باید داده‌های جعبه مرزی را هماهنگ کند و نقشه‌ها را به طور یکپارچه در سیستم‌های MES (سیستم اجرای تولید) یا ERP شما هماهنگ کند. یکپارچه سازی قابل اعتماد موتورهای کنترل فرآیند آماری پایین دستی (SPC) را قادر می سازد تا روندهای بازده منفی را قبل از تبدیل شدن به رویدادهای ضایعات عظیم شناسایی کنند.

نتیجه گیری

منطق نهایی فهرست نهایی شما باید کاملاً بر شواهد تجربی تکیه کند. هرگز تجهیزات بازرسی سرامیکی را تنها بر اساس برگه های مشخصات براق خریداری نکنید یا قرارداد نزنید. سرامیک ها چالش های نوری منحصر به فردی را ارائه می دهند که الگوریتم های PCB استاندارد به سادگی نمی توانند بر آنها غلبه کنند. با استفاده از دسته‌های آزمایشی ساختاریافته، طبقه‌بندی‌های دقیق نقص، و معیارهای دقیق R&R Gage، از خط تولید خود در برابر فرارهای فاجعه‌بار میدان و خستگی اپراتور محافظت می‌کنید.

گام بعدی فوری شما خواستار یک تظاهرات زنده و مستند است. فروشنده را مجبور کنید از نمونه های زیرلایه سرامیکی خاص شما، از جمله عیوب تخته های خوب و ایرادات لبه، استفاده کند. به آن‌ها اجازه ندهید با استفاده از پنل‌های نمایشی از پیش بهینه‌سازی شده خود آزمایش کنند. از آنها بخواهید که یک گزارش آماری جامع ارائه دهند که ثابت کند سیستم آنها می تواند اهداف UPH مورد نیاز شما را برآورده کند و در عین حال نرخ تماس نادرست قابل قبولی را حفظ کند.

سوالات متداول

س: آیا بازرسی اشعه ایکس می تواند جایگزین AOI برای بسترهای سرامیکی شود؟

پاسخ: خیر. اشعه ایکس (AXI) برای کشف فضاهای خالی پنهان در اتصالات لحیم کاری یا از طریق پر کردن لازم است. با این حال، بازرسی نوری برای تشخیص عیب سطح با سرعت بالا، شناسایی خراش و اندازه‌گیری ردیابی کاملاً اجباری است. این دو فناوری مکمل یکدیگر هستند، نه قابل تعویض.

س: نرخ تماس کاذب قابل قبول برای AOI سرامیکی چیست؟

پاسخ: در حالی که بسیار به پیچیدگی محصول وابسته است، یک سیستم به خوبی تنظیم شده با استفاده از یادگیری عمیق در سرامیک معمولاً کمتر از 3-5٪ تماس های نادرست را هدف قرار می دهد. تنظیمات اولیه ممکن است بسیار بالاتر شروع شود تا زمانی که الگوریتم ها واریانس تولید خاص شما را یاد بگیرند.

س: یک مرحله اعتبارسنجی استاندارد AOI چقدر باید طول بکشد؟

پاسخ: بسته به پیچیدگی طبقه بندی نقص و الزامات آموزشی هوش مصنوعی، یک مرحله اعتبار سنجی مناسب معمولاً 2 تا 4 هفته طول می کشد. این به زمان کافی برای آزمایش تکراری، اجرای نمونه فیزیکی و تنظیم الگوریتمی لازم اجازه می دهد.