Az olyan kerámia hordozók, mint az alumínium-nitrid (AlN) és az alumínium-oxid (Al2O3), kritikus szerepet játszanak a nagy teljesítményű, nagyfrekvenciás és extrém hőmérsékleti alkalmazásokban. Meg fogja találni, hogy elektromos áramellátási modulokat és csúcstechnológiás rádiófrekvenciás kommunikációt vezetnek, ahol a hőkezelés szigorúan nem alku tárgya. Azonban egy jelentős minőség-ellenőrzési probléma sújtja az ipart. A szabványos FR-4 optikai vizsgálati protokollok csúnyán meghibásodnak ezeken a fejlett kerámiákon. A nagy felületi visszaverő képesség, az alacsony fémezési kontraszt és az egyedülálló anyagtörékenység könnyen vakítja a hagyományos vizsgálógépeket. Az alapfelszereltség használata elkerülhetetlenül veszélyes hibákhoz vagy téves riasztásokhoz vezet.
Ez az útmutató szabványos, bizonyítékokon alapuló keretrendszert hoz létre az AOI berendezések és szállítói képességek értékeléséhez. Segítünk a gépek képességeinek alapos érvényesítésében, mielőtt nagy beruházási ráfordításokat vagy hosszú távú kiszervezési megállapodásokat kötne. Pontosan megtanulja, hogyan kell felépíteni a szigorú vizsgálati tételeket, meghatározni az egyértelmű hibataxonómiákat, és elemezni a végső átvételi jelentéseket.
A kerámia felületek speciális többszögű vagy koaxiális világítást igényelnek az agresszív felületi csillogás és az alacsony fémezési kontraszt miatt.
A szigorú AOI mintaellenőrzési folyamatnak tartalmaznia kell az 'ismert-jó' táblák kiegyensúlyozott keverékét és egy átfogó 'ismert-rossz' hibakönyvtárat.
Az elfogadási jelentéseknek egyértelműen számszerűsíteniük kell az Escape Rate (hamis negatívok) és a hamis hívási arány (hamis pozitívumok) közötti kompromisszumot az iparági szabványos Gage R&R mérőszámok segítségével.
A speciális átvételi tesztelési protokollok telepítése messze túlmutat az alapvető megfelelőségen. Foglalkoznunk kell a terepi meghibásodások katasztrofális természetével. A Direct Bonded Copper (DBC) vagy a Direct Plated Copper (DPC) kerámiák mikrohibái aktívan veszélyeztetik a hővezető képességet. Ha egy elektromos inverteres tápmodul mikroüreget tartalmaz a hordozó fémezésében, a hő nem tud hatékonyan távozni. A modul végül tönkreteszi magát a csúcsterhelés alatt. Ezeknek a költséges terepszökéseknek a megakadályozásához speciális berendezésekre van szükség, amelyek a kerámiák eltérő fizikai tulajdonságaihoz igazodnak.
Az optikai valóság a hagyományos organikus táblákhoz képest teljesen más vizsgálati megközelítést diktál. A szabványos FR-4 nyomtatott áramköri lapokon általában matt forrasztómaszk található. Nagy kontrasztot biztosítanak a réznyomok ellen. A kerámia hordozókból hiányzik ez a kényelmes kontraszt. A csupasz alumínium-oxid és alumínium-nitrid felületek intenzív tükröződést és tükröződést keltenek a szabványos LED-gyűrűs lámpák alatt. A szabványos kamerák ezt az erős tükröződést áthidaló rövidnadrágként vagy idegen rézként értelmezik.
A szabványos NYÁK-ellenőrzési szabályok alkalmazása a nagy fényvisszaverő kerámiákra azonnal rendkívüli hamis hívási fáradtságot vált ki. A szabványos szabályalapú algoritmusok panelenként több száz képzeletbeli hibát jeleznek. Az üzemeltetőknek ezután minden egyes megjelölt helyet manuálisan ellenőrizniük kell. A végtelen számú téves pozitív eredmény áttekintése gyorsan kimeríti az emberi kezelőt. Érzéketlenné válnak, és elkerülhetetlenül jóváhagyják a valódi funkcionális hibákat pusztán a lemaradás megszüntetése érdekében. Speciális elfogadási kritériumok felállítása megállítja ezt a veszélyes körforgást azáltal, hogy bebizonyítja, hogy a gép képes különbséget tenni az ártalmatlan csillogás és a tényleges hibák között.
A megfelelő vizsgálati minták kiválasztása garantálja az értékelés integritását. Egy megbízható Az AOI mintaellenőrzéséhez gondosan válogatott panelekre van szükség, amelyek normál gyártási eltérést képviselnek, nem csak 'arany táblákra'. A tökéletes panelek semmit sem mondanak el a gép valódi gyártási készenlétéről. Olyan szubsztrátumokat kell összegyűjtenie, amelyek normál tételenkénti színeltolódást, kisebb szemcse-eltéréseket és megengedett fémezési vastagságbeli eltéréseket mutatnak.
A stressz-teszt észlelési határainak pontos meghatározásához átfogó 'ismert-rossz' hibakönyvtárat kell készítenie. Ne hagyatkozzon teljes mértékben az elméleti szoftverszimulációkra. Fizikai perem-tokhibákra van szüksége. A hajszálrepedéseket, finom rézoxidációt és mikroszkopikus élforgácsokat tartalmazó paneleket forrásból vagy szándékosan gyártsa. Javasoljuk, hogy kövesse a szigorú sorrendet az értékelés futtatásakor:
Szereljen össze ötven szabványos gyártási panelt, amelyek normál folyamateltolódást mutatnak.
Integráljon húsz szándékosan hibás panelt ismert-rossz könyvtárából.
Térképezze fel minden ismert hiba pontos koordinátáit, mielőtt behelyezi őket a gépbe.
A teljes kevert tételt vakon futtassa át a gépen.
Végül mindig állítson fel egy nem optimalizált alapvonalat. Kényszerítse a szállítót, hogy többször szkennelje be a vegyes mintát az alapértelmezett, kész kerámia algoritmusok használatával. Rögzítse ezeket az alapadatokat, mielőtt engedélyezné mérnökeiknek a világítási beállítások módosítását vagy az érzékenységi küszöbök módosítását. Az optimalizálatlan alapvonal és a végső hangolt eredmények összehasonlítása megmutatja, hogy az adott terméknek mennyi egyedi tervezésre lesz szüksége a továbblépéshez.
Az egyértelmű megfelelési/sikertelenségi kritériumok megakadályozzák a költséges érveket a gép végső kijelentkezése során. Pontos tűrések dokumentálása a kerámia szubsztrát Az AOI átvételi teszt közvetlenül igazítja a gyártó ígéreteit az Ön gyártási valóságához. Nem fogadhat el homályos ígéreteket a hibafelismeréssel kapcsolatban. Minden egyes anomáliának egy szigorúan meghatározott kategóriába kell tartoznia.
Az alapszintű hibák nagyon specifikus mérőszámokat igényelnek. A kerámiák köztudottan törékenyek. A lézeres profilozási és szingulációs folyamatok gyakran mikroszkopikus élletörést okoznak. Pontosan meg kell határoznia, hogy hány mikronos forgácsolás marad elfogadható, mielőtt egy panel meghibásodik. Ezenkívül a rendszernek észlelnie kell a szerkezeti mikrorepedéseket anélkül, hogy a természetes kerámia szemcsehatárait hamisan karcolásként jelezné. A felületi szennyeződésnek riasztást kell kiváltania, de az ártalmatlan vízfoltok elfogadhatók maradhatnak.
A fémezés és az áramköri hibák szintén szigorú küszöbértékeket igényelnek. A kerámiák nagy sűrűségű összekapcsolásai gyakran finom vonal/térszélességet használnak. A gépnek pontosan meg kell mérnie a réz leválását, a túlmarás nyomát és az áthidaló rövidnadrágot. A nagyfrekvenciás rádiófrekvenciás alkalmazások még a kismértékű lenyeléseket sem tolerálják, mivel megváltoztatják az impedanciát. Egyértelműen meg kell határoznia ezeket a fizikai tűréseket a látórendszer számára.
A kétértelműség kezelése továbbra is a taxonómia meghatározásának legnehezebb része. Külön kell választani az ártalmatlan kozmetikai anomáliákat a valódi funkcionális hibáktól. Az enyhe réz elszíneződés csúnyán néz ki, de tökéletesen működik. Az erős oxidáció azonban megakadályozza a megfelelő huzalkötést az áramlás irányában. A taxonómiának egyértelműen meg kell határoznia, hogy az algoritmus hogyan kezeli ezeket a kétértelmű vizuális különbségeket.
Hiba kategória |
Specifikus anomália |
Megfelelt/sikertelen küszöbérték |
|---|---|---|
Aljzat integritása |
Edge Chipping |
Sikertelen, ha a forgácsmélység meghaladja az 50 mikront a vágóéltől számítva. |
Aljzat integritása |
Mikro-repedés |
A 0,1 mm-t meghaladó folyamatos repedést meg kell szüntetni. |
Metalizálás |
Nyaktól lefelé nyom |
Sikertelen, ha a nyomvonal szélessége a névleges kialakítás több mint 15%-ával csökken. |
Metalizálás |
Réz hámlasztás |
A rézréteg és a kerámia alap között nem lehet látható elválasztás. |
Felületi szennyeződés |
Oxidáció |
Sikertelen sötét oxidáció a huzalkötési zónákban; halvány elszíneződést máshol át. |
A hardverspecifikációk közvetlenül diktálják a fejlett anyagok ellenőrzési teljesítményét. A megvilágítási architektúra a legkritikusabb hardverkomponens. A szabványos felülről lefelé irányuló LED-gyűrűk meghibásodnak a fényes alumínium-oxidon. Az intenzív tükröződés legyőzése speciális hardverkonfigurációkat igényel. A gép értékelésekor vegye figyelembe az alábbi speciális megvilágítási képességeket:
Koaxiális világítás: A fényt tökéletesen merőlegesen vetíti ki az alapfelületre, kiküszöböli az árnyékokat és kiemeli a lapos, tükröződő felületeket.
Multi-Spectral LED-ek: Különböző hullámhosszakat (vörös, zöld, kék, UV) használ, hogy kiemelje a különálló anyagrétegeket, például a kerámia VS bevonatú aranyat.
Programozható többszögű kupolák: Különböző alacsony szögekből szórt fényt bocsát ki, hogy azonosítsa a megemelkedett hibákat, a hámló rézt és a finom felületi karcolásokat.
A kamerára és a felbontásra vonatkozó követelményeknek meg kell felelniük az Ön egyedi tervezési szabályainak. A szabványos 15 mikronos pixelfelbontás nem képes megfelelően ellenőrizni a finom hangmagasságú RF kerámia áramköröket. Ha a gyártási folyamat 20 mikron alatti vonal-/térszélességet használ, akkor szubmikronnál kisebb optikai felbontásra van szüksége. A nagy felbontású line-scan kamerák telecentrikus lencsékkel kombinálva megakadályozzák a kép torzulását a panel szélein, így biztosítva a folyamatos mérési pontosságot.
Gondosan fel kell mérnie a mesterséges intelligenciával és a mély tanulási integrációval kapcsolatos állításokat. Sok gyártó használja az AI-t marketing hívószóként. Az autentikus mély tanulás azonban alaposan átalakítja a kerámia vizsgálatot. Merev, szabályalapú algoritmusok küzdenek a természetes kerámiaszemcse-variációk értelmezésével. A modern mély tanulási modellek kiválóan osztályozzák ezeket a kétértelmű vizuális mintákat. Hatékonyan elnyomják a hamis hívásokat azáltal, hogy megtanulják az ártalmatlan természetes szemcsevonal és a katasztrofális mikrorepedés közötti finom különbségeket.
Megvalósítási kockázatok kísérik ezeket a fejlett AI-képességeket. A mély tanulás meredek tanulási görbét vezet be. A neurális hálózatok betanítása jelentős adatforgalmat igényel. Ha kis mennyiségű, nagy keverékű gyártósort futtat, előfordulhat, hogy nem generál elegendő hibás mintát a mesterséges intelligencia megfelelő betanításához. Ezenkívül a nehéz mesterséges intelligencia feldolgozás jelentősen megnövelheti a képelemzési időt. Biztosítania kell, hogy a fedélzeti számítástechnikai hardver képes legyen kezelni az algoritmikus terhelést anélkül, hogy szűk keresztmetszeteket okozna.
A végső átvételi jelentés a gép megbízhatóságának végső bizonyítékaként szolgál. Ne fogadjon el egyszerű 'megfelelt/nem sikerült' összefoglaló e-maileket. Szüksége van egy átfogó Gage R&R (ismételhetőség és reprodukálhatóság) tanulmányra. A Gage R&R matematikai bizonyítékot nyújt a rendszer stabilitására. Az ismételhetőség megerősíti, hogy a gép pontosan ugyanazt az eredményt adja, ha ugyanazt a kerámiapanelt tízszer egymás után szkenneli. A reprodukálhatóság megerősíti, hogy az eredmények konzisztensek maradnak még akkor is, ha a különböző kezelők különböző műszakokban töltik be a paneleket.
Átláthatóan dokumentálnia kell a Hamis pozitív vs. hamis negatív mátrixot. Minden ellenőrzési rendszer kompromisszumot köt. Ha meghúzza a küszöbértékeket, hogy minden apró mikrorepedést elkapjon (csökkentse a hamis negatívokat), akkor elkerülhetetlenül több ártalmatlan porszemcsét fog jelezni (növekszik a hamis pozitív értékek). A jelentésnek pontosan ezt a százalékos kompromisszumot kell ábrázolnia. Megjegyzés: Statisztikailag valószínűtlen, hogy az eladó azt állítja, hogy összetett kerámiákon 0% menekülés és 0% hamis hívás történt. Követeljék, hogy a nyers adatok alátámasztják állításaikat.
A ciklusidő ellenőrzése továbbra is rendkívül kritikus. Az a gép, amely a hibák 100%-át észleli, de egyetlen panel átvizsgálása öt percet vesz igénybe, nem bír értékkel a tömeggyártásban. Győződjön meg arról, hogy a berendezés teljesíti az előírt egység/óra (UPH) célértéket anélkül, hogy feláldozná az alapérzékelési pontosságát. A tesztelés során futtassa a gépet a maximális névleges sebességgel, és ellenőrizze, hogy a kilépési sebesség nem emelkedik-e meg mesterségesen a kamera elmosódása vagy a feldolgozási késés miatt.
Végül ellenőrizze az adatok megbízható nyomon követhetőségét. A modern intelligens gyártás zökkenőmentes adatáramlást igényel. Ellenőrizze, hogy a rendszer azonnal exportálhat-e nagy felbontású hibás képeket. Zökkenőmentesen kell koordinálnia a határolódoboz-adatokat és a térképeket a meglévő MES (Manufacturing Execution System) vagy ERP platformokkal. A megbízható integráció lehetővé teszi a későbbi statisztikai folyamatvezérlő (SPC) motorok számára, hogy azonosítsák a negatív hozamtrendeket, mielőtt azok hatalmas selejtezési eseményekké fajulnának.
A végső listázási logikájának teljes mértékben empirikus bizonyítékokra kell támaszkodnia. Soha ne vásároljon vagy szerződjön kizárólag fényes specifikációs lapok alapján kerámia ellenőrző berendezést. A kerámia olyan egyedi optikai kihívásokat jelent, amelyeket a szabványos PCB-algoritmusok egyszerűen nem tudnak leküzdeni. A strukturált tesztsorozatok, a szigorú hibataxonómiák és a szigorú Gage R&R mérőszámok használatával megóvja gyártósorát a katasztrofális terepszökésektől és a kezelő fáradtságától.
A következő lépés egy élő, dokumentált bemutatót követel. Kényszerítse az eladót, hogy az adott kerámia szubsztrátummintákat használja, beleértve a jó táblákat és a peremházhibákat is. Ne engedje meg nekik, hogy saját előre optimalizált bemutatópaneljeikkel teszteljenek. Kérje meg tőlük, hogy nyújtsanak be átfogó statisztikai jelentést, amely bizonyítja, hogy rendszerük képes teljesíteni az Ön által előírt UPH-célokat, miközben fenntartja az elfogadható hamis hívási arányt.
V: Nem. Röntgenre (AXI) van szükség a rejtett üregek felfedezéséhez a forrasztási kötésekben vagy a kitöltéseken keresztül. Az optikai ellenőrzés azonban továbbra is szigorúan kötelező a felületi hibák nagysebességű észleléséhez, a karcok azonosításához és a nyomkövetés méréséhez. A két technológia kiegészíti egymást, nem cserélhetők fel.
V: Bár nagymértékben függ a termék összetettségétől, egy jól hangolt rendszer, amely a kerámia mélytanulását alkalmazza, általában kevesebb, mint 3-5%-os hamis hívást tesz lehetővé. A kezdeti beállítások sokkal magasabban indulhatnak, amíg az algoritmusok meg nem tanulják a konkrét termelési eltérést.
V: A hibataxonómia összetettségétől és a mesterséges intelligencia képzési követelményeitől függően a megfelelő érvényesítési szakasz általában 2-4 hétig tart. Ez elegendő időt biztosít az iteratív tesztelésre, a fizikai mintafuttatásokra és a szükséges algoritmikus hangolásra.
