Կերամիկական ենթաշերտի AOI-ի ընդունման փորձարկում. նմուշներ, թերություններ և հաշվետվություններ

Կերամիկական ենթաշերտերը, ինչպիսիք են ալյումինի նիտրիդը (AlN) և կավահողը (Al2O3) կարևոր դեր են խաղում բարձր էներգիայի, բարձր հաճախականության և ծայրահեղ ջերմաստիճանի կիրառություններում: Դուք կարող եք գտնել նրանց՝ վարելով էլեկտրաէներգիայի մոդուլներ և գերժամանակակից ՌԴ հաղորդակցություններ, որտեղ ջերմային կառավարումը մնում է խիստ անսակարկելի: Այնուամենայնիվ, որակի վերահսկման հիմնական խնդիրը պատուհասում է արդյունաբերությանը: Ստանդարտ FR-4 օպտիկական ստուգման արձանագրությունները խղճուկ կերպով ձախողվում են այս առաջադեմ կերամիկայի վրա: Մակերեւույթի բարձր արտացոլումը, ցածր մետաղացման հակադրությունը և նյութի յուրահատուկ փխրունությունը հեշտությամբ կուրացնում են սովորական ստուգիչ մեքենաները: Ստանդարտ սարքավորումների օգտագործումը անխուսափելիորեն հանգեցնում է վտանգավոր բաց թողնված թերությունների կամ ճնշող թվով կեղծ ահազանգերի:

Այս ուղեցույցը սահմանում է ստանդարտացված, ապացույցների վրա հիմնված շրջանակ՝ AOI սարքավորումների և վաճառողի հնարավորությունները գնահատելու համար: Մենք կօգնենք ձեզ մանրակրկիտ հաստատել մեքենաների հնարավորությունները՝ նախքան մեծ կապիտալ ծախսեր կամ երկարաժամկետ աութսորսինգային համաձայնագրեր կատարելը: Դուք հստակ կսովորեք, թե ինչպես պետք է կառուցվածքավորել խիստ փորձնական խմբաքանակներ, սահմանել թերությունների հստակ տաքսոնոմիաներ և վերլուծել վերջնական ընդունման հաշվետվությունները:

Հիմնական Takeaways

• Կերամիկական ենթաշերտերը պահանջում են մասնագիտացված բազմանկյուն կամ կոաքսիալ լուսավորություն՝ մակերևույթի ագրեսիվ փայլի և ցածր մետաղացման հակադրության պատճառով:

• AOI նմուշի վավերացման խիստ գործընթացը պետք է ներառի 'հայտնի-լավ' տախտակների հավասարակշռված խառնուրդ և համապարփակ 'հայտնի-վատ' արատների գրադարան:

• Ընդունման հաշվետվությունները պետք է հստակորեն թվային փոխզիջում Escape Rate-ի (կեղծ բացասական) և Fase Call Rate-ի (կեղծ դրական) միջև՝ օգտագործելով արդյունաբերության ստանդարտ Gage R&R չափումները:

Մասնագիտացված ընդունման չափանիշների ֆինանսական և տեխնիկական գործը

Մասնագիտացված ընդունման փորձարկման արձանագրությունների տեղակայումը գերազանցում է հիմնական համապատասխանությունը: Մենք պետք է անդրադառնանք դաշտային խափանումների աղետալի բնույթին: Ուղղակի կապակցված պղնձի (DBC) կամ ուղղակիորեն պատված պղնձի (DPC) կերամիկայի միկրո-թերությունները ակտիվորեն վտանգում են ջերմային հաղորդունակությունը: Եթե ​​EV inverter-ի հոսանքի մոդուլը իր ենթաշերտի մետաղացման մեջ պարունակում է միկրո դատարկություն, ջերմությունը չի կարող արդյունավետ կերպով դուրս գալ: Մոդուլն ի վերջո ոչնչացնում է իրեն գագաթնակետային բեռների տակ: Դաշտից այս ծախսատար փախուստները կանխելու համար անհրաժեշտ է մասնագիտացված սարքավորում՝ հարմարեցված կերամիկայի հստակ ֆիզիկական հատկություններին:

Օպտիկական իրողությունները թելադրում են ստուգման բոլորովին այլ մոտեցում՝ համեմատած ավանդական օրգանական տախտակների հետ: Ստանդարտ FR-4 տպագիր տպատախտակները սովորաբար ունեն փայլատ զոդման դիմակներ: Նրանք բարձր հակադրություն են ապահովում պղնձի հետքերի դեմ: Կերամիկական ենթաշերտերը չունեն այս հարմար հակադրությունը: Մերկ ալյումինե և ալյումինի նիտրիդային մակերեսները ստեղծում են ինտենսիվ փայլ և տեսողական արտացոլում ստանդարտ LED օղակաձև լույսերի ներքո: Ստանդարտ տեսախցիկները սխալ են մեկնաբանում այս ինտենսիվ փայլը որպես կամրջող շորտեր կամ արտասովոր պղինձ:

Բարձր արտացոլող կերամիկայի վրա PCB-ի ստուգման ստանդարտ կանոնների կիրառումը անմիջապես առաջացնում է ծայրահեղ կեղծ զանգի հոգնածություն: Կանոնների վրա հիմնված ստանդարտ ալգորիթմները նշում են հարյուրավոր երևակայական թերություններ յուրաքանչյուր վահանակում: Այնուհետև օպերատորները պետք է ձեռքով վերանայեն յուրաքանչյուր դրոշակավորված վայր: Անվերջ կեղծ պոզիտիվների վերանայումը արագ հյուծում է մարդկանց օպերատորներին: Նրանք դառնում են անզգայուն և անխուսափելիորեն հաստատում են իրական ֆունկցիոնալ թերությունները, պարզապես կուտակվածը մաքրելու համար: Մասնագիտացված ընդունման չափանիշների սահմանումը դադարեցնում է այս վտանգավոր ցիկլը՝ ապացուցելով, որ մեքենան կարող է տարբերակել անվնաս փայլը և իրական թերությունները:

Խիստ AOI նմուշի վավերացման արձանագրության կատարում

Ճիշտ փորձարկման նմուշների ընտրությունը երաշխավորում է ձեր գնահատման ամբողջականությունը: Հուսալի AOI նմուշի վավերացումը պահանջում է մանրակրկիտ մշակված վահանակներ, որոնք ներկայացնում են արտադրության նորմալ տարբերությունը, ոչ միայն «ոսկե տախտակներ»: Կատարյալ վահանակները ձեզ ոչինչ չեն ասում մեքենայի իրական արտադրության պատրաստության մասին: Դուք պետք է հավաքեք ենթաշերտեր, որոնք ցույց են տալիս խմբաքանակից խմբաքանակ գույնի նորմալ տեղաշարժեր, հատիկների փոքր տատանումներ և մետաղացման հաստության թույլատրելի տարբերություններ:

Սթրես-թեստերի հայտնաբերման սահմանաչափերի ճշգրիտ սահմանման համար դուք պետք է կառուցեք ամբողջական 'հայտնի-վատ' արատների գրադարան: Ամբողջությամբ մի ապավինեք ծրագրային ապահովման տեսական սիմուլյացիաներին: Ձեզ անհրաժեշտ են եզրերի ֆիզիկական թերություններ: Աղբյուր կամ նպատակաուղղված արտադրել պանելներ, որոնք պարունակում են մազի գծերի կոտրվածքներ, պղնձի նուրբ օքսիդացում և ծայրամասային միկրոսկոպիկ չիպեր: Գնահատումը կատարելիս խորհուրդ ենք տալիս հետևել խիստ հաջորդականությանը.

1. Հավաքեք հիսուն ստանդարտ արտադրական վահանակներ, որոնք ցույց են տալիս գործընթացի նորմալ շեղումը:

2. Ինտեգրեք քսան նպատակաուղղված թերի վահանակներ ձեր հայտնի վատ գրադարանից:

3. Քարտեզագրեք յուրաքանչյուր հայտնի թերության ճշգրիտ կոորդինատները, նախքան դրանք մեքենա մտցնելը:

4. Ամբողջական խառը խմբաքանակը կուրորեն անցկացրեք մեքենայի միջով:

Վերջապես, միշտ սահմանեք չօպտիմիզացված ելակետ: Ստիպեք վաճառողին մի քանի անգամ սկանավորել ձեր խառը նմուշի խմբաքանակը՝ օգտագործելով իրենց լռելյայն, առանց տուփի կերամիկական ալգորիթմները: Գրանցեք այս ելակետային տվյալները՝ նախքան թույլ տալով նրանց ինժեներներին փոխել լուսավորության կարգավորումները կամ հարմարեցնել զգայունության շեմերը: Համեմատելով չօպտիմիզացված բազային գիծը վերջնական կարգավորված արդյունքների հետ՝ ցույց է տալիս, թե ձեր կոնկրետ արտադրանքի պատվերով ճարտարագիտությունը որքան կպահանջի առաջ շարժվել:

Կերամիկական ենթաշերտի AOI-ի ընդունման թեստի թերությունների դասակարգումների սահմանում

Մաքուր անցման/ձախողման չափանիշները կանխում են ծախսատար փաստարկները մեքենայի վերջնական գրանցման ժամանակ: Փաստաթղթավորելով ճշգրիտ թույլատրելիությունը կերամիկական ենթաշերտի AOI-ի ընդունման թեստը համապատասխանեցնում է վաճառողի խոստումները ուղղակիորեն ձեր արտադրական իրողությունների հետ: Դուք չեք կարող ընդունել անորոշ խոստումներ թերությունների հայտնաբերման վերաբերյալ: Յուրաքանչյուր անոմալիա պետք է դասվի խիստ սահմանված կատեգորիայի:

Ենթաշերտի մակարդակի թերությունները պահանջում են խիստ հատուկ չափումներ: Կերամիկան հայտնիորեն փխրուն է: Լազերային պրոֆիլավորման և սինուլյացիայի գործընթացները հաճախ առաջացնում են ծայրերի մանրադիտակային ճեղքվածք: Դուք պետք է հստակ սահմանեք, թե քանի մկմ չիպավորումը մնում է ընդունելի մինչև վահանակի ձախողումը: Ավելին, համակարգը պետք է հայտնաբերի կառուցվածքային միկրոճաքերը՝ առանց բնական կերամիկական հացահատիկի սահմանները կեղծ կերպով նշելու որպես քերծվածքներ: Մակերեւութային աղտոտումը պետք է ազդանշաններ առաջացնի, սակայն անվնաս ջրային բծերը կարող են ընդունելի մնալ:

Մետաղացման և շղթայի թերությունները նույնպես պահանջում են խիստ շեմեր: Կերամիկայի վրա բարձր խտության փոխկապակցումները հաճախ օգտագործում են նուրբ գծերի/տարածության լայնություններ: Մեքենան պետք է ճշգրիտ չափի պղնձի կլեպը, հետքի ավելորդ փորագրումը և կամրջող շորտեր: Բարձր հաճախականությամբ ռադիոհաղորդումները չեն կարող հանդուրժել պարանոցի նույնիսկ աննշան հետքեր, քանի որ դրանք փոխում են դիմադրությունը: Դուք պետք է հստակ սահմանեք այս ֆիզիկական հանդուրժողականությունը տեսողության համակարգի համար:

Անորոշության կառավարումը մնում է տաքսոնոմիայի սահմանման ամենադժվար մասը: Դուք պետք է առանձնացնեք անվնաս կոսմետիկ անոմալիաները իրական ֆունկցիոնալ թերություններից: Պղնձի թեթև գունաթափումը կարող է տգեղ տեսք ունենալ, բայց կատարելապես կատարելապես: Դաժան օքսիդացումը, սակայն, կանխում է լարերի պատշաճ կապը հոսանքին ներքև: Ձեր տաքսոնոմիան պետք է հստակորեն թելադրի, թե ինչպես է ալգորիթմը վերաբերվում այս երկիմաստ տեսողական տարբերություններին:

Տեխնիկական վավերացման համար արատների ստանդարտացված դասակարգում

AOI ապարատային և ալգորիթմական հնարավորությունների գնահատում

Սարքավորումների բնութագրերն ուղղակիորեն թելադրում են առաջադեմ նյութերի ստուգման կատարումը: Լուսավորման ճարտարապետությունը ծառայում է որպես ամենակարևոր ապարատային բաղադրիչ: Ստանդարտ վերևից վար LED օղակները ձախողվում են փայլուն կավահողով: Ինտենսիվ տեսողական արտացոլումը հաղթելը պահանջում է բարձր մասնագիտացված ապարատային կոնֆիգուրացիաներ: Մեքենան գնահատելիս փնտրեք այս հատուկ լուսավորման հնարավորությունները.

• Coaxial լուսավորություն. նախագծում է լույսը հիմքին կատարյալ ուղղահայաց՝ վերացնելով ստվերները և ընդգծելով հարթ արտացոլող մակերեսները:

• Բազմասպեկտրալ LED-ներ. օգտագործում է տարբեր ալիքների երկարություններ (կարմիր, կանաչ, կապույտ, ուլտրամանուշակագույն)՝ ընդգծելու տարբեր նյութական շերտերը, օրինակ՝ բաց կերամիկական VS պատված ոսկին:

• Ծրագրավորվող բազմաանկյուն գմբեթներ. ձուլակտորները լույսը ցրում են տարբեր ցածր անկյուններից՝ հայտնաբերելու բարձրացած թերությունները, պղնձի կլեպը և մակերեսի նուրբ քերծվածքները:

Տեսախցիկի և լուծաչափի պահանջները պետք է համապատասխանեն ձեր հատուկ դիզայնի կանոններին: Ստանդարտ 15 մկրոն պիքսելային լուծաչափը չի կարող պատշաճ կերպով ստուգել բարձր ձայնի ՌԴ կերամիկական սխեմաները: Եթե ​​ձեր արտադրական գործընթացն օգտագործում է գծի/տարածության լայնությունը 20 միկրոնից ցածր, ապա ձեզ անհրաժեշտ են ենթամիկրոն օպտիկական լուծման հնարավորություններ: Բարձր լուծաչափով գծային սկանավորման տեսախցիկները՝ համակցված հեռակենտրոն ոսպնյակների հետ, կանխում են պատկերի աղավաղումը վահանակի եզրերին՝ ապահովելով չափումների հետևողական ճշգրտություն:

Դուք պետք է ուշադիր գնահատեք AI և խորը ուսուցման ինտեգրման պահանջները: Շատ վաճառողներ օգտագործում են AI-ն որպես մարքեթինգային բառ: Այնուամենայնիվ, իսկական խորը ուսուցումը խորապես փոխակերպում է կերամիկական ստուգումը: Կոշտ, կանոնների վրա հիմնված ալգորիթմները պայքարում են բնական կերամիկական հատիկների տատանումները մեկնաբանելու համար: Խորը ուսուցման ժամանակակից մոդելները գերազանցում են այս երկիմաստ տեսողական օրինաչափությունների դասակարգումը: Նրանք արդյունավետ կերպով ճնշում են կեղծ զանգերը՝ սովորելով անվնաս բնական հացահատիկի գծի և աղետալի միկրո ճեղքի նուրբ տարբերությունները:

Իրականացման ռիսկերը ուղեկցում են այս առաջադեմ AI կարողությունները: Խորը ուսուցումը ներկայացնում է կտրուկ ուսուցման կոր: Նեյրոնային ցանցերի ուսուցումը պահանջում է զգալի տվյալներ: Եթե ​​դուք վարում եք ցածր ծավալով, բարձր խառնուրդով արտադրական գիծ, ​​դուք կարող եք չստեղծել բավականաչափ թերի նմուշներ՝ AI-ը ճիշտ վարժեցնելու համար: Ավելին, ծանր AI մշակումը կարող է զգալիորեն մեծացնել պատկերի վերլուծության ժամանակը: Դուք պետք է համոզվեք, որ բեռնատար հաշվողական սարքավորումը կարող է հաղթահարել ալգորիթմական ծանրաբեռնվածությունը՝ առանց խցանումներ առաջացնելու:

Ընդունման վերջնական հաշվետվության կառուցվածքը և վերլուծությունը

Ընդունման վերջնական հաշվետվությունը ծառայում է որպես մեքենայի հուսալիության ձեր վերջնական ապացույց: Մի ընդունեք պարզ 'pass/fail' ամփոփ նամակներ: Ձեզ անհրաժեշտ է Gage R&R (կրկնելիության և վերարտադրելիության) համապարփակ ուսումնասիրություն: Gage R&R-ն ապահովում է համակարգի կայունության մաթեմատիկական ապացույցը: Կրկնելիությունը հաստատում է, որ մեքենան տալիս է ճիշտ նույն արդյունքը, երբ այն սկանավորում է նույն կերամիկական վահանակը տասն անգամ անընդմեջ: Վերարտադրելիությունը հաստատում է, որ արդյունքները մնում են հետևողական, նույնիսկ երբ տարբեր օպերատորներ բեռնում են վահանակները տարբեր հերթափոխով:

Դուք պետք է թափանցիկ փաստաթղթավորեք կեղծ դրական ընդդեմ կեղծ բացասական մատրիցը: Յուրաքանչյուր տեսչական համակարգ գնում է փոխզիջումների: Եթե ​​դուք խստացնեք շեմերը՝ յուրաքանչյուր փոքրիկ միկրո ճեղքը բռնելու համար (նվազեցնելով կեղծ բացասականները), դուք անխուսափելիորեն կնշեք փոշու ավելի անվնաս մասնիկները (ավելացնելով կեղծ պոզիտիվները): Զեկույցը պետք է գծի այս ճշգրիտ տոկոսային փոխզիջումը: Նշում. Վաճառողը, որը պնդում է 0% փախուստ և 0% կեղծ զանգեր բարդ կերամիկայի վրա, վիճակագրորեն անհավանական է: Պահանջեք տեսնել հումքի տվյալները, որոնք հաստատում են իրենց պահանջները:

Ցիկլի ժամանակի ստուգումը մնում է խիստ կարևոր: Մեքենան, որը հայտնաբերում է թերությունների 100%-ը, բայց տեւում է հինգ րոպե մեկ վահանակի սկանավորման համար, զանգվածային արտադրության մեջ արժեք չունի: Համոզվեք, որ սարքավորումը համապատասխանում է ձեր պահանջվող միավոր/ժամում (UPH) թիրախներին՝ չվնասելով դրա ելակետային հայտնաբերման ճշգրտությունը: Փորձարկման ընթացքում գործարկեք մեքենան իր առավելագույն գնահատված արագությամբ և ստուգեք, որ փախուստի արագությունը արհեստականորեն չի բարձրանում տեսախցիկի մշուշման կամ մշակման հետաձգման պատճառով:

Վերջապես, ստուգեք տվյալների կայուն հետագծելիությունը: Ժամանակակից խելացի արտադրությունը պահանջում է տվյալների անխափան հոսք: Ստուգեք, որ համակարգը կարող է ակնթարթորեն արտահանել բարձր լուծաչափով արատների պատկերներ: Այն պետք է համակարգի սահմանային տուփի տվյալները և անխափան կերպով համակարգի քարտեզները ձեր գոյություն ունեցող MES (Արտադրական կատարման համակարգ) կամ ERP հարթակներում: Հուսալի ինտեգրումը հնարավորություն է տալիս ստատիստիկական գործընթացների վերահսկման (SPC) շարժիչներին բացահայտել բացասական եկամտաբերության միտումները՝ նախքան դրանք վերածվելով զանգվածային ջարդոնի:

Եզրակացություն

Ձեր վերջնական կարճ ցուցակի տրամաբանությունը պետք է հիմնվի ամբողջովին էմպիրիկ ապացույցների վրա: Երբեք մի գնեք կամ պայմանագիր կնքեք կերամիկական զննման սարքավորումների վրա, որոնք հիմնված են միայն փայլուն տեխնիկական թերթիկների վրա: Կերամիկան ներկայացնում է եզակի օպտիկական մարտահրավերներ, որոնք ստանդարտ PCB ալգորիթմները պարզապես չեն կարող հաղթահարել: Օգտագործելով կառուցված փորձնական խմբաքանակներ, խիստ թերությունների տաքսոնոմիաներ և խիստ Gage R&R չափումներ՝ դուք պաշտպանում եք ձեր արտադրական գիծը աղետալի դաշտերից և օպերատորի հոգնածությունից:

Ձեր անմիջական հաջորդ քայլը կենդանի, փաստագրված ցույց պահանջելն է: Ստիպեք վաճառողին օգտագործել ձեր հատուկ կերամիկական ենթաշերտի նմուշները, ներառյալ լավ տախտակները և ծայրամասի թերությունները: Թույլ մի տվեք նրանց փորձարկել՝ օգտագործելով իրենց նախապես օպտիմիզացված ցուցադրական վահանակները: Նրանցից պահանջեք տրամադրել համապարփակ վիճակագրական հաշվետվություն, որը կհաստատի, որ իրենց համակարգը կարող է բավարարել ձեր պահանջվող UPH թիրախները՝ միաժամանակ պահպանելով կեղծ զանգերի ընդունելի տոկոսադրույքը:

ՀՏՀ

Հարց. Կարո՞ղ է ռենտգեն հետազոտությունը փոխարինել AOI-ին կերամիկական ենթաշերտերի համար:

A: Ոչ: Ռենտգեն (AXI) անհրաժեշտ է զոդման հոդերի կամ լցոնումների միջոցով թաքնված բացերը հայտնաբերելու համար: Այնուամենայնիվ, օպտիկական ստուգումը մնում է խիստ պարտադիր մակերևույթի թերության բարձր արագությամբ հայտնաբերման, քերծվածքների նույնականացման և հետքի չափման համար: Երկու տեխնոլոգիաները փոխլրացնող են, փոխանակելի չեն:

Q: Ո՞րն է ընդունելի կեղծ զանգի դրույքաչափը կերամիկական AOI-ի համար:

A. Չնայած արտադրանքի բարդությունից մեծապես կախված է, լավ կարգավորված համակարգը, որն օգտագործում է խորը ուսուցում կերամիկայի վրա, սովորաբար նպատակաուղղված է 3-5%-ից պակաս կեղծ զանգերին: Նախնական կարգավորումները կարող են սկսել շատ ավելի բարձր, քանի դեռ ալգորիթմները չեն սովորել ձեր արտադրության կոնկրետ տարբերությունը:

Q: Որքա՞ն ժամանակ պետք է տևի ստանդարտ AOI վավերացման փուլը:

A: Կախված ձեր արատների տաքսոնոմիայի բարդությունից և AI ուսուցման պահանջներից, պատշաճ վավերացման փուլը սովորաբար տևում է 2-ից 4 շաբաթ: Սա բավականաչափ ժամանակ է տալիս կրկնվող փորձարկման, ֆիզիկական նմուշի գործարկումների և անհրաժեշտ ալգորիթմական թյունինգի համար: