[发明专利]基于SMT大数据的锡膏检测阈值优化方法

说明书

本发明提出了一种基于SMT大数据的锡膏检测阈值优化方法，主要解决传统人工经验的SPI阈值设置方法，不能有效在PCB板印刷过程中发现潜在的不良及降低由锡膏量引起的虚焊和连锡缺陷等问题。其实现方案是：构建阈值估计数据包；估计SPI参数状态；优化SPI阈值，以SPI检测值为操作变量，使误判率和漏判率的总和达到最低时所对应的值为目标函数，运用遗传算法对目标函数进行优化，求取最优阈值，将求取的最优阈值设定为表面贴装技术的SPI阈值。本发明方案设计严谨、完整，阈值设置方法具有理论性和可行性，能有效控制由锡膏量引起的虚焊和连锡等缺陷流入表面贴装过程SMT后续工序，提高了印刷电路板PCB整体良率。

技术领域

本发明属于工业大数据技术领域，主要涉及检测阈值的优化，具体是一种基于SMT大数据的锡膏检测阈值优化方法，用于对表面贴装技术SMT的锡膏检测SPI阈值的优化。

背景技术

SMT生产误差分布于各个组装工序的各个环节。而锡膏印刷作为SMT工艺流程的第一道工序，由于印刷工艺过程受多种不确定的工艺参数的影响(如刮刀、印刷速度、钢网、开孔的宽厚比和面积比等)，而参数设置与操作人员的专业知识和经验存在较大的关系，所以印刷过程是SMT工艺质量控制的关键环节。锡膏检测SPI可测量锡膏厚度、锡膏面积、锡膏体积等特征量，检测多锡、少锡、锡膏桥接等缺陷。若印制电路板PCB上锡膏有上述缺陷发生，则需要清洗PCB板，重新印刷锡膏，极大的影响了生产效率。锡膏的量与虚焊、连锡等缺陷有很大的关系。通过对SPI阈值进行合理优化，较好地监控PCB电路板上锡膏的状态，对于异常锡膏点及时返工，能极大地降低返修成本，提高了PCB电路板的合格率。

目前，对SPI阈值的设定主要依据人工经验法。首先根据人工经验设定一个大致范围，然后试印刷一块PCB电路板，根据告警率和误报率是否超出预期设定值来调整阈值区间。传统的人工经验，缺乏理论指导，使SPI设备常有误判和漏判发生，进而真实的缺陷被人为放过，流入后续工位，降低了产品最终良率。此外，锡膏印刷标准IPC-7527也存在锡膏量检测标准的缺失。

传统人工经验的SPI阈值设置方法缺乏理论指导，带有一定的盲目性，很难通过数据分析的手段得出合理的检测阈值。若检测阈值设置不合理，不能有效在印刷过程中发现潜在的不良，PCB板流入回流焊等后续工序后，会发生虚焊和连锡等缺陷，虚焊和连锡等缺陷需要人工维修，极大降低了生产效率和SMT产品整体良率，难以满足对生产效率及产品质量的需求。

发明内容

本发明的目的在于针对上述现有技术的问题，提出一种提高锡膏印刷产品质量，降低误报率的基于SMT大数据的SPI阈值优化方法。

本发明是一种基于SMT大数据的SPI阈值优化方法，其特征在于，包括有如下步骤：

(1)构建阈值估计数据包：

(1a)数据收集：针对同种封装类型的表面贴装技术印刷的焊盘，收集SMT生产线三个主要工位相关数据，分别是SPI检测数据、AOI自动光学检测数据及Repair维修数据；

(1b)数据关联：对SPI检测数据、AOI检测数据及Repair维修数据三个数据中共有的PCB板编号字段将数据关联成以PCB板编号为标记的焊盘数据；

(1c)数据分类：将关联后的焊盘SPI检测值，根据是否发生缺陷划分为正常数据和异常数据；

(1d)数据预处理：对正常数据和异常数据进行离群点剔除和数据去重，形成正常数据和异常数据的阈值估计数据包；

(2)SPI参数状态估计：

(2a)数据抽样：根据正常数据和异常数据的具体情况，选取适当的抽样方法解决数据类不平衡问题；

(2b)数据归一化：对正常数据和异常数据阈值估计数据包的数据进行归一化处理；

(2c)确定最优窗宽：根据窗宽最优公式，分别计算正常数据和异常数据的最优窗宽；