CN103676868A

CN103676868A - 一种fpc制造关键工序自动监控与智能分析系统

Info

Publication number: CN103676868A
Application number: CN201310661277.4A
Authority: CN
Inventors: 胡跃明; 齐雯; 罗家祥
Original assignee: South China University of Technology SCUT
Current assignee: South China University of Technology SCUT
Priority date: 2013-12-09
Filing date: 2013-12-09
Publication date: 2014-03-26
Anticipated expiration: 2033-12-09
Also published as: CN103676868B

Abstract

本发明公开了一种FPC制造关键工序自动监控与智能分析系统，包括工序监控触发模块、数据采集模块、数据存储模块、数据智能分析模块、评价模块。通过所述的工序监控触发模块、数据采集模块、数据存储模块、数据智能分析模块、评价模块可有效解决通过FPC精细线路的线宽、线距等物理参数和主要FPC缺陷类型如导线锯齿、线路缺少、残铜等的监控和分析，实现对FPC制造关键工序的工作健康状况的判断和评价，对工序异常情况做到及早的预防和控制，从而提高整个FPC制造过程的稳定性、效率和产品良率。

Description

一种FPC制造关键工序自动监控与智能分析系统

技术领域

本发明涉及柔性电路板（FPC）制造关键工序的自动监控技术领域，尤其是指一种通过对关键工序对应的FPC物理参数和缺陷数据的监控和进行智能分析，实现对FPC制造过程中的工序异常状况进行早期预防和控制的自动监控系统，需要用到信号分析技术、统计过程控制分析技术、状态识别方法等。

背景技术

业内习知，FPC的制造加工工艺较为复杂，就一般的制造流程而言，需经过铜箔开料、钻孔、压干膜、曝光、显影刻蚀、在线检测、剥膜、贴覆盖膜、电镀、外型冲切和测试等工序。FPC的制造水平主要由精细线路的制造水平决定，因此精细线路的制造工序成为FPC制造过程中的关键工序，主要包括：激光钻孔、曝光、显影刻蚀。这些工序的工作状态是FPC良率的决定因素。

FPC制造过程精密，为了实现制造的稳定性和高度自动化，提高FPC良率，从制造过程中FPC的主要物理参数和缺陷出发，对关键工序进行监控，以便在出现关键工序异常时及时采取应急措施，以降低产线故障的风险，将有助于降低企业成本，越来越受到企业重视。在FPC生产的整个流程中涉及到的FPC参数包括线宽、线距和孔径大小等，涉及到的产品缺陷主要包括导线锯齿、线路缺少、残铜、线路损伤、金面贴锡等。对这些FPC关键参数和缺陷的监控和分析，可推测出关键工序在制造过程中的健康状况。

在现阶段的FPC制造行业中，一方面物理参数和缺陷数据往往孤立地存在，几乎没有企业对这些数据加以利用，另一方面FPC关键工序需要监控，其基本任务包括运行状态监控、状态异常检测以及异常的早期预报和控制。针对FPC制造流程，利用关键工序的FPC参数数据和生产过程中的FPC缺陷数据，通过统计过程控制和信号分析方法，判断出关键工艺的状态异常，对工序的健康状况进行评估，从而进行异常的早期预报和控制，实现关键工序的自动化监控。

发明内容

本发明的目的在于克服现有技术的不足，提供一种能提升生产线自动管理能力、实现关键工序早期异常判断和控制的FPC制造关键工序自动监控与智能分析系统。

为实现上述目的，本发明所提供的技术方案为：一种FPC制造关键工序自动监控与智能分析系统，包括：

工序监控触发模块，用于触发FPC检测装置发生动作；

数据采集模块，用于采集FPC制造过程中的关键物理参数和缺陷数据；

数据存储模块，用于对采集的FPC关键物理参数数据、缺陷数据和智能分析结果进行管理，以实现对数据的查询、筛选和展示；

数据智能分析模块，采用统计控制、HHT变换和神经网络的方法对数据进行分析，计算工序制程能力的评价要素；

评价模块，根据数据智能分析模块的评价结果，对关键工序的健康状况做出综合评价，判断出异常状况，实现制造过程的自动监控。

所述数据采集模块通过FPC检测装置和质量检测手段采集与各关键工序对应的FPC关键物理参数和FPC缺陷数据，其中，所述FPC关键物理参数包括铜线的线宽、线距、孔径大小；所述FPC缺陷数据包括导线锯齿、线路缺少、残铜、线路损伤、金面贴锡；不同的工序对应的相关FPC物理参数和缺陷类型不完全相同。

所述数据存储模块存储FPC制造过程中的FPC关键物理参数和主要缺陷，以及对数据进行智能分析的中间数据和分析结果；同时，也存储了FPC关键物理参数和主要缺陷在各制造工序健康工作状态下的标准数据，用于实现对数据的比较；其可对数据进行查询和筛选，可对数据进行预处理，以便进行数据分析。

所述数据智能分析模块包括：

判断计算模块，使用统计控制方法判断采集的数据的统计特征，同时通过HHT分析方法对采集的信号进行精确变换，提取信号特征；

统计模块，统计生产线的缺陷率、物理参数范围、CPK制程能力，根据信号特征采用神经网络的方法对工序健康状态进行识别，得出初步结论移交评价模块。

所述FPC检测装置能够检测出被测对象的主要缺陷和物理参数信号并形成文档数据。

本发明与现有技术相比，具有如下优点与有益效果：

1、将生产过程中的FPC关键物理参数和FPC缺陷信息进行综合分析，对关键工序进行健康状况评价，做到信息及时反馈和工序异常的早期预报；

2、通过该自动监控和智能分析系统，提高生产过程的信息化、自动化，提高实时性管理；降低生产线故障风险，从而降低生产成本，提高生产效率。

附图说明

图1为本发明的流程框图。

图2为本发明FPC制造过程的自动监控系统流程图。

图3为本发明FPC制造过程的自动监控系统内部数据流程图。

具体实施方式

下面结合具体实施例对本发明作进一步说明。

参见图1所示，本实施例所述的FPC制造关键工序自动监控与智能分析系统，包括：

工序监控触发模块，用于要求采集某关键工序相关数据时，触发系统的数据采集模块，触发FPC检测装置发生动作；

数据智能分析模块，采用统计控制、HHT变换和神经网络的方法对数据进行分析，计算工序制程能力等评价要素；

所述数据采集模块通过FPC检测装置和质量检测手段采集与各关键工序对应的FPC关键物理参数和FPC缺陷数据，其中，所述FPC关键物理参数包括铜线的线宽、线距、孔径大小等；所述FPC缺陷数据包括导线锯齿、线路缺少、残铜、线路损伤、金面贴锡等；不同的工序对应的相关FPC物理参数和缺陷类型不完全相同。

所述数据智能分析模块包括：

所述FPC检测装置为AOI（自动光学检测）、成品质量检测或者具体物理参数的检测设备，能够检测出被测对象的主要缺陷和物理参数信号并形成文档数据，具有高可靠性、高精度、低成本等特点。

参见图2所示，对某个关键工序进行监控时，本实施例上述的FPC制造关键工序自动监控与智能分析系统的具体情况如下：

步骤S1，采集FPC关键物理参数和FPC缺陷数据，通过相应工序识别码触发数据采集模块，由数据采集模块通过FPC检测装置和质量检测手段采集与各关键工序对应的FPC关键物理参数和FPC缺陷数据。

步骤S2，将以上采集的数据放入数据存储模块中，更新系统中通过其他手段收集的FPC缺陷数据。

步骤S3，对FPC关键物理参数和FPC缺陷数据进行分析，采用统计控制分析方法，计算出数据的特征，如均值、方差等；运用HHT变换，对数据提取幅值、频率等信号特征。

步骤S4，计算CPK制程能力、生产线的缺陷率、关键物理参数的范围；根据信号特征采用自适应神经网络的方法对工序状态进行识别，判断关键工序是否处于稳定的工作状态。

步骤S5，在系统的评价模块中，对某个关键工序，从数据存储模块中选择该工序对应的数据分析结果，从数据的统计特性、CPK制程能力、工序健康状态等以图形、表格形式展示，并进行综合评价。

此外，本发明所述的FPC制造关键工序自动监控及智能分析系统，将对监控FPC生产过程中的刻蚀显影工序的运行状态进行监控。如上所述FPC关键工序的自动监控方法执行以下步骤：步骤S1，采集刻蚀显影工序的关键工序参数和FPC缺陷信号：FPC刻蚀显影后的铜线线宽、刻蚀显影工序的缺陷数据、产品质量检测出的缺陷数据；步骤S2，将以上采集所得的线宽和缺陷数据存入数据存储模块，利用数据存储模块进行初步的查询和筛选；步骤S3，基于统计控制方法计算线宽数据的特征，如均值、方差等；采用HHT的信号分析方法分析出线宽变化的幅值、频率等特征；步骤S4，在工序的统计模块中，计算刻蚀显影的缺陷率、CPK制程能力等，根据线宽变化幅值、频率信息、刻蚀显影工序的缺陷率、FPC缺陷数据等，采用自适应神经网络的识别方法，对工序健康状态进行识别；步骤S5，将线宽的均值、方差与工序正常生产情况下的标准进行对比，综合自适应神经网络方法识别出的工序健康状态，判断出该刻蚀显影工序是否存在状态异常，若出现状态异常，则进行异常的早期预报和控制，实现刻蚀显影工序的自动化监控。

由上述情况可以看出本发明提供的FPC制造关键工序自动监控及智能分析系统可以用于监测FPC生产工序的FPC参数和缺陷，并对数据进行分析，对工序的健康状况做出综合评价。若系统得出工序生产有异常，就会给出警告，提醒工作人员检查。因此，本发明的FPC制造关键工序自动监控及智能分析系统可以解决背景技术中所涉及的FPC制造过程中对关键工序的自动监控。该系统做到了监控关键工序的监控状态，从而减少了因个别关键工序存在故障而导致整个FPC制造产线停止和良率减小的风险，提高整个加工过程的稳定性和FPC良率。本发明的FPC关键工序自动化监控并不局限于从上述物理参数和缺陷的数据分析监控一个关键工序，而可以从制造企业要求监控的工序出发，采集工序的关键参数和FPC缺陷，对这些数据进行智能分析，并对工序工作健康状况进行监控。

参见图3所示，显示了本实施例上述FPC制造关键工序自动监控及智能分析系统的内部数据流程，其具体情况如下：触发信号被送入工序监控触发模块，工序触发装置启动数据采集模块采集工件的物理参数和缺陷数据；接着将这些数据送入数据存储模块，将这些数据与数据存储模块中的基准数据对比，剔除采集错误数据，并将初整理数据送到分析模块分析信号特征；分析模块中的判断计算步骤通过统计控制方法和HHT方法对送入的信号分别进行粗略和详细的判断，并将判断结果传入统计分析步骤中；在统计分析步骤中，使用自适应神经网络和CPK计算的方法，对整个工件生产过程的关键工序物理参数和FPC缺陷进行计算，统计其缺陷率等，并将这些数据传入评价步骤；在评价模块中，具体将上一步的计算结果进行综合评定，对关键工序工作健康状况的综合评价，判断出异常状况，给出评价结果。

总之，综上所述，本发明的FPC制造关键工序自动监控及智能分析系统可有效解决通过FPC精细线路的线宽、线距等物理参数和主要FPC缺陷类型如导线锯齿、线路缺少、残铜等的监控和分析，实现对FPC制造关键工序的工作健康状况的判断和评价，对工序异常情况做到及早的预防和控制，从而提高整个FPC制造过程的稳定性、效率和产品良率。这相比现有技术，本发明是一款为FPC制造产业量身定制的专业监控和智能分析系统，值得推广。

以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims

1.一种FPC制造关键工序自动监控与智能分析系统，其特征在于，包括：

工序监控触发模块，用于触发FPC检测装置发生动作；

2.根据权利要求1所述的一种FPC制造关键工序自动监控与智能分析系统，其特征在于：所述数据采集模块通过FPC检测装置和质量检测手段采集与各关键工序对应的FPC关键物理参数和FPC缺陷数据，其中，所述FPC关键物理参数包括铜线的线宽、线距、孔径大小；所述FPC缺陷数据包括导线锯齿、线路缺少、残铜、线路损伤、金面贴锡；不同的工序对应的相关FPC物理参数和缺陷类型不完全相同。

3.根据权利要求1所述的一种FPC制造关键工序自动监控与智能分析系统，其特征在于：所述数据存储模块存储FPC制造过程中的FPC关键物理参数和主要缺陷，以及对数据进行智能分析的中间数据和分析结果；同时，也存储了FPC关键物理参数和主要缺陷在各制造工序健康工作状态下的标准数据，用于实现对数据的比较；其可对数据进行查询和筛选，可对数据进行预处理，以便进行数据分析。

4.根据权利要求1所述的一种FPC制造关键工序自动监控与智能分析系统，其特征在于，所述数据智能分析模块包括：

5.根据权利要求1或2所述的一种FPC制造关键工序自动监控与智能分析系统，其特征在于：所述FPC检测装置能够检测出被测对象的主要缺陷和物理参数信号并形成文档数据。