CN110297013A - 焊锡制程方法 - Google Patents

Abstract

一种焊锡制程方法，包含以下步骤：测量一焊锡结构生成的温度曲线；检测并记录焊锡结构的最终成品；使用机器学习方式比对分析多个焊锡结构的温度曲线与对应的焊锡结构的最终成品之间的关系以找出焊锡结构的最终成品符合品管要求的一最佳温度曲线模型。

Description

焊锡制程方法

技术领域

本发明涉及一种焊锡制程方法，特别涉及一种控制焊锡品质的方法。

背景技术

焊锡作业在电子产品生产过程中为一必须作业流程，无论是在穿孔元件或贴片元件皆须通过此程序将元件固定于电路板上。焊点品质的优劣悠关产品的效能及寿命，故此制程的作业品质深受重视。目前在产线上，针对焊锡进行检测的方式主要有：在线测试(In-Circuit-Test，简称ICT测试)、X光(X-RAY)检测及自动光学检查(Automated OpticalInspection，简称AOI检测)。但在执行检测作业时，上述检测方式皆各有所限制。

ICT测试属于电性测试，通过事先在电路板上设计好的测试点，使用探针与电性检测设备来检测元件电路情况，了解是否有开路或短路问题。在设备成本考量上，ICT检测设备及治具费用昂贵，需要大量生产的产线才能负担成本。X-RAY检测属于穿透式非破坏性检测，可对焊点进行内部影像观察，包括是否有气泡、锡桥、焊料不足…等，但无法对于空焊或冷焊进行有效的检出。而AOI检测则属于光学影像检测，仅能对焊点外观进行检测，对于焊锡点内部问题或接合面皆无法检测，目前除了2D影像之外，亦有提出使用3D复杂影像技术，利用立体影像进行焊点观察，但检出成效仍不显著。因仅凭外观来检测焊锡，其实差异并不大，使得AOI检测参数难以调教，误判率高。

发明内容

本发明提出一种焊锡制程方法，解决现有技术的问题。

于本发明的一实施例中，一种焊锡制程方法包含以下制程方法。测量一焊锡结构生成的温度曲线。检测并记录焊锡结构的最终成品。使用机器学习方式比对分析多个焊锡结构的温度曲线与对应的焊锡结构的最终成品之间的关系以找出焊锡结构的最终成品符合品管要求的一最佳温度曲线模型。

于本发明的一实施例中，一种焊锡制程方法包含以下制程方法。测量一焊锡结构生成的温度曲线。检测并记录焊锡结构的最终成品。使用机器学习方式比对分析多个焊锡结构的温度曲线与对应的焊锡结构的最终成品之间的关系以找出焊锡结构的最终成品被判断为符合或不符合品管要求状况的分类温度曲线模型。

于本发明的一实施例中，使用非接触方式测量焊锡结构生成的温度曲线。

于本发明的一实施例中，焊锡结构生成的温度曲线例如是加温、进锡以及/或冷却的温度曲线。

于本发明的一实施例中，机器学习方式包含监督式学习。

于本发明的一实施例中，加热焊锡结构使其温度曲线符合最佳温度曲线模型。

于本发明的一实施例中，使用激光或烙铁加热焊锡结构。

于本发明的一实施例中，使用红外线温度计测量焊锡结构生成的温度曲线。

于本发明的一实施例中，不符合品管要求状况包含焊锡结构的锡爆、空焊、冷焊或无焊锡。

于本发明的一实施例中，使用锡爆的分类温度曲线模型藉以判断焊锡结构的最终成品是否具有锡爆的状况。

于本发明的一实施例中，使用空焊的分类温度曲线模型藉以判断焊锡结构的最终成品是否具有空焊的状况。

于本发明的一实施例中，使用冷焊的分类温度曲线模型藉以判断焊锡结构的最终成品是否具有冷焊的状况。

于本发明的一实施例中，使用无焊锡的分类温度曲线模型藉以判断焊锡结构的最终成品是否具有无焊锡的状况。

综上所述，本发明利用机器学习作为产生温度曲线模型的方式，也可以使用或从机器学习模型再加入焊锡经验整合成知识库，根据知识库所建立的判断规则，来分析此次焊锡成效。与传统焊锡检测方法相比，本案将焊锡过程最重要的因素温度作为考量因素，从加温进锡到冷却，每个时间点的温度曲线将其记录判断，藉此分析实际现象导致的温度改变合理性，优于传统只能从最后的结果判断方式，并且解决传统方式的检测限制。

以下将以实施方式对上述的说明作详细的描述，并对本发明的技术方案提供更进一步的解释。

附图说明

为让本发明的上述和其他目的、特征、优点与实施例能更明显易懂，附图的说明如下：

图1是绘示依照本发明一实施例的一种焊锡制程的机器学习的训练方法；

图2是绘示依照本发明另一实施例的一种焊锡制程的机器学习的训练方法；

图3是绘示依照本发明一实施例的一种焊锡制程的焊锡结构不良状况的检测方法；

图4是绘示依照本发明一实施例的一种焊锡结构的最终成品符合品管要求的最佳温度曲线模型；

图5是绘示依照本发明一实施例的一种焊锡结构的最终成品被判断为无焊锡的分类温度曲线模型；以及

图6是绘示依照本发明一实施例的一种焊锡结构的最终成品被判断为空焊的分类温度曲线模型。

附图标记说明：

为让本发明的上述和其他目的、特征、优点与实施例能更明显易懂，所附符号的说明如下：

100：训练方法

102：步骤

104：步骤

106：步骤

200：训练方法

202：步骤

204：步骤

206：步骤

300：检测方法

302：步骤

304：步骤

402：进锡阶段

404：浸润阶段

406：冷却阶段

408：固化转换阶段

502：冷却阶段

602：冷却阶段

具体实施方式

为了使本发明的叙述更加详尽与完备，可参照所附的附图及以下所述各种实施例，附图中相同的号码代表相同或相似的元件。另一方面，众所周知的元件与步骤并未描述于实施例中，以避免对本发明造成不必要的限制。

本发明提出一种利用温度曲线判别焊锡品质且提升焊锡品质的焊锡制程方法。此焊锡制程方法包含前置的训练方法与后续的检测或生成焊锡的方法。

请参照图1，其绘示依照本发明一实施例的一种焊锡制程的机器学习的训练方法。训练方法100为一种机器学习的训练方法，使用例如监督式学习(supervised learning)找出焊锡制程所需的温度曲线模型。

在步骤102中，测量一焊锡结构生成的温度曲线。测量温度方式可以是接触式或非接触式的测量温度方式，在生产制程中，非接触式的测量温度方式具有较不影响现有制程的优点。非接触式的测量温度方式例如可以是红外线温度测量，但不以此为限。焊锡结构生成的温度曲线例如是加温、进锡以及/或冷却等的温度曲线。

在步骤104中，检测并记录焊锡结构的最终成品。检测焊锡结构最终成品的方法可以是前述的ICT测试、X-RAY检测、AOI检测或焊锡切片检测等。

在步骤106中，使用机器学习方式比对分析多个焊锡结构的温度曲线与对应的焊锡结构的最终成品之间的关系以找出焊锡结构的最终成品符合品管要求的一最佳温度曲线模型，例如是使用回归模型法(regression model)。具体而言，训练方法100可以在焊锡生产线中，取样测量多个焊锡结构生成的温度曲线，后续并检测并记录该些焊锡结构的最终成品。通过机器学习方式比对分析多个焊锡结构的温度曲线与对应的焊锡结构的最终成品测试结果之间的关系以找出焊锡结构的最终成品符合品管要求的一最佳温度曲线模型。

在实际的焊锡生产线中，可能有少数的焊锡结构的最终成品不符合品管要求，仍然需作类似训练方法100的动作，具体参照图2，其绘示依照本发明另一实施例的一种焊锡制程的机器学习的训练方法200。

在步骤202中，测量一焊锡结构生成的温度曲线。测量温度方式可以是接触式或非接触式的测量温度方式，在生产制程中，非接触式的测量温度方式具有较不影响现有制程的优点。非接触式的测量温度方式例如可以是红外线温度测量，但不以此为限。焊锡结构生成的温度曲线例如是加温、进锡以及/或冷却等的温度曲线。

在步骤204中，检测并记录焊锡结构的最终成品。检测焊锡结构最终成品的方法可以是前述的ICT测试、X-RAY检测、AOI检测、焊锡切片检测或上述两种以上的检测组合等。在此需特别说明的是，X-RAY检测、AOI检测以及焊锡切片检测的测试结果为影像，但是ICT测试的测试结果为电性测试，判断焊锡结构是否有短路、断路或开路。

在步骤206中，使用机器学习方式比对分析多个焊锡结构的温度曲线与对应的焊锡结构的最终成品之间的关系以找出焊锡结构的最终成品被判断为不符合品管要求状况的分类温度曲线模型(classification model)。具体而言，训练方法200可以在焊锡生产线中，取样测量多个焊锡结构生成的温度曲线，后续并检测并记录该些焊锡结构的最终成品被判断为不符合品管要求状况。通过机器学习方式比对分析多个焊锡结构的温度曲线与对应的焊锡结构的最终成品被判断为不符合品管要求状况测试结果之间的关系以找出焊锡结构的最终成品的各种状况的分类温度曲线模型(classification model)。

训练方法200的上述不符合品管要求状况包含焊锡结构的锡爆、空焊、冷焊或无焊锡等状况，但不以此为限。「锡爆」是指焊锡制程中焊锡结构爆裂溅锡的状况；「空焊」是指焊锡结构从外观看来是符合品管要求的，但若切开焊锡结构，焊锡结构的内部是中空的；「冷焊」是指焊锡制程中焊锡结构因为散热太快而无法累积热能到达焊锡熔化温度，而造成的焊锡结构缺陷；「无焊锡」是指焊锡制程中欲焊接的位置并不存在焊锡，例如锡丝用完了、或者是送锡机构卡住、又或者是锡膏没有涂布完全等，而造成的品质缺陷。

上述训练方法100所得出的焊锡结构的最终成品符合品管要求的最佳温度曲线模型。最佳温度曲线模型例如是一个数学多项式或片段多项式，来符合完美(或符合品管要求)焊点时的温度曲线。最佳温度曲线模型于后续实际生产实可以使用此曲线为标准，即加热焊锡结构使其温度曲线符合最佳温度曲线模型。加热焊锡结构的方式可以是使用激光加热，或者是使用烙铁加热。

举例而言，若某阶段的温度曲线偏离最佳温度曲线模型时，在以激光加热焊锡结构的制程中，可实时调整激光的光束直径或功率以修正焊锡结构的温度曲线。若以烙铁加热焊锡结构的制程，则可利用调整供电瓦数或烙铁笔笔头的形状或大小以修正焊锡结构的温度曲线，藉以减少不良率或重工率。

上述训练方法200所得出的焊锡结构的最终成品的各种状况的分类温度曲线模型则用以预测或判断不良焊锡结构的种类，藉以减少检测成本并利于安排正确的重工方式，具体如图3的检测方法300。

请参照图3，其绘示依照本发明一实施例的一种焊锡制程的焊锡结构不良状况的检测方法300。

在步骤302中，测量一焊锡结构生成的温度曲线。测量温度方式可以是接触式或非接触式的测量温度方式，在生产制程中，非接触式的测量温度方式具有较不影响现有制程的优点。非接触式的测量温度方式例如可以是红外线温度测量，但不以此为限。焊锡结构生成的温度曲线例如是加温、进锡以及/或冷却等的温度曲线。

在步骤304，将步骤302所得出的温度曲线与各种不良焊锡结构的各种状况的分类温度曲线模型以找出最贴近的状况。例如，不符合品管要求状况包含焊锡结构的锡爆、空焊、冷焊或无焊锡等，将步骤302所得出的温度曲线与锡爆的分类温度曲线模型、空焊的分类温度曲线模型、冷焊的分类温度曲线模型或无焊锡的分类温度曲线模型逐一比对后判断焊锡结构的不良状况。

请参照图4，其绘示依照本发明一实施例的一种焊锡结构的最终成品符合品管要求的最佳温度曲线模型。此最佳温度曲线模型是以激光加热焊锡结构的制程所得出的温度曲线模型。此温度曲线模型包含进锡阶段402的温度曲线、(焊锡)浸润阶段404的温度曲线以及(焊锡)固化转换阶段408的温度曲线。其中浸润阶段404又可称为吸热或活性阶段。此温度曲线模型仅为激光加热焊锡制程的最佳温度曲线模型的示例，并不代表所有焊锡制程的最佳温度曲线模型，也不用以限制最佳温度曲线的模型样式。例如，进锡阶段402可能不适用其他焊锡制程，即不具有进锡阶段短暂温度下降的温度曲线。

请参照图5，其绘示依照本发明一实施例的一种焊锡结构的最终成品被判断为无焊锡的分类温度曲线模型。所谓「无焊锡」表示焊接过程中，欲焊接的位置并不存在焊锡而造成的品质缺陷。「无焊锡」的分类温度曲线模型的主要特征在于「无明显的固化转换阶段」。具体而言，当比较图4的冷却阶段406与图5的冷却阶段502，冷却阶段502并无类似图4的固化转换阶段408的温度曲线模型(即短暂维持约略相同温度)。

请参照图6，其绘示依照本发明一实施例的一种焊锡结构的最终成品被判断为空焊的分类温度曲线模型。所谓「空焊」是指焊锡结构从外观看来是符合品管要求的，但若切开焊锡结构，焊锡结构的内部是中空的。「空焊」的分类温度曲线模型的主要特征在于「冷却阶段温度下降缓慢」。具体而言，当比较图4的冷却阶段406与图6的冷却阶段602，冷却阶段602明显较冷却阶段406温度下降缓慢。

上述虽然只绘示空焊、无焊锡等不符合品管要求状况的温度曲线，锡爆的分类温度曲线模型或冷焊的分类温度曲线模型亦能以上述机器学习的训练方法分别找出。

综上所述，本发明利用机器学习作为产生温度曲线模型的方式，也可以使用或从机器学习模型再加入焊锡经验整合成知识库，根据知识库所建立的判断规则，来分析此次焊锡成效。与传统焊锡检测方法相比，本案将焊锡过程最重要的因素温度作为考量因素，从加温进锡到冷却，每个时间点的温度曲线将其记录判断，藉此分析实际现象导致的温度改变合理性，优于传统只能从最后的结果判断方式，并且解决传统方式的检测限制。

虽然本发明已以实施方式公开如上，然其并非用以限定本发明，任何本领域技术人员，于不脱离本发明的精神和范围内，当可作各种的变动与润饰，因此本发明的保护范围当视所附的权利要求所界定者为准。

Claims (14)

1.一种焊锡制程方法，包含：

测量一焊锡结构生成的温度曲线；

检测并记录该焊锡结构的最终成品；以及

使用机器学习方式比对分析多个该焊锡结构的温度曲线与对应的该焊锡结构的最终成品之间的关系以找出该焊锡结构的最终成品符合品管要求的一最佳温度曲线模型。

2.一种焊锡制程方法，包含：

测量一焊锡结构生成的温度曲线；

检测并记录该焊锡结构的最终成品；以及

使用机器学习方式比对分析多个该焊锡结构的温度曲线与对应的该焊锡结构的最终成品之间的关系以找出该焊锡结构的最终成品被判断为不符合品管要求状况的分类温度曲线模型。

3.如权利要求1或2所述的方法，其中该焊锡结构生成的温度曲线为选自加温、进锡或冷却的温度曲线所组成的群组之一或其结合。

4.如权利要求1或2所述的方法，还包含：

该机器学习方式包含监督式学习。

5.如权利要求1所述的方法，还包含：

加热该焊锡结构使其温度曲线符合该最佳温度曲线模型。

6.如权利要求1或2所述的方法，还包含：

加热该焊锡结构。

7.如权利要求6所述的方法，还包含：

使用激光或烙铁加热该焊锡结构。

8.如权利要求1或2所述的方法，还包含：

使用非接触方式测量该焊锡结构生成的温度曲线。

9.如权利要求1或2所述的方法，还包含：

使用红外线温度计测量该焊锡结构生成的温度曲线。

10.如权利要求2所述的方法，其中该不符合品管要求状况包含该焊锡结构的锡爆、空焊、冷焊或无焊锡。

11.如权利要求10所述的方法，还包含：

使用该锡爆的分类温度曲线模型藉以判断该焊锡结构的最终成品是否具有锡爆的状况。

12.如权利要求10所述的方法，还包含：

使用该空焊的分类温度曲线模型藉以判断该焊锡结构的最终成品是否具有空焊的状况。

13.如权利要求10所述的方法，还包含：

使用该冷焊的分类温度曲线模型藉以判断该焊锡结构的最终成品是否具有冷焊的状况。

14.如权利要求10所述的方法，还包含：

使用该无焊锡的分类温度曲线模型藉以判断该焊锡结构的最终成品是否具有无焊锡的状况。