CN111125941A - 一种csp焊点焊后残余应力测量方法 - Google Patents

一种csp焊点焊后残余应力测量方法 Download PDF

Info

Publication number
CN111125941A
CN111125941A CN201910608336.9A CN201910608336A CN111125941A CN 111125941 A CN111125941 A CN 111125941A CN 201910608336 A CN201910608336 A CN 201910608336A CN 111125941 A CN111125941 A CN 111125941A
Authority
CN
China
Prior art keywords
csp
residual stress
welding
solder joint
post
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910608336.9A
Other languages
English (en)
Other versions
CN111125941B (zh
Inventor
黄春跃
赵胜军
唐香琼
付玉祥
高超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN201910608336.9A priority Critical patent/CN111125941B/zh
Publication of CN111125941A publication Critical patent/CN111125941A/zh
Application granted granted Critical
Publication of CN111125941B publication Critical patent/CN111125941B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • G06N3/084Backpropagation, e.g. using gradient descent

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Investigating And Analyzing Materials By Characteristic Methods (AREA)

Abstract

本发明提供了一种CSP焊点焊后残余应力测量方法,首先确定对CSP焊点焊后残余应力值有影响的影响因素,再选取灵敏度分析结果中对焊后残余应力影响显著的显著影响因素,建立带动量项BP神经网络,通过对训练后输出值和目标输出值的相关性进行线性回归分析,以在显著影响因素与残余应力值之间建立起非线性映射关系,以实现对CSP焊点焊后残余应力的预测,为进一步深入研究CSP焊点焊后残余应力进而提高CSP焊点服役后可靠性提供理论指导。

Description

一种CSP焊点焊后残余应力测量方法
技术领域
本发明涉及电子元器件封装技术领域,尤其涉及一种CSP焊点焊后残余应力测量方法。
背景技术
随着电子产品不断向微型化、轻薄化、多功能化与高可靠性方向的发展,使得封装技术中高密度、高精度、细间距和微尺度成为了必然趋势。芯片尺寸封装(Chip ScalePackage:CSP)作为一种新型封装技术由此而出现并得到日益广泛应用,具有超小型封装、封装密度高和电热性能良好等优势。CSP封装结构中互连焊点(即CSP焊点)直接承担着电气连接、机械支撑及散热作用,通常CSP器件失效大都是由于焊点失效所引起的。CSP器件组装过程中,焊点在再流焊过程中会经历固态到熔融而又冷凝的过程,在焊接完成后焊点内会产生并累积不小的内应力即焊后残余应力,残余应力的存在将会引起焊点的损伤,这种损伤在在后续的生产工艺以及产品使用过程中,会扩展汇合而形成宏观裂纹,直接导致器件的失效或者引起吸潮、界面脱层以及间接引起其它材料失效,因此,对焊点焊后残余应力所引起的焊点失效问题应给予足够重视以确保焊点服役后的可靠性。目前国内外学者的研究了焊点结构参数的变化对焊点焊后残余应力的影响,但对焊点焊后残余应力的研究尚不充分,如未能给出焊点各个结构参数对焊点焊后残余应力影响程度的大小排序,也没有给出焊点焊后残余应力的预测模型以解决残余应力计算工作量大等问题。
灵敏度分析正是解决多个设计变量或参数变化对模型结果影响程度大小的方法,而BP(Back Propagation)神经网络能够实现非线性映射关系,且在焊点形态、故障诊断和焊接质量等领域的预测方面被广泛应用。因此,本发明建立了CSP焊点有限元模型,选取灵敏度分析结果中对焊后残余应力影响显著的因子,建立带动量项神经网络,在显著因子与残余应力之间建立起非线性映射关系,以实现对CSP焊点焊后残余应力的预测,为进一步深入研究CSP焊点焊后残余应力进而提高CSP焊点服役后可靠性提供理论指导。该方法结合灵敏度分析和带动量项神经网络算法对CSP焊点焊后残余应力进行预测,具有优良的鲁棒性能,计算方法简单,极大的方便了后期CSP焊点焊后残余应力的预测。
发明内容
本发明的目的在于提供一种CSP焊点焊后残余应力测量方法,能够结合灵敏度分析和带动量项BP神经网络算法对CSP焊点焊后残余应力进行预测,具有优良的鲁棒性能,计算方法简单,极大的方便了后期CSP焊点焊后残余应力的预测。
为了达到上述目的,本发明提供了一种CSP焊点焊后残余应力测量方法,其特征在于,包括:
基于ANSYS建立CSP焊点的仿真分析模型并进行温度场分析,以对所述仿真分析模型施加再流焊温度载荷,并得到所述CSP焊点的温度场分布;
将所述CSP焊点的温度场分布作为结构分析的载荷以进行结构分析,并得到所述CSP焊点的残余应力值;
选取所述CSP焊点的残余应力值的影响因素,并确定所述影响因素的上限值和下限值;
以最大残余应力值为输出参数对所述仿真分析模型进行灵敏度分析,以得到所述影响因素中对所述CSP焊点的残余应力值的影响显著的显著影响因素;
根据所述显著影响因素训练样本数据,并建立带动量项的BP神经网络;
对所述训练后输出值和目标输出值的相关性进行线性回归分析,以建立所述显著影响因素与所述CSP焊点的残余应力值之间的非线性映射关系。
可选的,进行结构分析时,对所述CSP焊点所在的PCB底面的四个角点处施加全约束,以得到所述CSP焊点的残余应力值。
可选的,所述影响因素包括焊点直径、焊点高度、焊盘直径及焊点间距中的一种或多种。
可选的,采用拉丁超立方蒙特卡罗法对所述仿真分析模型进行灵敏度分析,其中,所述灵敏度分析的模拟次数为100次。
可选的,所述带动量项的BP神经网络的输入层的节点数为3,输出层的节点数为1,隐含层的节点数为9。
可选的,所述带动量项BP神经网络的传递函数为tansig,学习率为0.05,最大迭代次数为3000,动量因子为0.8。
可选的,训练样本数据的步骤为:根据正交试验设计的原理,获取不同的显著影响因素水平组合,然后以此为基础,把样本数据增加到合适的数量。
在本发明提供的CSP焊点焊后残余应力测量方法中,首先确定对CSP焊点焊后残余应力值有影响的影响因素,再选取灵敏度分析结果中对焊后残余应力影响显著的显著影响因素,建立带动量项BP神经网络,通过对训练后输出值和目标输出值的相关性进行线性回归分析,以在显著影响因素与残余应力值之间建立起非线性映射关系,以实现对CSP焊点焊后残余应力的预测,为进一步深入研究CSP焊点焊后残余应力进而提高CSP焊点服役后可靠性提供理论指导。
附图说明
图1为本发明实施例提供的CSP焊点残余应力有限元分析模型图;
图2为本发明实施例提供的再流焊温度加载曲线图;
图3为本发明实施例提供的CSP焊点残余应力分布图;
图4为本发明实施例提供的CSP焊点参数灵敏度分析结果图;
图5为本发明实施例提供的带动量项BP神经网络的全局误差图;
图6为本发明实施例提供的带动量项BP神经网络的线性回归分析图;
图7为本发明实施例提供的带动量项BP神经网络的线性回归分析图。
具体实施方式
下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述和权利要求书,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
如图1所示,本发明提供了一种CSP焊点焊后残余应力测量方法,包括:
步骤S1:基于ANSYS建立CSP焊点的仿真分析模型并进行温度场分析,以对所述仿真分析模型施加再流焊温度载荷,并得到所述CSP焊点的温度场分布;
步骤S2:将所述CSP焊点的温度场分布作为结构分析的载荷以进行结构分析,并得到所述CSP焊点的残余应力值;
步骤S3:选取所述CSP焊点的残余应力值的影响因素,并确定所述影响因素的上限值和下限值;
步骤S4:以最大残余应力值为输出参数对所述仿真分析模型进行灵敏度分析,以得到所述影响因素中对所述CSP焊点的残余应力值的影响显著的显著影响因素;
步骤S5:根据所述显著影响因素训练样本数据,并建立带动量项的BP神经网络;
步骤S6:对所述训练后输出值和目标输出值的相关性进行线性回归分析,以建立所述显著影响因素与所述CSP焊点的残余应力值之间的非线性映射关系。
具体的,如图2所示,首先基于ANSYS建立SAC305无铅CSP焊点的仿真分析模型,材料如下表所示:
表1材料参数
Figure RE-GDA0002432455390000041
再进行温度场分析,对建立好的仿真分析模型施加再流焊温度载荷,获得 CSP焊点的温度场分布,施加的再流焊温度载荷为如图3所示的典型的无铅再流焊温度曲线。接下来,将温度场分布作为结构分析的载荷,对CSP焊点所在的PCB底面四个角点处施加全约束,获取CSP焊点的残余应力值,仿真所得残余应力分布图如图4所示。
进一步,选取CSP焊点的残余应力值的影响因素为焊点直径、焊点高度、焊盘直径和焊点间距中的一种或多种,确定影响因素的上限值和下限值为焊点直径SB_D(0.22,0.28)mm、焊点高度SB_H(0.15,0.25)mm、焊盘直径SB_P (0.18,0.22)mm和焊点间距SB_DIST(0.32,0.4)mm,且均服从均匀分布。
接下来,采用拉丁超立方蒙特卡罗法对所述仿真分析模型以最大残余应力值为输出参数对CSP焊点的仿真分析模型模型进行灵敏度分析,其中灵敏度分析中的模拟次数为100次,获取影响因素中影响残余应力值显著的显著影响因素,获得的灵敏度分析结果图如图5所示。
接着,确定带动量项BP神经网络的输入层、输出层、隐含层节点数分别为 3、1和9;获取训练样本数据,首先根据正交试验设计的原理,采用L16(45) 正交表获取了3显著影响因素4水平的16组不同显著影响因素水平组合,然后以此为基础,把样本数据增加到45组。以45组CSP焊点形态参数组合与对应的残余应力值作为神经网络的训练样本,如下表所示。
表2训练及测试样本数据
Figure RE-GDA0002432455390000051
Figure RE-GDA0002432455390000061
然后确定带动量项BP神经网络的传递函数、学习率、最大迭代次数和动量因子分别为tansig、0.05、3000和0.8;建立带动量项BP神经网络,获得网络全局误差减小过程如图6所示。
最后,对网络训练后输出值和目标输出值的相关性进行线性回归分析,获得带动量项BP神经网络的线性回归分析图如图7所示,从图7中可以看出,带动量BP项的神经网络经过训练后的输出值与期望输出值的线性回归分析中相关指数R2为0.756。当相关指数R2为0.75时,就表明输出值与期望输出值有强相关关系,网络拟合效果较好。由此可见,带动量BP项网络残余应力预测模型的拟合效果较好,可以建立所述显著影响因素与所述CSP焊点的残余应力值之间的非线性映射关系。
为了测试已完成学习训练的带动量项BP神经网络模型的预测效果,另取 10组测试样本数据对网络进行测试,样本数据与相应的预测值和仿真值对比结果如表3所示。从表3中数据可以看出,预测值和仿真值之间的相对误差均不超过10%,其中最大相对误差为7.93%,平均误差为3.19%。由此可见,本实施例所建立的带动量BP项网络预测模型较好地实现了CSP焊点焊后残余应力值的预测。
表3带动量项BP神经网络的预测值和仿真值对比
Figure RE-GDA0002432455390000062
Figure RE-GDA0002432455390000071
综上,在本发明实施例提供的CSP焊点焊后残余应力测量方法中,首先确定对CSP焊点焊后残余应力值有影响的影响因素,再选取灵敏度分析结果中对焊后残余应力影响显著的显著影响因素,建立带动量项BP神经网络,通过对训练后输出值和目标输出值的相关性进行线性回归分析,以在显著影响因素与残余应力值之间建立起非线性映射关系,以实现对CSP焊点焊后残余应力的预测,为进一步深入研究CSP焊点焊后残余应力进而提高CSP焊点服役后可靠性提供理论指导。
上述仅为本发明的优选实施例而已,并不对本发明起到任何限制作用。任何所属技术领域的技术人员,在不脱离本发明的技术方案的范围内,对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动,均属未脱离本发明的技术方案的内容,仍属于本发明的保护范围之内。

Claims (7)

1.一种CSP焊点焊后残余应力测量方法,其特征在于,包括:
基于ANSYS建立CSP焊点的仿真分析模型并进行温度场分析,以对所述仿真分析模型施加再流焊温度载荷,并得到所述CSP焊点的温度场分布;
将所述CSP焊点的温度场分布作为结构分析的载荷以进行结构分析,并得到所述CSP焊点的残余应力值;
选取所述CSP焊点的残余应力值的影响因素,并确定所述影响因素的上限值和下限值;
以最大残余应力值为输出参数对所述仿真分析模型进行灵敏度分析,以得到所述影响因素中对所述CSP焊点的残余应力值的影响显著的显著影响因素;
根据所述显著影响因素训练样本数据,并建立带动量项的BP神经网络;
对所述训练后输出值和目标输出值的相关性进行线性回归分析,以建立所述显著影响因素与所述CSP焊点的残余应力值之间的非线性映射关系。
2.如权利要求1所述的CSP焊点焊后残余应力测量方法,其特征在于,进行结构分析时,对所述CSP焊点所在的PCB底面的四个角点处施加全约束,以得到所述CSP焊点的残余应力值。
3.如权利要求1所述的CSP焊点焊后残余应力测量方法,其特征在于,所述影响因素包括焊点直径、焊点高度、焊盘直径及焊点间距中的一种或多种。
4.如权利要求1所述的CSP焊点焊后残余应力测量方法,其特征在于,采用拉丁超立方蒙特卡罗法对所述仿真分析模型进行灵敏度分析,其中,所述灵敏度分析的模拟次数为100次。
5.如权利要求1所述的CSP焊点焊后残余应力测量方法,其特征在于,所述带动量项的BP神经网络的输入层的节点数为3,输出层的节点数为1,隐含层的节点数为9。
6.如权利要求5所述的CSP焊点焊后残余应力测量方法,其特征在于,所述带动量项BP神经网络的传递函数为tansig,学习率为0.05,最大迭代次数为3000,动量因子为0.8。
7.如权利要求1所述的CSP焊点焊后残余应力测量方法,其特征在于,训练样本数据的步骤为:根据正交试验设计的原理,获取不同的显著影响因素水平组合,然后以此为基础,把样本数据增加到合适的数量。
CN201910608336.9A 2019-07-08 2019-07-08 一种csp焊点焊后残余应力测量方法 Active CN111125941B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910608336.9A CN111125941B (zh) 2019-07-08 2019-07-08 一种csp焊点焊后残余应力测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910608336.9A CN111125941B (zh) 2019-07-08 2019-07-08 一种csp焊点焊后残余应力测量方法

Publications (2)

Publication Number Publication Date
CN111125941A true CN111125941A (zh) 2020-05-08
CN111125941B CN111125941B (zh) 2022-08-09

Family

ID=70495159

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910608336.9A Active CN111125941B (zh) 2019-07-08 2019-07-08 一种csp焊点焊后残余应力测量方法

Country Status (1)

Country Link
CN (1) CN111125941B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111753458A (zh) * 2020-07-03 2020-10-09 北京航天微电科技有限公司 再流焊温度场分析方法、装置、计算机设备
CN112149331A (zh) * 2020-09-25 2020-12-29 湖北三江航天红峰控制有限公司 基于有限元仿真的热风回流炉虚拟模型建立方法
CN113536489A (zh) * 2021-08-25 2021-10-22 中国电子科技集团公司第三十八研究所 一种组件封装的连接构型和工艺参数确定方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108363870A (zh) * 2018-02-11 2018-08-03 宁波大学 一种基于深度学习的数控机床主轴热误差建模方法
CN109408844A (zh) * 2018-07-11 2019-03-01 桂林电子科技大学 芯片封装焊点随机振动应力和回波损耗的优化方法
CN109918823A (zh) * 2019-03-15 2019-06-21 成都航空职业技术学院 一种减小扭转应力的微尺度bga焊点结构参数优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108363870A (zh) * 2018-02-11 2018-08-03 宁波大学 一种基于深度学习的数控机床主轴热误差建模方法
CN109408844A (zh) * 2018-07-11 2019-03-01 桂林电子科技大学 芯片封装焊点随机振动应力和回波损耗的优化方法
CN109918823A (zh) * 2019-03-15 2019-06-21 成都航空职业技术学院 一种减小扭转应力的微尺度bga焊点结构参数优化方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
H. SAKAI等: "Shape prediction and residual stress evaluation of BGA and flip chip solder joints", 《ITHERM 2000. THE SEVENTH INTERSOCIETY CONFERENCE ON THERMAL AND THERMOMECHANICAL PHENOMENA IN ELECTRONIC SYSTEMS (CAT. NO.00CH37069)》 *
HONGZHEN YANG等: "The analysis and evaluation of chip scale package (CSP) solder joint reliability", 《2011 INTERNATIONAL CONFERENCE ON ELECTRICAL AND CONTROL ENGINEERING》 *
NOBUKI UETA等: "proposal of area-arrayed bump joint structures for minimizing residual stress in stacked silicon chips mounted by flip chip technology", 《2008 INTERNATIONAL CONFERENCE ON ELECTRONIC MATERIALS AND PACKAGING》 *
李响铸: "基于ANSYS软件PDS模块机械零件状态函数灵敏度分析", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
陶汪等: "基于人工神经网络的激光点焊焊点形态预测", 《机械工程学报》 *
韩立帅等: "3D封装微尺度CSP焊点随机振动应力应变分析", 《焊接学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111753458A (zh) * 2020-07-03 2020-10-09 北京航天微电科技有限公司 再流焊温度场分析方法、装置、计算机设备
CN112149331A (zh) * 2020-09-25 2020-12-29 湖北三江航天红峰控制有限公司 基于有限元仿真的热风回流炉虚拟模型建立方法
CN112149331B (zh) * 2020-09-25 2022-08-19 湖北三江航天红峰控制有限公司 基于有限元仿真的热风回流炉虚拟模型建立方法
CN113536489A (zh) * 2021-08-25 2021-10-22 中国电子科技集团公司第三十八研究所 一种组件封装的连接构型和工艺参数确定方法
CN113536489B (zh) * 2021-08-25 2023-06-20 中国电子科技集团公司第三十八研究所 一种组件封装的连接构型和工艺参数确定方法

Also Published As

Publication number Publication date
CN111125941B (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN111125941B (zh) 一种csp焊点焊后残余应力测量方法
Amalu et al. Modelling evaluation of Garofalo-Arrhenius creep relation for lead-free solder joints in surface mount electronic component assemblies
CN101426344B (zh) 回流温度曲线设定方法及其装置
Zhang et al. Systematic study on thermo-mechanical durability of Pb-free assemblies: Experiments and FE analysis
CN109388820B (zh) 确定不规则温循剖面下焊点损伤累积完整法则的有限元仿真方法
Huang Reducing solder paste inspection in surface-mount assembly through Mahalanobis–Taguchi analysis
Yang et al. A neural network-based prediction model for fine pitch stencil-printing quality in surface mount assembly
CN102625597A (zh) 一种印制板组合件单板焊接工艺方法
Huang et al. Application of multi-quality parameter design in the optimization of underfilling process–a case study of a vehicle electronic module
JP2005026250A (ja) はんだ接合部の亀裂発生寿命予測方法及び装置
Blackwell Surface mount technology
CN111209720A (zh) 一种电子元器件表面贴装工艺热应力损伤仿真方法
JP2006252113A (ja) 基板解析方法及び装置及び基板解析用プログラム及びそれを記録した記録媒体
CN109359328B (zh) 焊点寿命的预测方法、装置、计算机设备和存储介质
CN114266178A (zh) 一种功率器件健康状态评估方法和系统
JP2000046905A (ja) 電子機器の信頼性評価方法、その信頼性評価装置およびその信頼性評価プログラムを記録した媒体
JP2010204012A (ja) 溶融半田評価装置、評価方法及びプログラム
CN112444726A (zh) 一种电子板卡热循环试验方法及其应用
George et al. An evaluation of dwell time and mean cyclic temperature parameters in the Engelmaier model
HEHGERAJ STUDY OF DEFORMATION AND CRACK PROPAGATION ON COMPONENT DURING REFLOW SOLDERING PROCESS
KR100579773B1 (ko) 무연 땜납에 의한 전자회로 실장배선기판의 제조방법
JP2001125945A (ja) 配線基板設計支援方法、設計支援ツール、設計支援システム及び情報記憶媒体
Bakare Optimization of Manufacturing Process to Eliminate Head-In Pillow (HiP) Defect on a Fine Pitch (0.4 mm) Package-on-Package Device
Wohlrabe et al. R1—A reliability comparison study between 14 lead free alloys
Rout Design, Process, and Assembly Characterization Using Via-In-Pad Plated over Design in Multilayer NVDIMM Printed Circuit Boards

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200508

Assignee: Guilin Shenghui Technology Co.,Ltd.

Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY

Contract record no.: X2023980044665

Denomination of invention: A Method for Measuring Residual Stress of CSP Solder Joint After Welding

Granted publication date: 20220809

License type: Common License

Record date: 20231031

Application publication date: 20200508

Assignee: Guilin Yuanjing Electronic Technology Co.,Ltd.

Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY

Contract record no.: X2023980044645

Denomination of invention: A Method for Measuring Residual Stress of CSP Solder Joint After Welding

Granted publication date: 20220809

License type: Common License

Record date: 20231030