CN112270098B - 一种热风再流焊工艺稳健优化设计方法 - Google Patents

Abstract

本发明公开一种热风再流焊工艺的稳健优化设计方法，首先通过建立精确的再流焊工艺温度场仿真模型，再通过确定目标以及约束条件，建立各噪声因素和设计变量对目标以及约束条件的灵敏度分析方法，筛选对加热因子影响较显著的噪声因素以及设计变量。接着通过对新的设计变量、噪声因素抽样重新获得样本点，构建预测目标函数以及约束函数的代理模型；采用基于响应面优化，获取最优方案确定解，验证代理模型构建的响应面的精度，对最优解进行稳健性评估；最后获取最稳健解，对最稳健解带入原仿真模型进行可靠性分析，验证稳健性，进而能够根据稳健性目标值进行工艺参数优化设计以保障工艺结果具有稳健性。

Description

一种热风再流焊工艺稳健优化设计方法

技术领域

本发明涉及电子产品制造技术领域，特别是涉及一种热风再流焊工艺稳健优化设计方法。

背景技术

热风再流焊接工艺是目前电子产品组装焊接最常用的工艺方法。热风再流焊工艺参数设计直接影响电子产品的焊接性能与可靠性，是领域中的重要问题。在实际的生产过程中，工艺参数设计普遍采用多次实物试验继而根据试验结果不断调整工艺参数，但是由于受到试验次数、试验成本等方面限制，这种方法很难考虑PCBA组件材料特性波动、环境载荷波动等多个客观存在的因素波动对工艺质量目标的影响。如果工艺中存在的波动的变化范围较大，将引起工艺输出结果的波动范围增大，从而导致同批次电子产品出现较大的不一致性、出现较高的不良率。

发明内容

本发明提供一种热风再流焊工艺稳健优化设计方法，旨在能够实现对热风再流焊工艺的设计参数进行稳健性评估，进而能够根据稳健性目标值进行工艺参数优化设计以保障工艺结果具有稳健性。

本发明提供了一种热风再流焊工艺稳健优化设计方法，该方法包括：

建立再流焊工艺温度场仿真模型；

确定约束条件以及目标值，筛选噪声因素以及设计变量；

对所述设计变量和所述噪声因素重构样本点，构建预测目标函数以及约束函数的代理模型；

验证所述代理模型构建的响应面的精度，获取最优方案确定解，对所述最优方案确定解的稳健性评估；

获取最稳健解，对所述最稳健解带入所述再流焊工艺温度场仿真模型进行可靠性分析，验证稳健性。

可选的，所述约束条件以再流焊生产工艺要求确定，以PCBA组件上监测的各焊点加热因子为所述目标值。

可选的，所述噪声因素和所述设计变量通过灵敏度分析筛选得出，筛选标准为对焊点的加热因子的影响程度。

可选的，构建所述代理模型的步骤，包括：

对筛选出的所述噪声因素以及所述设计变量进行抽样，获取样本点；

对所述样本点采用不同的代理模型拟合，使各约束函数以及目标函数选用最优拟合方案；

建立预测目标函数以及约束函数基于最优拟合的代理模型。

可选的，对所述最优方案确定解的稳健性评估的步骤，包括：

对以所述代理模型拟合的响应面进行快速的局部搜索，获取最优方案确定解；

以响应面优化结果与所述再流焊工艺温度场仿真模型仿真计算结果对比，

如果判断各响应值误差低于5％，则把基于响应面优化的结果进行稳健性评估；

如果判断各响应值误差高于或等于5％，则重新设计变量，重新设计实验，获取目标参数差值响应，迭代计算，直到满足设定为止。

可选的，所述稳健性评估以6σ公差分析法为稳健性评价指标，评估结果目标均值是否与响应面优化的结果具有一致性。

可选的，所述可靠性分析的步骤，包括：

采用内嵌稳健性评估模块的优化方法，以6σ公差分析法为设计准则，优化迭代获取最稳健解；

通过所述再流焊工艺温度场仿真模型构建可靠性分析模块；

将所述最稳健解带入所述可靠性分析模块；

设置工艺要求的极限情况以及期望σ水平，完成可靠性分析导向；

通过可靠性分析计算，得出可靠性分析报告以及可靠性蚁丘图。

实施本发明，具有如下有益效果：通过建立精确的再流焊工艺温度场仿真模型，再通过确定目标以及约束条件，建立各噪声因素和设计变量对目标以及约束条件的灵敏度分析方法，筛选对加热因子影响较显著的噪声因素以及设计变量。接着通过对新的设计变量、噪声因素抽样重新获得样本点，构建预测目标函数以及约束函数的代理模型；采用基于响应面优化，获取最优方案确定解，验证代理模型构建的响应面的精度，满足精度要求则对最优解进行稳健性评估；通过采用稳健性优化方法，获取最稳健解，对最稳健解带入原仿真模型进行可靠性分析，验证稳健性，进而能够根据稳健性目标值进行工艺参数优化设计以保障工艺结果具有稳健性。

附图说明

为了更清楚地说明本发明技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的一种热风再流焊工艺的稳健优化设计方法的步骤示意图；

图2是本发明提供的一种热风再流焊工艺的稳健优化设计方法的流程示意图；

图3是本发明实施例提供的噪声因素与目标、约束响应之间的灵敏度关系cop矩阵图；

图4是本发明实施例中表示峰值温度最小响应值的稳健性分析柱状图；

图5是本发明实施例中表示超液相线时间最小响应值的稳健性分析柱状图；

图6是本发明实施例中表示对应峰值温度优化后的结果柱状图；

图7是本发明实施例中表示对应超液相线时间优化后的结果柱状图；

图8是本发明提供的峰值温度-超液相线时间蚁丘图。

具体实施方式

下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明公开了一种热风再流焊工艺的稳健优化设计方法，有助于对热风再流焊工艺的设计参数进行稳健性评估，能够根据稳健性目标值进行工艺参数优化设计以保障工艺结果具有一致性。以下分别详细说明。

参见图1和图2，是本发明提供的一种热风再流焊工艺的稳健优化设计方法的步骤示意图。如图1所示，本发明的热风再流焊工艺的稳健优化设计方法的步骤示意图可包括以下步骤：

S1：建立再流焊工艺温度场仿真模型；

具体的，所述再流焊工艺温度场仿真模型利用利用数值仿真方法建立，对回流焊炉几何尺寸的实测，建立基于实测的炉腔模型；利用等效热阻网络模型建立PCBA组件的热等效简化模型，使得在PCBA组件对应的焊点处实测与对应仿真对应时间点的温度差不大于10℃，满足工艺要求。所述再流焊工艺温度场仿真模型可以在Icepak、CFX、Fluent等等计算流体力学软件中建立。

S2：确定约束条件以及目标值，筛选噪声因素以及设计变量；

具体的，以实际再流焊生产工艺要求为约束条件，主要包括保温时间、冷却速率、峰值温度以及超液相线时间等，以PCBA组件上监测的各焊点加热因子为目标值，保证目标值各焊点的加热因子在800～1600℃·s的区间内最小。依据实际的工艺以及材料特性选取合适的变量范围，通过灵敏度分析，筛选对焊点的加热因子影响较显著的噪声因素以及设计变量。

S3：对所述设计变量和所述噪声因素重构样本点，构建预测目标函数以及约束函数的代理模型；

具体的，对筛选出的噪声因素以及设计变量采用拉丁超立方方法进行100次抽样，重新获取样本点，抽样方法还可以采用心复合抽样等抽样方法。所述样本点可通过实物实验获得大量的样本数据。

S4：验证所述代理模型构建的响应面的精度，获取最优方案确定解，对所述最优方案确定解的稳健性评估；

具体的，对以所述代理模型拟合的响应面进行快速的局部搜索，获取最优方案确定解；

以响应面优化结果与所述再流焊工艺温度场仿真模型仿真计算结果对比，

如果判断各响应值误差低于5％，则把基于响应面优化的结果进行稳健性评估；

如果判断各响应值误差高于或等于5％，则重新设计变量，重新设计实验，获取目标参数差值响应，迭代计算，直到满足设定为止。

S5：获取最稳健解，对所述最稳健解带入所述再流焊工艺温度场仿真模型进行可靠性分析，验证稳健性。

具体的，所述可靠性分析的步骤，包括：

采用内嵌稳健性评估模块的优化方法，以6σ公差分析法为设计准则，优化迭代获取最稳健解；

通过所述再流焊工艺温度场仿真模型构建可靠性分析模块；

将所述最稳健解带入所述可靠性分析模块；

设置工艺要求的极限情况以及期望σ水平，完成可靠性分析导向；

通过可靠性分析计算，得出可靠性分析报告以及可靠性蚁丘图。

进一步地，本发明提供了一种热风再流焊工艺的稳健优化设计方法的具体实施例：

步骤1：建立再流焊工艺温度场仿真模型。

具体的，首先在Icepak中建立基于实测几何尺寸的炉腔热仿真模型以及PCBA组件的热等效简化模型，使得在PCBA组件对应的焊点处实测温度F(t)与对应仿真对应时间点的温度T(t)最大差不大于10℃，并且本实验实测回流焊时间在216s，函数表示为：

max|F(t)-T(t)|≤10℃，0≤t≤216s

通过对仿真模型精度的验证，验证结果见下表1。

表1仿真模型与实测结果对比

步骤2：确定约束条件以及目标值，筛选噪声因素以及设计变量。

具体的，本实例依据Sn63/Pb37焊锡膏回流焊接的工艺要求，确实以PCBA组件上监测的各个焊点加热因子Q_η为目标值，使得各焊点的加热因子在800～1600℃·s的区间内最小。其表示为：

式中：T_m为焊料合金的熔点温度，t1和t2分别为回流曲线达到T_m的开始时间和结束时间。约束条件包括保温时间60～90s，超液相线时间60～90s，冷却速率1.2～4℃/s，峰值温度210～230℃以及加热因子Q_η在800～1600℃·s。

以上述的目标以及约束条件筛选影响显著的噪声因素以及设计变量。本实例选择噪声因素主要包括焊锡膏、元器件、BGA焊球、PCB的材料热物性参数以及环境载荷氮气的热物性参数，主要考虑各材料存在设计误差以及缺陷，以及回流炉各炉腔并非隔绝且炉腔两侧与外界直接接触，从而选取个变量波动范围在1％～5％，本实例通过Icepak与OptiSLang数据连接，在OptiSLang多学科优化软件中通过采用拉丁超立方抽样方法抽样100次，完成灵敏度分析，获得各焊点处变量对加热因子影响系数及排序，见图3，结果显示影响各约束条件以及目标的主要的噪声因素皆为PCB的密度ρ_pcb、比热c_pcb以及氮气的密度ρ_N2、比热c_N2。影响加热因子的主要涉及变量包括第5～9温区的设定温度，因此最终筛选确定T5～T9为设定变量，ρ_pcb、c_pcb、ρ_N2以及c_N2为噪声因素，以各个焊点的加热因子Q_η为目标值，回流焊的生产工艺要求为约束条件。

步骤3：对所述设计变量和所述噪声因素重构样本点，构建预测目标函数以及约束函数的代理模型。

具体的，对上述筛选出的设计变量选取合适的变量范围，T5～T9选取的变量范围分别是[160,220]，[180,240]，[210,270]，[210,270]，[80,150]，由于考虑后续工作所需，因此部分变量范围适当扩大。对上述的变量采用拉丁超立方方法进行100次抽样，重新获取样本点，对获取的样本点采用不同的代理模型拟合，通过各个约束条件以及目标函数的决定系数R²以及预测系数COP最终确定最优拟合方案，使得各约束函数以及目标函数都选用最优拟合方案，从而建立预测目标函数以及约束函数基于最优拟合的代理模型。

步骤4：验证所述代理模型构建的响应面的精度，获取最优方案确定解，对所述最优方案确定解的稳健性评估。

具体的，不考虑噪声因素，即噪声因素设定为固定初始值，对以代理模型拟合的响应面进行快速的局部搜索，采用单纯形法获取最优T5～T9的设定温度，并把上述优化结果与原模型仿真计算结果对比，判断各响应值误差满足低于5％，从而验证响应面精度。若不满足精度要求，则重新设计变量，重新设计实验，获取目标参数差值响应，迭代计算，直到满足设定精度值为止。若满足精度要求，则进行下一步，结果如下表2。

表2优化结果与原模型仿真计算结果对比

如上表显示，基于响应面优化结果下各约束值、目标值与再流焊工艺温度场仿真模型的偏差都小于5％，故可进行下一步，即把基于响应面优化的结果进行稳健性评估，以6σ为稳健性评价指标，考虑噪声因素以及设计变量波动性对目标、约束的影响，采用普通蒙特卡洛随机抽样方法抽样100次，最终评价指标为稳健性评估结果目标均值是否与响应面优化的结果具有一致性；各约束条件是否满足6σ指标。

由于本实例约束条件较多，本文主要分析超液相线时间Min值以及峰值温度Min值为例，并且之后分析皆只分析超液相线时间Min值以及峰值温度Min值。考虑选择概率分布情况，通常的选择正态分布，并验证选择的概率函数是否合理。对结果柱状图分析，分析结果见图4、图5，具体结果见下表3。

表3基于响应面优化结果的稳健性评估分析

从上述对基于响应面优化结果的稳健性评估结果可知，在稳健性分析中，虽然响应的均值基本等于优化值，并且最大输入变化量CoV较小，但失效概率高，σ水平低，因此在不考虑噪声因素以及控制变量的波动的优化设计方案中，对于实际生产，可能导致部分产品未能达到理想的工艺要求，当偏差较大时，最终的结果导致产品失效。而进行稳健性优化，能有效的考虑上述设计带来的问题。

步骤5：获取最稳健解，对所述最稳健解带入所述再流焊工艺温度场仿真模型进行可靠性分析，验证稳健性。

具体的，采用内嵌稳健性评估模块的优化方法，以6σ为设计准则，其理论公式表示为：

其中a1，b1为约束条件1上下界限，

为响应的均值，σ_x为响应x的方差，依据以上方法重构内嵌稳健优化模块的约束条件以及目标函数，完成优化模块导向，本实例通过优化迭代121次，最终的结果见图6、图7，具体响应面指标如表4，并输出满足条件的最稳健解。

表4内嵌稳健性优化结果分析

为验证优化后的结果的可靠性，验证中间误差，将内嵌稳健性优化的结果通过与可靠性分析模块连接，将稳健解带入再流焊工艺温度场仿真模型构建的可靠性分析模块，设置工艺要求的极限情况以及期望σ水平，完成可靠性分析导向。

通过可靠性分析计算，得出可靠性分析报告以及可靠性蚁丘图，如图8。该分析报告结果：本实例优化的工艺参数达到5.7σ水平、失效概率为8.6e-9以及标准偏差误差为5.1e-9，从而验证优化结果的可靠性。

以上对本发明所提供的一种热风再流焊工艺的稳健优化设计方法进行了详细介绍，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (5)

1.一种热风再流焊工艺稳健优化设计方法，其特征在于，包括下列步骤：

建立再流焊工艺温度场仿真模型；

确定约束条件以及目标值，筛选噪声因素以及设计变量；

对所述设计变量和所述噪声因素重构样本点，构建预测目标函数以及约束函数的代理模型；

验证所述代理模型构建的响应面的精度，获取最优方案确定解，对所述最优方案确定解的稳健性评估；

获取最稳健解，对所述最稳健解带入所述再流焊工艺温度场仿真模型进行可靠性分析，验证稳健性；

其中，所述可靠性分析的步骤，包括：

采用内嵌稳健性评估模块的优化方法，以6σ公差分析法为设计准则，优化迭代获取最稳健解；

通过所述再流焊工艺温度场仿真模型构建可靠性分析模块；

将所述最稳健解带入所述可靠性分析模块；

设置工艺要求的极限情况以及期望σ水平，完成可靠性分析导向；

通过可靠性分析计算，得出可靠性分析报告以及可靠性蚁丘图；

所述稳健性评估以6σ公差分析法为稳健性评价指标，评估结果目标均值是否与响应面优化的结果具有一致性。

2.如权利要求1所述的热风再流焊工艺稳健优化设计方法，其特征在于，所述约束条件以再流焊生产工艺要求确定，以PCBA组件上监测的各焊点加热因子为所述目标值。

3.如权利要求2所述的热风再流焊工艺稳健优化设计方法，其特征在于，所述噪声因素和所述设计变量通过灵敏度分析筛选得出，筛选标准为对焊点的加热因子的影响程度。

4.如权利要求3所述的热风再流焊工艺稳健优化设计方法，其特征在于，构建所述代理模型的步骤，包括：

对筛选出的所述噪声因素以及所述设计变量进行抽样，获取样本点；

对所述样本点采用不同的代理模型拟合，使各约束函数以及目标函数选用最优拟合方案；

建立预测目标函数以及约束函数基于最优拟合的代理模型。

5.如权利要求4所述的热风再流焊工艺稳健优化设计方法，其特征在于，对所述最优方案确定解的稳健性评估的步骤，包括：

对以所述代理模型拟合的响应面进行快速的局部搜索，获取最优方案确定解；

以响应面优化结果与所述再流焊工艺温度场仿真模型仿真计算结果对比，

如果判断各响应值误差低于5％，则把基于响应面优化的结果进行稳健性评估；

如果判断各响应值误差高于或等于5％，则重新设计变量，重新设计实验，获取目标参数差值响应，迭代计算，直到满足设定为止。

Images