CN112613686A - 制程能力预测方法、系统、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种制程能力预测方法、系统、电子设备及存储介质。该制程能力预测方法包括：获取所述PCB的第一结构参数；根据预先设定的模型对所述第一结构参数进行处理，以对所述PCB的制程能力进行预测操作。本发明实施通过模型对PCB的制程能力进行预测，避免了工序的重复操作，从而提高了产品的生产效率。

Description

制程能力预测方法、系统、电子设备及存储介质

技术领域

本发明涉及制程能力领域，尤其涉及一种制程能力预测方法、系统、电子设备及存储介质。

背景技术

制作能力：指工序在一定时间里，处于控制状态(稳定状态)的实际工作能力。

在相关技术中，产品能力及制程能力的分析基于人工经验的判断，导致产品在不同的生产制作标准中进行生产，造成部分工序需要进行重复操作，影响产品的生产效率。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种制程能力预测方法、系统、电子设备及存储介质，能够对PCB的制程能力进行预测，从而减少工序的重复操作，提高了产品的生产效率。

根据本发明的第一方面实施例的制程能力预测方法，应用于PCB，包括：获取所述PCB的第一结构参数；根据预先设定的模型对所述第一结构参数进行处理，以对所述PCB的制程能力进行预测操作。

根据本发明实施例的制程能力预测方法，至少具有如下有益效果：通过模型对PCB的制程能力进行预测，预测结果与PCB的第一结构参数相关，根据预测结果可对制程能力的相关控制参数进行调整，以使具有相同第一结构参数的PCB的制程能力符合要求，从而避免了工序的重复操作，提高了产品的生产效率。

根据本发明的一些实施例，设定所述模型，包括：获取所述制程能力的影响因子；将所述制程能力与所述影响因子进行拟合处理，以生成所述模型。

根据本发明的一些实施例，还包括：获取所述PCB的第二结构参数和第一制程能力值；根据所述模型对所述第二结构参数进行处理，以得到第二制程能力值；将所述第一制程能力值与所述第二制程能力值进行比较；根据比较结果对所述模型进行修正操作。

根据本发明的一些实施例，所述根据比较结果对所述模型进行修正操作，包括：若所述第一制程能力值大于所述第二制程能力值，则对所述第一制程能力值对应的控制参数进行调整，并根据调整后的所述控制参数得到第三制程能力值；根据所述第三制程能力值和所述第二制程能力值对所述模型进行修正操作；其中，所述第三制程能力值大于或等于所述第一制程能力值。

根据本发明的一些实施例，所述根据所述第三制程能力值和所述第二制程能力值对所述模型进行修正，包括：获取所述第三制程能力值和所述第二制程能力值的差值；根据所述差值对所述模型的系数进行修正操作。

根据本发明的第二方面实施例的制程能力预测系统，应用于PCB，包括：参数获取模块，用于获取所述PCB的第一结构参数；预测模块，与所述参数获取模块连接，用于根据预先设定的模型对所述第一结构参数进行处理，以对所述PCB的制程能力进行预测操作。

根据本发明的一些实施例，所述预测模块包括：模型设定单元，与所述参数获取模块连接，用于获取所述制程能力的影响因子，并将所述制程能力与所述影响因子进行拟合处理，以生成所述模型。

根据本发明的一些实施例，所述参数获取模块还用于获取所述PCB的第二结构参数和第一制程能力值；所述预测模块还包括：修正单元，与所述参数获取模块连接，用于根据所述模型对所述第二结构参数进行处理，以得到第二制程能力值，并将第一制程能力值与第二制程能力值进行比较，根据比较结果对所述模型进行修正。

根据本发明的第三方面实施例的电子设备，包括：至少一个处理器，以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行所述指令时实现如上述任一实施例所描述的制程能力预测方法。

根据本发明的第四方面实施例的计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上述任一实施例所描述的制程能力预测方法。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

下面结合附图和实施例对本发明做进一步的说明，其中：

图1为本发明实施例制程能力预测方法的一流程示意图；

图2为本发明实施例制程能力预测方法的另一流程示意图；

图3为本发明实施例制程能力预测方法的另一流程示意图；

图4为本发明实施例制程能力预测方法的另一流程示意图；

图5为本发明实施例制程能力预测方法的另一流程示意图；

图6为本发明实施例制程能力预测系统的一模块框图；

图7为本发明实施例制程能力预测系统的另一模块框图。

附图标记：

参数获取模块100、预测模块200、模型设定单元210、修正单元220。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

本发明的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

参照图1，本申请实施例提供了一种制程能力预测方法，应用于PCB。该制程能力预测方法包括步骤：S100、获取PCB的第一结构参数；S200、根据预先设定的模型对第一结构参数进行处理，以对PCB的制程能力进行预测操作。

其中，步骤S100至步骤S200的一具体实施方式为：根据PCB的设计文件、测量、人工输入等方式获取PCB的第一结构参数，第一结构参数包括PCB的板厚、孔径、厚径比等结构特征。将第一结构参数作为模型的输入数据，模型对该第一结构参数进行处理，以输出对应的制程能力，从而实现对PCB制程能力的预测。可以理解的是，PCB制程能力包括深镀能力、孔径公差能力、成品尺寸公差能力和成品板厚公差能力等。

本申请实施例通过模型对PCB的制程能力进行预测，预测结果与PCB的第一结构参数相关，根据预测结果可对制程能力的相关控制参数进行调整，以使具有相同第一结构参数的PCB的制程能力符合要求，从而避免了工序的重复操作，提高了产品的生产效率。

参照图2，在一些实施例中，设定模型包括步骤：S300、获取制程能力的影响因子；S400、将制程能力与影响因子进行拟合处理，以生成模型。

其中，步骤S300至步骤S400的一具体实施方式为：获取影响制程能力的影响因子。例如：PCB孔铜厚度能力的影响因子包括板厚、孔径、厚径比，通过测试在不同板厚、不同孔径和不同厚径条件下的孔铜厚度能力，得到多组测试数据。基于数据分析工具(例如：minitab、MATLAB等)对上述多组测试数据进行模型拟合，以而生成模型：孔铜厚度能力＝F(板厚，孔径，厚径比)。

参照图3，在一些实施例中，制程能力预测方法还包括步骤：S500、获取PCB的第二结构参数和第一制程能力值；S600、根据模型对第二结构参数进行处理，以得到第二制程能力值；S700、将第一制程能力值与第二制程能力值进行比较；S800、根据比较结果对模型进行修正操作。

其中，步骤S500、获取PCB的第二结构参数和第一制程能力值的一具体实施例方式为：以孔铜厚度能力为例，当PCB在电镀发现孔铜不足时，获取该PCB当前的孔铜值A(第一制程能力值)以及与该孔铜值A相关的PCB结构特征参数(第二结构参数)，例如：板厚、最小孔径和厚径比。

步骤S600、根据模型对第二结构参数进行处理，以得到第二制程能力值的一具体实施方式为：将第二结构参数作为输入量代入步骤S400生成的模型中，以得到在该模型中与第二结构参数对应的第二制程能力值(孔铜值B)。

步骤S700至步骤S800的一具体实施方式为：将孔铜值A与孔铜值B进行比较，以判断模型是否出现误差。当孔铜值A小于孔铜值B时，表明制程稳定性存在问题，应从制程管控方面解决，即从PCB的生产制作方面解决上述问题。当孔铜值A大于孔铜值B时，表明此时的电镀操作存在超制造能力问题，即模型存在误差，应对模型进行修正，以提高预测的准确性，从而提高产品的生产效率。

参照图4，步骤S800包括：S810、若第一制程能力值大于第二制程能力值，则对第一制程能力值对应的控制参数进行调整，并根据调整后的控制参数得到第三制程能力值；S820、根据第三制程能力值和第二制程能力值对模型进行修正操作。

其中，步骤S810至步骤S820的一具体实施方式为：若孔铜值A大于孔铜值B，则表明此时的电镀操作存在超制造能力问题，即模型存在误差。控制参数表示与第一制程能力相关的制作参数，例如：孔铜厚度能力的控制参数包括电流密度和电镀时间。将控制参数进行调整，例如：将电流密度由原20ASF调整为15ASF，电镀时间由原70分钟调整为100分钟，以使具有相同第二结构参数的PCB使用调整后的控制参数进行制作后，该PCB的第三制程能力值(孔铜值C)大于或等于第一制程能力值(孔铜值A)。根据该第三制程能力值和第二制程能力值对模型进行修正。可以理解的是，控制参数具体的调整方法可根据制程能力进行适应性调整，但应满足经调整后控制参数制作的PCB(与原PCB具有相同的第二结构参数)的第三制程能力值大于或等于原PCB的第一制程能力值。

参照图5，在一些实施例中，步骤S820包括：S821、获取第三制程能力值和第二制程能力值的差值；S822、根据差值对模型的系数进行修正操作。

其中，步骤S821至步骤S822的一具体实施方式为：获取第三制程能力值(孔铜值C)和第二制程能力值(孔铜值B)的差值，运用数学统计分析方法，对模型进行数学修正，例如：使用该差值对模型系数进行修正。

参照图6，本申请实施例提供了一种制程能力预测系统，应用于PCB。该制程能力预测系统包括：参数获取模块100和预测模块200。参数获取模块100用于获取PCB的第一结构参数；预测模块200与参数获取模块100连接，用于根据预先设计的模型对第一结构参数进行处理，以对PCB的制程能力进行预测操作。具体地，参数获取模块100根据PCB的设计文件、测量、人工输入等方式获取PCB的第一结构参数，第一结构参数包括PCB的板厚、孔径、厚径比等结构特征。预测模块200根据参数获取模块100获取第一结构参数，并将该第一结构参数作为模型的输入数据，以使模型对第一结构参数进行处理，从而输出对应的制程能力，实现对PCB制程能力的预测。可以理解的是，PCB制程能力包括深镀能力、孔径公差能力、成品尺寸公差能力和成品板厚公差能力等。

参照图7，在一些实施例中，预测模块200包括：模型设定单元210。模型设定单元210与参数获取模块100连接，用于获取制程能力的影响因子，并将制程能力与影响因子进行拟合处理，以生成模型。具体地，模型设定单元210获取影响制程能力的影响因子。例如：PCB孔铜厚度能力的影响因子包括板厚、孔径、厚径比，通过测试在不同板厚、不同孔径和不同厚径条件下的孔铜厚度能力，以得到多组测试数据。基于数据分析工具(例如：minitab、MATLAB等)对上述多组测试数据进行模型拟合，从而生成模型：孔铜厚度能力＝F(板厚，孔径，厚径比)。

在一些实例中，参数获取模块100还用于获取PCB的第二结构参数和第一制程能力值。预测模块200还包括：修正单元220。该修正单元220与参数获取模块100连接，用于根据模型对第二结构参数进行处理，以得到第二制程能力值，并将第一制程能力值与第二制程能力值进行比较，根据比较结果对模型进行修正。具体地，以孔铜厚度能力为例，当PCB在电镀发现孔铜不足时，获取该PCB当前的孔铜值A(第一制程能力值)以及与孔铜值A相关的结构参数(第二结构参数)，例如：板厚、最小孔径和厚径比。将第二结构参数作为输入量代入模型设定单元210所生成的模型中，以得到在该模型中与第二结构参数对应的第二制程能力值(孔铜值B)。当孔铜值A小于孔铜值B时，表明制程稳定性存在问题，应从制程管控方面解决，即从PCB的生产制作方面解决上述问题。当孔铜值A大于孔铜值B时，表明此时的电镀操作存在超制造能力问题，即模型存在误差，应调整控制参数。控制参数表示与第一制程能力相关的制作参数，例如：孔铜厚度能力的控制参数包括电流密度和电镀时间。将控制参数进行调整，例如：将电流密度由原20ASF调整为15ASF，电镀时间由原70分钟调整为100分钟，以使具有相同第二结构参数的PCB使用调整后的控制参数进行制作后，此时该PCB的第三制程能力值(孔铜值C)大于或等于第一制程能力值(孔铜值A)。通过获取第三制程能力值和第二制程能力值的差值对模型系数进行修正，从而实现对模型的修正。可以理解的是，控制参数具体的调整方法可根据制程能力进行适应性调整，但应满足经调整后控制参数制作的PCB(与原PCB具有相同的第二结构参数)的第三制程能力值大于或等于原PCB的第一制程能力值。

本申请实施还提供了一种电子设备。该电子设备包括：至少一个处理器，以及与至少一个处理器通信连接的存储器。其中，存储器存储有指令，指令被至少一个处理器执行，以使至少一个处理器执行该指令时实现如上述任一实施所描述的制程能力预测方法。

本申请实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，计算机可执行指令用于：执行如上述任一实施所描述的制程能力预测方法。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。此外，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。

Claims (10)

1.制程能力预测方法，应用于PCB，其特征在于，包括：

获取所述PCB的第一结构参数；

根据预先设定的模型对所述第一结构参数进行处理，以对所述PCB的制程能力进行预测操作。

2.根据权利要求1所述的制程能力预测方法，其特征在于，设定所述模型，包括：

获取所述制程能力的影响因子；

将所述制程能力与所述影响因子进行拟合处理，以生成所述模型。

3.根据权利要求1至2任一项所述的制程能力预测方法，其特征在于，还包括：

获取所述PCB的第二结构参数和第一制程能力值；

根据所述模型对所述第二结构参数进行处理，以得到第二制程能力值；

将所述第一制程能力值与所述第二制程能力值进行比较；

根据比较结果对所述模型进行修正操作。

4.根据权利要求3所述的制程能力预测方法，其特征在于，所述根据比较结果对所述模型进行修正操作，包括：

若所述第一制程能力值大于所述第二制程能力值，则对所述第一制程能力值对应的控制参数进行调整，并根据调整后的所述控制参数得到第三制程能力值；

根据所述第三制程能力值和所述第二制程能力值对所述模型进行修正操作；

其中，所述第三制程能力值大于或等于所述第一制程能力值。

5.根据权利要求4所述的制程能力预测方法，其特征在于，所述根据所述第三制程能力值和所述第二制程能力值对所述模型进行修正，包括：

获取所述第三制程能力值和所述第二制程能力值的差值；

根据所述差值对所述模型的系数进行修正操作。

6.制程能力预测系统，应用于PCB，其特征在于，包括：

参数获取模块，用于获取所述PCB的第一结构参数；

预测模块，与所述参数获取模块连接，用于根据预先设定的模型对所述第一结构参数进行处理，以对所述PCB的制程能力进行预测操作。

7.根据权利要求6所述的制程能力预测系统，其特征在于，所述预测模块包括：

模型设定单元，与所述参数获取模块连接，用于获取所述制程能力的影响因子，并将所述制程能力与所述影响因子进行拟合处理，以生成所述模型。

8.根据权利要求6所述的制程能力预测系统，其特征在于，所述参数获取模块还用于获取所述PCB的第二结构参数和第一制程能力值；

所述预测模块还包括：修正单元，与所述参数获取模块连接，用于根据所述模型对所述第二结构参数进行处理，以得到第二制程能力值，并将第一制程能力值与第二制程能力值进行比较，根据比较结果对所述模型进行修正。

9.电子设备，其特征在于，包括：

至少一个处理器，以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行所述指令时实现如权利要求1至5任一项所述的制程能力预测方法。

10.计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至5任一项所述的制程能力预测方法。

Images