CN114930335A - 用于优化焊膏印刷装置的控制参数的设备及方法 - Google Patents

用于优化焊膏印刷装置的控制参数的设备及方法 Download PDF

Info

Publication number
CN114930335A
CN114930335A CN202180007443.1A CN202180007443A CN114930335A CN 114930335 A CN114930335 A CN 114930335A CN 202180007443 A CN202180007443 A CN 202180007443A CN 114930335 A CN114930335 A CN 114930335A
Authority
CN
China
Prior art keywords
solder paste
control parameter
substrate
yield
printing apparatus
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.)
Pending
Application number
CN202180007443.1A
Other languages
English (en)
Inventor
韩国
李在桓
李德永
朴澯愚
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.)
Gaoying Technology Co ltd
Original Assignee
Gaoying Technology Co ltd
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 Gaoying Technology Co ltd filed Critical Gaoying Technology Co ltd
Publication of CN114930335A publication Critical patent/CN114930335A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K3/00—Tools, devices, or special appurtenances for soldering, e.g. brazing, or unsoldering, not specially adapted for particular methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41F—PRINTING MACHINES OR PRESSES
    • B41F15/00—Screen printers
    • B41F15/08—Machines
    • B41F15/0881—Machines for printing on polyhedral articles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K3/00—Apparatus or processes for manufacturing printed circuits
    • H05K3/10—Apparatus or processes for manufacturing printed circuits in which conductive material is applied to the insulating support in such a manner as to form the desired conductive pattern
    • H05K3/12—Apparatus or processes for manufacturing printed circuits in which conductive material is applied to the insulating support in such a manner as to form the desired conductive pattern using thick film techniques, e.g. printing techniques to apply the conductive material or similar techniques for applying conductive paste or ink patterns
    • H05K3/1216—Apparatus or processes for manufacturing printed circuits in which conductive material is applied to the insulating support in such a manner as to form the desired conductive pattern using thick film techniques, e.g. printing techniques to apply the conductive material or similar techniques for applying conductive paste or ink patterns by screen printing or stencil printing
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K3/00—Apparatus or processes for manufacturing printed circuits
    • H05K3/30—Assembling printed circuits with electric components, e.g. with resistor
    • H05K3/32—Assembling printed circuits with electric components, e.g. with resistor electrically connecting electric components or wires to printed circuits
    • H05K3/34—Assembling printed circuits with electric components, e.g. with resistor electrically connecting electric components or wires to printed circuits by soldering
    • H05K3/3457—Solder materials or compositions; Methods of application thereof
    • H05K3/3485—Applying solder paste, slurry or powder
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2115/00—Details relating to the type of the circuit
    • G06F2115/12—Printed circuit boards [PCB] or multi-chip modules [MCM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/18—Manufacturability analysis or optimisation for manufacturability
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/22—Yield analysis or yield optimisation
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K1/00—Printed circuits
    • H05K1/02—Details
    • H05K1/09—Use of materials for the conductive, e.g. metallic pattern
    • H05K1/092—Dispersed materials, e.g. conductive pastes or inks
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K2203/00—Indexing scheme relating to apparatus or processes for manufacturing printed circuits covered by H05K3/00
    • H05K2203/16—Inspection; Monitoring; Aligning
    • H05K2203/163—Monitoring a manufacturing process

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Electric Connection Of Electric Components To Printed Circuits (AREA)

Abstract

本公开的多种实施例的电子设备可包括：通信电路，可通信地连接于焊膏印刷装置及检测装置，所述焊膏印刷装置构成为基于多个控制参数在多个基板上分别印刷焊膏，所述检测装置构成为检测在多个基板上分别印刷的焊膏状态；一个以上的存储器；及一个以上的处理器。根据多种实施例的一个以上的处理器可进行以下操作：获得用于在第一基板上印刷焊膏的焊膏印刷装置的第一控制参数组；传送指示第一控制参数组的信息；获得指示印刷在第一基板上的焊膏状态的第一焊膏检测信息；基于第一焊膏检测信息，确定对第一基板的第一收率；基于包括第一控制参数组及第一收率的第一数据对，生成用于探索最佳控制参数组的模型。

Description

用于优化焊膏印刷装置的控制参数的设备及方法
技术领域
本公开涉及一种用于优化焊膏印刷装置的控制参数的设备及方法。
背景技术
在基板(例如：印刷电路基板)上贴装零部件之前，可通过焊膏印刷装置(例如，丝网印刷机)在基板的焊盘上涂布焊膏。然后，可通过焊膏检查(Solder Paste Inspection：SPI)装置检查涂布的焊膏状态。在完成检查后，可在涂布有焊膏的印刷电路基板的焊盘上，按照表面贴装技术(Surface Mount Technology：SMT)贴装零部件。
多个控制参数用于控制焊膏印刷装置在基板上印刷焊膏的操作。多个控制参数例如包括用于调节印刷压力的控制参数、用于调节印刷速度的控制参数及用于调节分离速度的控制参数。当使用最佳的多个控制参数时，可提高印刷在基板上的焊膏的收率(或良品率)。
发明内容
技术问题
本公开提供一种用于优化焊膏印刷装置的多个控制参数的技术。
解决问题的手段
根据本公开的多种实施例，电子设备可包括：通信电路，可通信地连接于焊膏印刷装置及检测装置，所述焊膏印刷装置构成为基于多个控制参数在多个基板上分别印刷焊膏，所述检测装置构成为检测在从所述焊膏印刷装置传递的多个所述基板上分别印刷的焊膏状态；一个以上的存储器；及一个以上的处理器，可操作地连接于所述通信电路及所述一个以上的存储器。多种实施例的所述一个以上的处理器被配置为执行以下操作：获得用于在第一基板上印刷焊膏的所述焊膏印刷装置的第一控制参数组；将指示所述第一控制参数组的信息传送给所述焊膏印刷装置；从所述检测装置获得指示印刷在所述第一基板上的焊膏状态的第一焊膏检测信息；基于所述第一焊膏检测信息，确定对所述第一基板的第一收率；基于包括所述第一控制参数组及所述第一收率的第一数据对，生成用于探索最佳控制参数组的模型。
根据本公开的多种实施例，在优化电子设备的控制参数的方法中，所述电子设备可通信地连接于焊膏印刷装置及检测装置，所述焊膏印刷装置构成为基于多个控制参数在多个基板上分别印刷焊膏，所述检测装置构成为用于检测在从所述焊膏印刷装置传递的多个所述基板上分别印刷的焊膏状态，所述方法包括以下操作：获得用于在第一基板上印刷焊膏的所述焊膏印刷装置的第一控制参数组；将指示所述第一控制参数组的信息传送给所述焊膏印刷装置；从所述检测装置获得指示印刷在所述第一基板上的焊膏状态的第一焊膏检测信息；基于所述第一焊膏检测信息，确定对所述第一基板的第一收率；及基于包括所述第一控制参数组及所述第一收率的第一数据对，生成用于探索最佳控制参数组的模型。
发明效果
根据本公开的多种实施例，基于实时收集的数据(例如：控制参数组(set)及收率)，生成及更新用于探索最佳控制参数组的模型，从而无需基于历史积累的数据(historical data)来生成模型并执行优化。此外，由于影响焊膏印刷工艺的焊膏、模板(stencil)及刮刀(squeegee)的变动和状态可能会随时间变化，因此历史积累的数据不能反映当前焊膏印刷工艺的状态。根据本公开的多种实施例，可通过基于实时收集的数据，生成及更新用于探索最佳控制参数组的代理模型(surrogate model)，从而探索对应于当前焊膏印刷工艺状态的最佳控制参数组。
根据本公开的多种实施例的模型仅输出(或探索)用于获得预先设置的阈值以上收率的控制参数组。因此，即使在执行对多个基板的焊膏印刷工艺的期间实时执行控制参数组的优化，对于在执行相应优化的过程中进行的焊膏印刷工艺也能确保阈值以上的收率。
根据本公开的多种实施例，可以仅探索分别对应于预设数量基板的预设数量控制参数组，之后在探索到的控制参数组中确定最佳控制参数组来使用，因此能够防止在探索控制参数组时需要过多的基板。根据情况，可采用附加的判断基准来调节基板的探索基数。
根据本公开的多种实施例，由于在执行对多个基板的焊膏印刷工艺期间实时执行控制参数组的优化，因此能够将有可能因为焊膏印刷工艺环境上的突然变化而发生的收率下降最小化。
附图说明
图1是表示本公开一实施例的电子设备的操作过程的图。
图2是本公开一实施例的电子设备的方框图。
图3是用于说明本公开一实施例的模型的图。
图4a及图4b是用于说明根据本公开一实施例探索最佳控制参数组的过程的图。
图5是用于说明在本公开一实施例的用于探索最佳控制参数组的过程中考虑稳定性的方法的图。
图6是本公开一实施例的电子设备的操作流程图。
图7是本公开一实施例的电子设备的操作流程图。
具体实施方式
本公开的实施例是为了说明本公开技术思想的目的而举例的。本公开的保护范围并不限于以下给出的实施例或对这些实施例的具体说明。
除非另作定义，在本公开中使用的技术术语及科学术语具有在本公开所属技术领域中具有一般知识的人一般理解的含义。在本公开中使用的所有术语是为了更明确地说明本公开的目的而选择的，并不是用于限制本公开的保护范围。
对于本公开中使用的“包括”、“具备”及“具有”等表述，除非在包括相应表述的语句或句子中另行提到，则应理解为涵盖有可能包括其他实施例的开放型用语(open-endedterms)。
除非另行提到，在本公开中描述的单数型表述可包括复数型的含义，这对权利要求书中记载的单数型表述也同样适用。
在本公开中使用的“第一”、“第二”等的表述是为了区分多个构成要素而使用的，并不用于限定相应构成要素的顺序或重要度。
在本公开中使用的术语“部”意味着如软件、现场可编程门阵列(field-programmable gate array：FPGA)及专用集成电路(application specific integratedcircuit：ASIC)等的硬件构成要素。但是，“部”并不局限于硬件及软件。“部”可被配置为位于可寻址存储介质中，也可以被配置为运行一个或更多的处理器。因此，作为一例，“部”包括如软件构成要素、面向对象的软件构成要素、类构成要素及任务构成要素等的构成要素；和处理器、函数、属性、过程、子例程、程序代码段、驱动程序、固件、微代码、电路、数据、数据库、数据构成、平台、数组和变量。在构成要素和“部”内提供的功能可结合成更少数量的构成要素和“部”或者进一步分离为额外的构成要素和“部”。
在本公开中使用的“基于……”的表述用于描述对包括相应表述的语句或句子中描述的确定、判断行为或操作起到影响的一个以上因子，该表述并不排除对确定、判断行为或操作起到影响的额外的因子。
在本公开中，当提到某构成要素与其他构成要素“联结”或“连接”时，应理解为所述某构成要素与所述其他构成要素可直接联结或连接，或者可以将新的其他构成要素作为介质联结或连接。
下面，参照附图，对本公开的实施例进行说明。在附图中，对于相同或对应的构成要素使用相同的附图标记。此外，在以下实施例的说明中，可以省略对相同或对应的构成要素的重复描述。但是，即使省略对构成要素的描述，也不意味着那些构成要素并不包括在某实施例中。
虽然在本说明书中图示的流程图中对过程步骤、方法步骤及算法等按顺序进行了说明，但这些过程、方法及算法可被设置为以任意适合的顺序进行操作。换言之，在本公开的多种实施例中说明的过程、方法步及算法的步骤无需按本公开中描述的顺序执行。此外，即使部分步骤被说明为非同时执行，但在其他实施例中这些部分步骤也可以同时执行。此外，通过附图描述的过程的示例并不表示例示出的过程排除对它的其他变化和修改，并且不表示例示出的过程或其步骤中的任一项在本公开的多种实施例中的一个以上的实施例中必不可少的，不表示例示出的过程是优选的。
图1是表示本公开一实施例的用于优化焊膏印刷装置120的控制参数组(set)的电子设备100的操作过程的图。本公开的电子设备100可基于在焊膏检查工艺中获得的信息，确定焊膏印刷装置120的控制参数组。
对于一个以上的基板，可依次执行基板处理工艺。基板处理工艺可包括在基板上印刷焊膏的工艺及按照表面贴装技术在基板上贴装及结合零部件的工艺。在基板处理工艺中可使用焊膏印刷装置120、第一检测装置130、零部件贴装装置140、第二检测装置150、烤箱(Oven)160及/或第三检测装置170。在基板处理工艺中，焊膏印刷装置120可在基板上印刷焊膏。第一检测装置130可检测印刷在基板上的焊膏状态。零部件贴装装置140可在印刷有焊膏的基板上贴装零部件。第二检测装置150可检测贴装后的零部件的状态。第二检测装置150可称为前自动光学检测(pre-Automated Optical Inspection：pre-AOI)装置。贴装有零部件的基板可被输送到烤箱160而经历回流工艺。在回流工艺中，焊膏被熔融后重新凝固的同时零部件可被结合到基板上。第三检测装置170可检测经回流工艺后的基板上零部件的状态。第三检测装置170可称为后自动光学检测装置。
焊膏印刷装置120可构成为基于多个控制参数在多个基板上分别印刷焊膏。焊膏印刷装置120例如可为丝网印刷机(screen printer)。在本文中使用的焊膏印刷装置120的控制参数组可意味着多个控制参数的集合。多个控制参数例如可包括用于调节焊膏印刷装置120的印刷压力(print pressure)的控制参数、用于调节印刷速度(print speed)的控制参数及用于调节分离速度(separation speed)的控制参数。在印刷焊膏之前，在基板上配置有带开口的模板掩模。焊膏印刷装置120将刮刀(squeegee)在配置有模板掩模的基板上沿规定方向推进的同时将焊膏印刷在基板上。印刷压力可意味着在印刷焊膏时刮刀向基板施加的压力。印刷速度可意味着在印刷时刮刀推进的速度。分离速度可意味着印刷后将模板掩模从基板分离的速度。在基板上可设置有一个以上的焊盘，焊盘可意味着在基板上待结合零部件的位置上配置的一对电极。焊膏印刷装置120可对基板上的一个以上的焊盘分别印刷焊膏。
焊膏印刷装置120的控制参数组可对应于由多个控制参数定义的多维参数空间上的一个点。例如，当将两种控制参数设为各轴时，控制参数组可以表达为二维参数空间(即，平面)中的一个点。例如，当将三种控制参数设为各轴时，控制参数组可以表达为三维参数空间中的一个点。
根据本公开的多种实施例，为了生成用于探索焊膏印刷装置120的最佳控制参数的模型，可对基板(以下称“第一基板111”)执行基板处理工艺。用于在第一基板111上印刷焊膏的焊膏印刷装置120的初始控制参数组(下称“第一控制参数组”)可被预先设置并存储在电子设备100中。在一实施例中，第一控制参数组可由用户设置。电子设备100可将指示第一控制参数组的信息传送给焊膏印刷装置120。用于指示第一控制参数组的信息例如可以为控制焊膏印刷装置120基于第一控制参数组对第一基板111执行焊膏印刷工艺的信号。
根据多种实施例的焊膏印刷装置120可接收指示第一控制参数组的信息，并基于第一控制参数组对第一基板111执行焊膏印刷工艺。在对第一基板111印刷完焊膏后，第一基板111可从焊膏印刷装置120被移送到第一检测装置130。第一检测装置130可检测印刷在第一基板111上的焊膏状态。第一检测装置130可称为焊膏检查(Solder PasteInspection：SPI)装置。第一检测装置130可输出指示印刷在第一基板111上的焊膏的检测状态的焊膏检测信息(以下称“第一焊膏检测信息”)。焊膏的状态可包括选自相应焊膏的位置、方向、体积、高度及面积中的至少一种。第一焊膏检测信息例如可以为印刷在第一基板111上的焊膏的体积值。
电子设备100可从第一检测装置130获得第一焊膏检测信息。电子设备100可基于第一焊膏检测信息确定(计算)针对第一基板111的收率(以下称“第一收率”)。第一收率可意味着根据第一控制参数组涂布焊膏的第一基板111在完成基板处理工艺后被生产为良品的概率。第一收率例如可以基于印刷在第一基板111上的焊膏的体积值确定。在一实施例中，收率可通过概率建模方法计算为概率分布。例如，第一收率可以为具有“平均：1.96，标准差：0.5”的值的概率分布。这可以意味着印刷有焊膏的第一基板111在概率上具有平均1.96的收率，且标准差为0.5。
电子设备100可基于包括第一控制参数组及第一收率的数据对(以下称“第一数据对”)来生成模型。模型可为用于探索(exploration)最佳控制参数组的模型。最佳控制参数组可为使收率最大的焊膏印刷装置的控制参数组。可将第一控制参数组设为模型的独立变量(原因)，并将第一收率设为模型的解释变量(结果)来生成模型。例如，模型可在第一控制参数组及第一收率具有高斯分布(Gaussian Distribution)为前提生成。根据另一实施例，还可将刮刀方向(squeeze direction)及刮刀角度(squeeze angle)添加到解释变量。刮刀方向可意味着焊膏印刷装置120的刮刀为了施加压力而移动的方向(例如：正向、反向)。在一实施例中，还可分离各刮刀方向来生成额外的模型。刮刀角度可意味着在印刷时刮刀相对于基板具有的角度。生成的模型可存储在电子设备100的一个以上的存储器中。在一实施例中，模型可以为在其他装置中通过前述过程生成后传递到电子设备100并存储在存储器中的模型。
电子设备100可从生成的模型获得用于在第二基板113上印刷焊膏的焊膏印刷装置120的第二控制参数组。第二基板113例如可为在基板处理工艺中，在第一基板111之后的顺序被处理的基板。即，在处理第一基板111之后，可在第二基板113上印刷焊膏。在一实施例中，第二基板113也可为在第一基板111之后处理规定数量的基板后被处理的基板，而不是处理第一基板111之后紧接着处理的基板。
电子设备100可将获得的指示第二控制参数组的信息传送给焊膏印刷装置120。指示第二控制参数组的信息例如可为控制焊膏印刷装置120基于第二控制参数组执行对第二基板113的焊膏印刷工艺的信号。焊膏印刷装置120可接收指示第二控制参数组的信息，并基于第二控制参数组执行对第二基板113的焊膏印刷工艺。对第二基板113印刷完焊膏后，第二基板113可从焊膏印刷装置120被移送到第一检测装置130。第一检测装置130可检测印刷在第二基板113上的焊膏状态。第一检测装置130可输出指示印刷在第二基板113上的焊膏的检测状态的第二焊膏检测信息。第二焊膏检测信息例如可以为印刷在第二基板113上的焊膏的体积值。电子设备100可从第一检测装置130获得第二焊膏检测信息，且可基于第一焊膏检测信息确定对第二基板113的收率(以下称“第二收率”)。电子设备100可基于包括第一控制参数组和第一收率的第一数据对及包括第二控制参数组和第二收率的第二数据对来更新模型。对于模型的具体内容将在后面说明。
图2是本公开一实施例的电子设备100的方框图。电子设备100可包括一个以上的处理器210、一个以上的存储器220及/或通信电路230。根据多种实施例，可省略在电子设备100的这些构成要素中的至少一个构成要素或添加其他构成要素。根据多种实施例，可额外地(additionally)或取代地(alternatively)，部分构成要素可通过彼此整合来实现，或者可实现为单个或多个个体。一个以上的处理器210可以表述为处理器210。除非在上下文中明确以不同方式表述，所谓处理器210的表述可意味着一个或更多的处理器的集合。一个以上的存储器220可以表述为存储器220。除非在上下文中明确以不同方式表述，则所谓存储器220的表述可意味着一个或更多的存储器的集合。在一实施例中，电子设备100内外部的构成要素中的至少一部分的构成要素可通过总线、通用输入输出端口(general purposeinput/output：GPIO)、串行外设接口(serial peripheral interface：SPI)或移动通信行业处理器接口(mobile industry processor interface：MIPI)等彼此连接，并且接收及发送数据及/或信号。
处理器210可通过将软件(例如：指令、程序)驱动来控制与处理器210连接的设备的至少一个构成要素。此外，处理器210可执行与本公开相关的各种计算、处理、数据生成、加工等操作。此外，处理器210可从存储器220加载数据等，或在存储器220中存储数据等。
存储器220可存储各种数据。存储在存储器220中的数据是通过电子设备100的至少一个构成要素获得、处理或使用的数据，可包括软件(例如：指令、程序等)。存储器220可包括易失性及/或非易失性存储器220。本公开中的指令和程序是存储在存储器220中的软件，可包括用于控制设备资源的操作系统、应用程序及/或向应用程序提供各种功能以使应用程序能够应用设备资源的中间件等。在一实施例中，存储器220可存储在被处理器210运行时使得处理器210进行计算的指令。在一实施例中，存储器220可存储上述模型。在一实施例中，存储器220可存储焊膏检测信息及焊膏印刷装置120的控制参数组。
多种实施例中的通信电路230可执行电子设备100和服务器或电子设备100和其他设备之间的无线或有线通信。例如，通信电路230可执行基于增强型移动宽带(enhancedMobile Broadband：eMBB)、低时延高可靠通信(Ultra Reliable Low-LatencyCommunications：URLLC)、大规模机器类通信(Massive Machine Type Communications：MMTC)、长期演进(Long-Term Evolution：LTE)、长期演进升级版(LTE Advance：LTEA)、新广播(New Radio：NR)、通用移动通信系统(Universal Mobile Telecommunications System：UMTS)、全球移动通信系统(Global System for Mobile communications：GSM)、码分多址(Code Division Multiple Access：CDMA)、宽带码分多址(Wideband CDMA：WCDMA)、无线宽带(Wireless Broadband：WiBro)、无线保真(Wireless Fidelity：WiFi)、蓝牙(Bluetooth)、近场通信(Near Field Communication：NFC)、全球定位系统(GlobalPositioning System：GPS)或全球导航卫星系统(Global Navigation Satellite System：GNSS)等方式的无线通信。例如，通信电路230可执行基于通用串行总线(Universal SerialBus：USB)、高清多媒体接口(High Definition Multimedia Interface：HDMI)、推荐标准-232(Recommended Standard-232：RS-232)或普通老式电话业务(Plain Old TelephoneService：POTS)等方式的有线通信。在一实施例中，电子设备100可通过通信电路230与焊膏印刷装置120及/或第一检测装置130进行通信。根据一实施例，电子设备100还可通过通信电路230与零部件贴装装置140、第二检测装置150、烤箱160及/或第三检测装置170进行通信。
在一实施例中，电子设备100可以与焊膏印刷装置120、第一检测装置130、零部件贴装装置140、第二检测装置150、烤箱160及/或第三检测装置170中的至少一个结合的形式存在，还可作为额外的装置存在。当以与上述装置中的至少一个(例如：焊膏印刷装置120)结合的形式存在时，电子设备100可以不经过通信电路230，而是直接与相应装置进行各种信息的接收及发送。
在一实施例中，电子设备100可进一步包括用户界面240。用户界面240可接收用户输入，并向用户输出(显示)信息。在一实施例中，用户界面240可包括输入装置及/或输出装置。输入装置可为用于接收从外部输入的将向电子设备100的至少一个构成要素传递的信息的装置。例如，输入装置可包括鼠标、键盘、触摸板等。输出装置可为以视觉/听觉形式向用户提供电子设备100的各种信息的装置。例如，输出装置可包括显示器、投影仪、全息图、扬声器等。在一实施例中，用户界面240可接收用户输入的用于控制电子设备100的信息、用于控制基板处理工艺的信息或与基板相关的信息。
在一实施例中，用户界面240可接收用户输入的初始设置即用于在第一基板111上印刷焊膏的焊膏印刷装置120的第一控制参数组。处理器210可从存储器220获得用户初始设置的用于在第一基板111上印刷焊膏的焊膏印刷装置120的第一控制参数组，并将指示第一控制参数组的信息传送给焊膏印刷装置120。处理器210可从第一检测装置130获得指示印刷在第一基板111上的焊膏状态的第一焊膏检测信息，并基于第一焊膏检测信息，确定对第一基板111的第一收率。处理器210可基于包括第一控制参数组及第一收率的第一数据对，生成用于探索最佳控制参数组的模型。处理器210可将生成的模型存储在存储器220中。
处理器210可从生成的模型获得用于在所述第一基板111之后待印刷焊膏的第二基板113上印刷焊膏的焊膏印刷装置120的第二控制参数组，并将指示第二控制参数组的信息传送到焊膏印刷装置120。处理器210可从第一检测装置130获得指示印刷在第二基板113上的焊膏状态的第二焊膏检测信息，并基于第二焊膏检测信息，确定对第二基板113的第二收率。处理器210可基于第一数据对和包括第二控制参数组和第二收率的第二数据对来更新模型。
在一实施例中，电子设备100可为各种形式的设备。例如，电子设备100可为便携式通信设备、电脑设备、可穿戴(wearable)设备或组合上述设备中两种以上设备的设备。不过，本公开的电子设备100并不局限于前述设备。
在本公开中提到的电子设备100的多种实施例可相互组合。各实施例可根据情况的数量而组合，组合而成的电子设备100的实施例也同样属于本公开的范围。此外，根据前述本公开的电子设备100的内/外部构成要素可根据实施例来添加、改变、取代或删除。此外，前述电子设备100的内/外部构成要素可由硬件部件来实现。
图3是用于说明本公开多种实施例的模型300的图。如上所述，模型300可基于之前探索的与多个基板各自相关的控制参数组及收率的数据对310，输出用于在基板处理工艺中的下一个基板上印刷焊膏的控制参数组320。模型300可以是通过用于探索最佳控制参数组的最优化算法生成的模型。在一实施例中，模型300可基于最优化算法，输出下一个控制参数组。可应用的算法可以有蒙特卡罗法(Monte Carlo Method)、贝叶斯优化(BayesianOptimization)算法等的概率过程(Stochastic Process)及/或基于似然的推断(Likelihood based Inference)等。
首先，蒙特卡罗法可在解决具有概率分析的大部分问题中使用。根据大数定律(The law of large numbers)，由任意随机变量的预测值构成的积分会取变量的独立样本的实验平均(即，样本平均)，从而可以近似。采用这种性质，当变量的概率分布被参数化时，可使用马尔可夫蒙特卡罗采样器(Markov chain Monte Carlo(MCMC)sampler)。蒙特卡罗法可以有吉布斯采样(Gibbs Sampling)算法。吉布斯采样是一种MCMC算法，其用于在难以直接采样时从指定的多变量概率分布中获得一组观测值。
概率过程一般可以指由随机变量定义的数学客体。概率过程可表示根据时间随机变化的系统的数值值。即，概率过程可用作看似以任意方式变化的系统及现象的数学模型300。概率过程可通过随机变量来解释。概率过程可以有马尔科夫过程(Markov Process)、高斯过程(Gaussian Process)、概率模型(Statistical Model)300、贝叶斯推断等概率推断(Statistical Inference)、随机游走(random walks)、鞅(martingales)、列维过程(Levy processes)、随机场(random fields)、更新过程(renewal processes)及分支过程(branching processes)等。其中，贝叶斯推断方式还称为贝叶斯推理(Bayes’inference)，其为通过实验获得附加信息后使用贝叶斯定理更新假设概率的统计推断方法。贝叶斯推断主要在动态分析数据使之适应为符合给定条件的数据时应用，在人工智能领域中可在将从先前数据中学习到的知识按照条件更新为附加数据时使用，并适用基于此的贝叶斯最优化算法。
高斯过程算法是在对多变量的概率分布中利用变量的协方差(covariance)及平均值构建模型300的算法，因此与以往的神经网络电路不同，具有只要确定初始超参数就无需额外地进行人为参数设置的优点。
基于似然的推断可以有期望值最大化算法(Expectation-Maximizationalgorithm)等。期望值最大化算法可以是在依赖于不被观测到的潜在变量的概率模型300中寻找具有最大似然(maximum likelihood)或最大后验概率(maximum a posteriori)的参数估值的反复算法。期望值最大化算法的反复可包括执行：使用对参数的当前估值来生成对评价的对数-期望值的函数的期望步骤；及计算用于将预期对数-期望值最大化的参数的最大化步骤。期望值最大化算法可在无法直接求解方程式的情况下寻找统计模型300的最大期望值时使用。
模型300可基于用于在基板上印刷焊膏的焊膏印刷装置120的控制参数组及对所述基板的收率的数据对(pair)，输出用于在下一个基板上印刷焊膏的控制参数组。电子设备100可基于第一数据对来生成用于探索最佳控制参数组的模型300，其中，所述第一数据对包括对已执行基板处理工艺的第一个基板即第一基板111的第一控制参数组及对第一基板111的第一收率。之后，可按照基板处理工艺的顺序，基于对第[2、3、...、n-1、n]个基板各自的控制参数组及收率的数据对来更新模型300。在上述情况下，模型300可基于数据对来输出能够使对下一个基板的收率成为预先设置的阈值以上的控制参数组。阈值可由用户预先设置。
图4a及图4b分别是用于说明本公开一实施例的最佳控制参数组的探索过程的图。图4a是表示由两个控制参数限定的二维参数空间410的图，图4b是表示按执行基板处理工艺的基板顺序的收率的坐标图420。在图4a及图4b中假设在由两个控制参数定义的二维参数空间(平面)中探索最佳控制参数来进行说明，但并不局限于此，显然在由三个控制参数定义的三维参数空间或由四个以上的多个控制参数定义的多维参数空间中也同样能够适用。在本图中说明的控制参数组可意味着包括第一控制参数及第二控制参数。此外，虽然在本图中为了方便起见说明了一次性改变控制参数组的同时探索最佳控制参数组的情况，但是当然可以对包括在控制参数组中的多个控制参数分别探索最佳控制参数。
电子设备100可基于指示通过第一检测装置130(例如：SPI装置)实时检测的在基板上印刷的焊膏状态的焊膏检测信息，实时优化焊膏印刷装置120的控制参数组。步骤t0是与基板处理工艺中第一个被处理的第一基板111相关的步骤。用户可通过用户界面240，设置用于在第一基板111上印刷焊膏的焊膏印刷装置120的第一控制参数组。例如，用户可将能够获得预先设置的阈值以上收率的焊膏印刷装置120的多个控制参数输入为第一控制参数组。电子设备100可将指示第一控制参数组的信息传送给焊膏印刷装置120，焊膏印刷装置120可基于第一控制参数组，在第一基板111上印刷焊膏。之后，印刷有焊膏的第一基板111可从焊膏印刷装置120被传送到第一检测装置130，第一检测装置130可以检测印刷在第一基板111上的焊膏状态，生成指示印刷在第一基板111上的焊膏状态的焊膏检测信息。电子设备100可从第一检测装置130获得指示印刷在第一基板111上的焊膏状态的焊膏检测信息。电子设备100可基于获得的焊膏检测信息，确定对第一基板111的第一收率。电子设备100可基于第一控制参数组及第一收率，生成用于探索最佳控制参数组的模型(例如：模型300)。
步骤t1是与第一基板111的下一个基板即第二基板113相关的步骤。即，在第一基板111之后可在第二基板113上印刷焊膏。电子设备100可从生成的模型获得用于在第二基板113上印刷焊膏的焊膏印刷装置120的第二控制参数组。根据一实施例，模型可探索与二维参数空间(平面)中未曾探索过的部分、可获得较多新数据的部分或在二维参数空间中与远离曾经探索过的部分(例如：对应于第一控制参数组的点)的部分对应的控制参数组。例如，模型可基于第一数据对，将与二维参数空间中所包括的多个点中未曾探索过的任一点对应的控制参数组输出为第二控制参数组。例如，模型可将与二维参数空间中远离对应于第一控制参数组的点的点对应的控制参数组输出为第二控制参数组。例如，模型可将与二维参数空间中所包括的多个点中的所预测收率的不确定性(uncertainty)最大的点对应的控制参数组输出为第二控制参数组。所谓收率的不确定性最大的点例如可意味着被计算为概率分布的收率的离散(或标准差)值最大的点。例如，模型可将与二维参数空间中所包括的多个点中预测的收率的离散值最大的点对应的控制参数组输出为第二控制参数组，也可将与多个点中预测收率的离散值大于预设值以上的点对应的控制参数组输出为第二控制参数组。根据一实施例，模型可将预测为具有第二收率的控制参数组输出为第二控制参数组，其中第二收率高于第一收率。
电子设备100可将用于指示第二控制参数组的信息传送给焊膏印刷装置120，焊膏印刷装置120可基于第二控制参数组，在第二基板113上印刷焊膏。之后，电子设备100可从第一检测装置130获得指示印刷在第二基板113上的焊膏状态的第二焊膏检测信息，并可基于第二焊膏检测信息确定对第二基板113的第二收率。电子设备100可基于包括第一控制参数组和第一收率的第一数据对及包括第二控制参数组和第二收率的第二数据对来更新模型。根据一实施例，电子设备100可以更新模型，使之输出被预测为收率能够高于第一收率及第二收率的控制参数组。根据一实施例，电子设备100可以更新模型，使之输出与二维参数空间中远离分别对应于第一控制参数组及第二控制参数组的点的点对应的控制参数组。此时，电子设备100可以更新模型，使之仅输出被预测为具有预先设置的阈值以上收率的控制参数组。
步骤t2是与第二基板113的下一个基板即第三基板相关的步骤。即，在第二基板113之后可在第三基板上印刷焊膏。电子设备100可从更新后的模型获得用于在第三基板上印刷焊膏的焊膏印刷装置120的第三控制参数组。根据一实施例，模型可探索与二维参数空间中未曾探索过的部分、可获得较多新数据的部分或与远离曾经探索过的部分(例如：分别对应于第一控制参数组及第二控制参数组的点)的部分对应的控制参数组。根据一实施例，模型可将被预测为具有第三收率的控制参数组输出为第三控制参数组，其中第三收率高于第一收率及第二收率。与步骤t2中的说明同样地，电子设备100可将指示第三控制参数组的信息传送给焊膏印刷装置120，可从第一检测装置130获得指示印刷在第三基板上的焊膏状态的第三焊膏检测信息，并可基于第三焊膏检测信息，确定对第三基板的第三收率。电子设备100可基于第一数据对、第二数据对及包括第三控制参数组和第三收率的第三数据对来更新模型。
步骤t3是与第三基板的下一个基板即第四基板相关的步骤。即，在第三基板之后可在第四基板上印刷焊膏。与步骤t2中的说明同样地，可获得对第四基板的第四控制参数及第四收率，并可基于第四控制参数及第四收率来更新模型。
根据前述方式，电子设备100可以更新模型，直至探索到预定数量的控制参数组。例如，电子设备100可将模型仅更新到探索出对20个基板的20个控制参数组为止。之后，电子设备100可基于探索到的预定数量的控制参数组，确定最佳参数组。利用这种先前的探索结果来确定最佳控制参数组的过程可称为开采(exploitation)过程。开采过程可意味着在参数空间中为了寻找最佳解(最佳控制参数组)而在已有的探索区域中朝向接近最佳的方向探索参数的过程。开采过程可根据之前的探索过程结果所表现的倾向性来寻找最佳解。例如，电子设备100在对20个控制参数组进行探索过程的情况下，可将20个控制参数组中收率最高的控制参数组确定为最佳控制参数组，并将其传送给焊膏检测装置。上述20个是示意性的数量，用于探索控制参数组的数量可由用户设置为各种不同的数量。
在一实施例中，若在基于通过前述过程确定的最佳参数组进行基板处理工艺的过程中发生环境变化，则电子设备100可以重新开始探索最佳控制参数组的新的过程。在一实施例中，可通过贴装在基板处理工艺的装置上的至少一个传感器或检测装置来感测与基板处理工艺相关的环境变化。至少一个传感器或检测装置可将指示基板处理工艺发生环境变化的信息传递给电子设备100。电子设备100可随着获得相应信息，重新开始探索最佳控制参数组的过程。例如，当电子设备100感测到与基板处理工艺相关的环境变化时，可基于包括控制参数组及收率的数据对，重新生成模型，并利用重新生成的模型重新探索最佳控制参数组。
图5是用于说明在本公开一实施例的用于探索最佳控制参数组的过程中考虑稳定性的方法的图。图5是表示按控制参数值的收率的坐标图500。在本公开中，由于基于在执行基板处理工艺的过程中收集的包括控制参数组及收率的数据对，生成用于探索最佳控制参数组的模型并且更新该模型，因此被在探索最佳控制参数组的过程中尝试的控制参数组导致收率下降至低于预先设置的阈值时，可能会发生损失。在探索最佳控制参数组的过程中，为了将损失最小化，也不应探索预测的收率降低至小于预先设置的阈值的控制参数。因此，电子设备100可以不探索被预测为具有预先设置的阈值以下收率的控制参数组tx。
电子设备100可基于包括用户设置的用于在第一基板111上印刷焊膏的焊膏印刷装置120的第一控制参数组及对第一基板111的第一收率的第一数据对，生成用于探索最佳控制参数组的模型。模型可基于第一数据对，输出能够使对第一基板111的下一个基板即第二基板113的第二收率成为预先设置的阈值以上的第二控制参数组。即，模型可以考虑待输出的控制参数组是否满足对收率预先设置的阈值，并可通过不输出被预测为收率小于预先设置的阈值的控制参数组，从而确保基板处理工艺的稳定性，且能防止因控制参数的改变导致的不良生产。
图6是本公开一实施例的电子设备100的操作流程图。参见操作流程图600，在操作610中，电子设备100的处理器210可获得用于在第一基板111上印刷焊膏的焊膏印刷装置120的第一控制参数组。第一控制参数组可为多个控制参数的组合，可通过用户界面240由用户进行初始设置。
在操作620中，处理器210可将指示第一控制参数组的信息传送给焊膏印刷装置120。指示第一控制参数组的信息例如可为用于控制焊膏印刷装置120基于第一控制参数组执行对第一基板111的焊膏印刷工艺的信号。
在操作630中，处理器210可从检测装置获得指示印刷在第一基板111上的焊膏状态的第一焊膏检测信息。检测装置可为用于检测印刷在基板上的焊膏状态的第一检测装置(SPI装置)130。第一焊膏检测信息例如可为印刷在第一基板111上的焊膏的体积值。
在操作640中，处理器210可基于第一焊膏检测信息，确定对第一基板111的第一收率。收率例如可为基于印刷在第一基板111上的焊膏的体积值确定的收率。收率可根据概率建模方法确定为概率分布。
在操作650中，处理器210可基于包括第一控制参数组及第一收率的第一数据对，生成用于探索最佳控制参数组的模型。模型例如可在第一控制参数组及第一收率具有高斯分布的前提下生成。在生成模型之后，可进行操作A来更新模型。对于更新模型的具体操作，将在后面对图7的说明中进行说明。
图7是本公开一实施例的电子设备100的操作流程图。操作流程图700可包括图6中的操作650之后的操作。在操作710中，处理器210可从生成的模型获得用于在第一基板111的下一个基板即第二基板113上印刷焊膏的焊膏印刷装置120的第二控制参数组。
模型可探索与多维参数空间中未曾探索过的部分、可获得更多新数据的部分或与远离曾经探索过的部分的部分对应的控制参数组。例如，模型可基于第一数据对，将与二维参数空间中所包括的多个点中未曾探索过的任一点对应的控制参数组输出为第二控制参数组。例如，模型可与二维参数空间中的远离对应于第一控制参数组的点的点对应的控制参数组输出为第二控制参数组。例如，模型可将与二维参数空间中所包括的多个点中预测的收率的不确定性(uncertainty)最大的点对应的控制参数组输出为第二控制参数组。根据一实施例，模型可将被预测为具有第二收率的控制参数组输出为第二控制参数组，其中第二收率高于第一收率。在上述情况中，模型均可将能够使第二收率成为预先设置的阈值以上的控制参数组输出为第二控制参数组。
在操作720中，处理器210可将指示第二控制参数组的信息传送给焊膏印刷装置120。在操作730中，处理器210可从检测装置获得指示印刷在第二基板113上的焊膏状态的第二焊膏检测信息。在操作740中，处理器210可基于第二焊膏检测信息，确定对第二基板113的第二收率。
处理器210可基于第一数据对及包括第二控制参数组和第二收率的第二数据对来更新模型。根据一实施例，处理器210可以更新模型，使之输出被预测为收率高于第一收率及第二收率的控制参数组。根据一实施例，处理器210可以更新模型，使之输出与多维参数空间中的远离分别对应于第一控制参数组及第二控制参数组的点的点对应的控制参数组。此时，处理器210可以更新模型，使之仅输出被预测为具有预先设置的阈值以上收率的控制参数组。
虽然通过特定实施例来说明上述方法，但上述方法还可在计算机可读记录介质中作为计算机可读代码来实现。计算机可读记录介质包括用于存储计算机系统可读数据的所有类型的记录装置。计算机可读记录介质的示例可包括ROM、RAM、CD-ROM、磁带、软盘、光数据存储装置等。此外，计算机可读记录介质可分布在由网络连接的计算机系统中，并可通过分布方式存储并运行计算机可读代码。此外，本公开所属技术领域的编程人员可易于推导出用于实现上述实施例的功能(functional)程序、代码及代码段。

Claims (20)

1.一种电子设备，包括：
通信电路，可通信地连接于焊膏印刷装置及检测装置，所述焊膏印刷装置构成为基于多个控制参数在多个基板上分别印刷焊膏，所述检测装置构成为检测在从所述焊膏印刷装置传递的多个所述基板上分别印刷的焊膏状态；
一个以上的存储器；及
一个以上的处理器，可操作地连接于所述通信电路及所述一个以上的存储器，
所述一个以上的处理器被配置为执行以下操作：
获得用于在第一基板上印刷焊膏的所述焊膏印刷装置的第一控制参数组；
将指示所述第一控制参数组的信息传送给所述焊膏印刷装置；
从所述检测装置获得指示印刷在所述第一基板上的焊膏状态的第一焊膏检测信息；
基于所述第一焊膏检测信息，确定对所述第一基板的第一收率；
基于包括所述第一控制参数组及所述第一收率的第一数据对，生成用于探索最佳控制参数组的模型。
2.根据权利要求1所述的电子设备，其中，
所述一个以上的处理器被配置为执行以下操作：
从所述模型获得用于在所述第一基板之后待印刷焊膏的第二基板上印刷焊膏的所述焊膏印刷装置的第二控制参数组；
将指示所述第二控制参数组的信息传送给所述焊膏印刷装置；
从所述检测装置获得指示印刷在所述第二基板上的焊膏状态的第二焊膏检测信息；
基于所述第二焊膏检测信息，确定对所述第二基板的第二收率；
基于所述第一数据对和包括所述第二控制参数组及所述第二收率的第二数据对，更新所述模型。
3.根据权利要求2所述的电子设备，其中，
所述模型基于所述第一数据对来输出能够使所述第二收率成为预先设置或自动设置的阈值以上的所述第二控制参数组。
4.根据权利要求2所述的电子设备，其中，
所述模型基于所述第一数据对来输出能够使所述第二收率高于所述第一收率的所述第二控制参数组。
5.根据权利要求2所述的电子设备，其中，
所述一个以上的处理器更新所述模型，直至探索到预设数量的控制参数组。
6.根据权利要求5所述的电子设备，其中，
所述一个以上的处理器被配置为执行以下操作：
探索所述预设数量的控制参数组后，在所述预设数量的控制参数组中将对应的收率最大的控制参数组确定为最佳控制参数组；
将指示最佳控制参数组的信息传送给所述焊膏印刷装置。
7.根据权利要求1所述的电子设备，其中，
多个所述控制参数包括用于调节所述焊膏印刷装置的印刷压力的控制参数、用于调节印刷速度的控制参数及用于调节基板分离速度的控制参数。
8.根据权利要求2所述的电子设备，其中，
所述第一控制参数组及所述第二控制参数组分别对应于由多个所述控制参数定义的多维参数空间中的一个点。
9.根据权利要求8所述的电子设备，其中，
所述模型基于所述第一数据对来输出对应于所述多维参数空间中所包括的多个点中未曾探索过的任一点的所述第二控制参数组。
10.根据权利要求9所述的电子设备，其中，
所述任一点是多个所述点中所预测的收率的不确定性最大的点。
11.根据权利要求2所述的电子设备，其中，
所述第一收率及所述第二收率由概率建模方法确定为概率分布。
12.根据权利要求1所述的电子设备，其中，
所述第一控制参数组由用户设置。
13.一种优化电子设备的控制参数的方法，所述电子设备可通信地连接于焊膏印刷装置及检测装置，所述焊膏印刷装置构成为基于多个控制参数在多个基板上分别印刷焊膏，所述检测装置构成为检测在从所述焊膏印刷装置传递的多个所述基板上分别印刷的焊膏状态，所述方法包括以下操作：
获得用于在第一基板上印刷焊膏的所述焊膏印刷装置的第一控制参数组；
将指示所述第一控制参数组的信息传送给所述焊膏印刷装置；
从所述检测装置获得指示印刷在所述第一基板上的焊膏状态的第一焊膏检测信息；
基于所述第一焊膏检测信息，确定对所述第一基板的第一收率；及
基于包括所述第一控制参数组及所述第一收率的第一数据对，生成用于探索最佳控制参数组的模型。
14.根据权利要求13所述的方法，进一步包括以下操作：
从所述模型获得用于在所述第一基板之后待印刷焊膏的第二基板上印刷焊膏的所述焊膏印刷装置的第二控制参数组；
将指示所述第二控制参数组的信息传送给所述焊膏印刷装置；
从所述检测装置获得指示印刷在所述第二基板上的焊膏状态的第二焊膏检测信息；
基于所述第二焊膏检测信息，确定对所述第二基板的第二收率；及
基于所述第一数据对和包括所述第二控制参数组及所述第二收率的第二数据对，更新所述模型。
15.根据权利要求14所述的方法，其中，
所述模型基于所述第一数据对来输出能够使所述第二收率成为预先设置的阈值以上的所述第二控制参数组。
16.根据权利要求14所述的方法，其中，
所述模型基于所述第一数据对来输出能够使所述第二收率高于所述第一收率的所述第二控制参数组。
17.根据权利要求13所述的方法，其中，
多个所述控制参数包括用于调节所述焊膏印刷装置的印刷压力的控制参数、用于调节印刷速度的控制参数及用于调节基板分离速度的控制参数。
18.根据权利要求14所述的方法，其中，
所述第一控制参数组及所述第二控制参数组分别对应于由多个所述控制参数定义的多维参数空间中的一个点。
19.根据权利要求18所述的方法，其中，
所述模型基于所述第一数据对来输出对应于所述多维参数空间中所包括的多个点中未曾探索过的任一点的所述第二控制参数组。
20.根据权利要求14所述的方法，其中，
所述第一收率及所述第二收率由概率建模方法确定为概率分布。
CN202180007443.1A 2020-05-29 2021-05-31 用于优化焊膏印刷装置的控制参数的设备及方法 Pending CN114930335A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR10-2020-0064967 2020-05-29
KR20200064967 2020-05-29
PCT/KR2021/006721 WO2021242062A1 (ko) 2020-05-29 2021-05-31 솔더 인쇄 장치의 제어 파라미터를 최적화하기 위한 장치 및 방법

Publications (1)

Publication Number Publication Date
CN114930335A true CN114930335A (zh) 2022-08-19

Family

ID=78744821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180007443.1A Pending CN114930335A (zh) 2020-05-29 2021-05-31 用于优化焊膏印刷装置的控制参数的设备及方法

Country Status (6)

Country Link
US (1) US20230073723A1 (zh)
EP (1) EP4068137B1 (zh)
JP (1) JP7395000B2 (zh)
KR (1) KR20220100954A (zh)
CN (1) CN114930335A (zh)
WO (1) WO2021242062A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114398850B (zh) * 2022-03-25 2022-06-03 苏州浪潮智能科技有限公司 一种防止pcb丝印影响高速信号阻抗变化的方法和装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5542600A (en) * 1991-11-07 1996-08-06 Omron Corporation Automatic soldering apparatus, apparatus and method for teaching same, soldering inspection apparatus and method, and apparatus and method for automatically correcting soldering
US7171897B2 (en) * 2003-06-05 2007-02-06 Georgia Tech Research Corporation System and methods for data-driven control of manufacturing processes
JP2005157835A (ja) * 2003-11-27 2005-06-16 Matsushita Electric Ind Co Ltd 設計情報提供装置
JP2008152341A (ja) * 2006-12-14 2008-07-03 Ricoh Co Ltd 品質管理支援システム、品質管理支援方法及びプログラム
FR2962568B1 (fr) * 2010-07-09 2012-08-17 Renault Sa Procede de controle de la qualite d'une soudure
BR112014016498A8 (pt) * 2012-01-05 2023-03-14 Opto Generic Devices Inc sistema de controle elétrico analógico; dispositivo de energia conectado eletricamente; e controlador opto-programado
KR101736275B1 (ko) * 2015-06-30 2017-05-16 주식회사 고영테크놀러지 스크린 프린터 프리세팅 방법 및 검사 장치
JP6922168B2 (ja) * 2016-08-10 2021-08-18 オムロン株式会社 表面実装ラインの品質管理システム及びその制御方法
KR102106349B1 (ko) * 2017-12-21 2020-05-04 주식회사 고영테크놀러지 인쇄 회로 기판 검사 장치, 솔더 페이스트 이상 감지 방법 및 컴퓨터 판독 가능한 기록 매체
KR102167564B1 (ko) * 2018-02-26 2020-10-19 주식회사 고영테크놀러지 스크린 프린터의 제어 파라미터를 생성하는 장치 및 방법
EP3530463A1 (en) * 2018-02-26 2019-08-28 Koh Young Technology Inc. Apparatus and method of generating control parameter of screen printer
CN112004629B (zh) * 2018-04-27 2022-05-03 三菱电机株式会社 钎焊监视装置、钎焊监视方法以及钎焊装置

Also Published As

Publication number Publication date
KR20220100954A (ko) 2022-07-18
EP4068137C0 (en) 2024-01-10
EP4068137A4 (en) 2023-02-08
JP7395000B2 (ja) 2023-12-08
US20230073723A1 (en) 2023-03-09
WO2021242062A1 (ko) 2021-12-02
JP2023508040A (ja) 2023-02-28
EP4068137B1 (en) 2024-01-10
EP4068137A1 (en) 2022-10-05

Similar Documents

Publication Publication Date Title
CN110598802B (zh) 一种内存检测模型训练的方法、内存检测的方法及装置
CN111582453B (zh) 生成神经网络模型的方法和装置
JP2021197154A (ja) 帳票画像認識方法および装置、電子機器、記憶媒体並びにコンピュータプログラム
US10067746B1 (en) Approximate random number generator by empirical cumulative distribution function
CN110909942B (zh) 训练模型的方法及系统和预测序列数据的方法及系统
CN111563592B (zh) 基于超网络的神经网络模型生成方法和装置
CN111563593B (zh) 神经网络模型的训练方法和装置
CN110956255A (zh) 难样本挖掘方法、装置、电子设备及计算机可读存储介质
US11847496B2 (en) System and method for training and selecting equivalence class prediction modules for resource usage prediction
CN111340220B (zh) 用于训练预测模型的方法和装置
CN112001287A (zh) 障碍物的点云信息生成方法、装置、电子设备和介质
US20210089952A1 (en) Parameter-searching method, parameter-searching device, and program for parameter search
KR20220010927A (ko) 엣지 인공지능 모듈 및 이의 가중치 업그레이드 방법
CN115905450A (zh) 一种基于无人机监控的水质异常溯源方法及系统
CN114930335A (zh) 用于优化焊膏印刷装置的控制参数的设备及方法
CN113392018A (zh) 流量分发方法、装置、存储介质及电子设备
CN115984084B (zh) 一种基于动态可拆分网络的遥感分布式数据处理方法
US20230140173A1 (en) Deep neural network (dnn) accelerators with heterogeneous tiling
CN115641470A (zh) 分类模型及车辆图像分类模型的训练方法、装置及设备
CN114852096A (zh) 域控制器变量的管理方法、装置、电子设备及存储介质
KR20180119443A (ko) 가우시안 프로세스 회귀분석을 이용한 클러스터링 방법 및 그 장치
CN107743094B (zh) 路由接入方法及路由接入装置
CN114449883B (zh) 用于决定贴装信息的装置、方法及记录指令的记录介质
CN113110270B (zh) 报警信号处理方法、装置、电子设备和计算机可读介质
US20240177179A1 (en) System and method for management of inference models of varying complexity

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