CN118104411A - 控制基板处理工序的装置、方法及记录介质 - Google Patents
控制基板处理工序的装置、方法及记录介质 Download PDFInfo
- Publication number
- CN118104411A CN118104411A CN202380013981.0A CN202380013981A CN118104411A CN 118104411 A CN118104411 A CN 118104411A CN 202380013981 A CN202380013981 A CN 202380013981A CN 118104411 A CN118104411 A CN 118104411A
- Authority
- CN
- China
- Prior art keywords
- component
- mounting
- state
- components
- result information
- 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
Links
- 239000000758 substrate Substances 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 91
- 230000008569 process Effects 0.000 title claims description 46
- 238000012545 processing Methods 0.000 title claims description 34
- 230000002159 abnormal effect Effects 0.000 claims abstract description 83
- 238000004891 communication Methods 0.000 claims abstract description 29
- 230000015654 memory Effects 0.000 claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 20
- 238000010801 machine learning Methods 0.000 claims description 41
- 230000005856 abnormality Effects 0.000 claims description 34
- 238000009826 distribution Methods 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 description 45
- 229910000679 solder Inorganic materials 0.000 description 25
- 238000005516 engineering process Methods 0.000 description 16
- 239000000470 constituent Substances 0.000 description 14
- 238000007639 printing Methods 0.000 description 13
- 238000003860 storage Methods 0.000 description 11
- 238000012549 training Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000014509 gene expression Effects 0.000 description 9
- 201000000464 cone-rod dystrophy 2 Diseases 0.000 description 6
- 238000007689 inspection Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000001939 inductive effect Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 210000000225 synapse Anatomy 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
- H05K13/08—Monitoring manufacture of assemblages
- H05K13/081—Integration of optical monitoring devices in assembly lines; Processes using optical monitoring devices specially adapted for controlling devices or machines in assembly lines
- H05K13/0812—Integration of optical monitoring devices in assembly lines; Processes using optical monitoring devices specially adapted for controlling devices or machines in assembly lines the monitoring devices being integrated in the mounting machine, e.g. for monitoring components, leads, component placement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
- H05K13/04—Mounting of components, e.g. of leadless components
-
- 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
- H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
- H05K13/08—Monitoring manufacture of assemblages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Supply And Installment Of Electrical Components (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
Abstract
提供一种控制与表面贴装技术相关的装置的技术。本公开一实施例的装置可以包括:通信电路,所述通信电路配置成能与测量装置通信;一个以上处理器;及一个以上存储器,所述一个以上存储器存储指令,所述指令在借助于所述一个以上处理器而运行时,使得所述一个以上处理器执行运算;其中,所述一个以上处理器,从所述测量装置获得第一贴装结果信息,所述第一贴装结果信息测量组件贴装装置在目标基板上贴装目标组件的状态,所述组件贴装装置由具有层级关系的多个部件构成;并基于所述第一贴装结果信息和所述层级关系,判定所述多个部件中至少一个为状态异常,其中,所述状态异常是指确定了所述多个部件中至少一个不满足预定基准;及如果将所述多个部件中至少一个判定为状态异常,则控制所述测量装置,使得所述测量装置停止向所述组件贴装装置提供的反馈。
Description
技术领域
本公开涉及控制基板处理工序的技术。
背景技术
基于表面贴装技术(Surface Mount Technology;SMT)的基板处理工序可以在基板上执行。这种基板处理工序包括在基板上印刷焊料的工序、对基板上印刷的焊料贴装组件的工序和/或使印刷的焊料固化以使组件结合于基板的工序等。
组件最终结合于基板的状态(例:位置、方向等)会受到执行基板处理工序中所包括的个别工序的多样装置的影响。例如,组件状态会受到在基板上印刷焊料的装置、对基板上印刷的焊料贴装组件的装置和固化焊料的装置等的影响。如果最终结合的组件因前述装置的影响而无法顺利接触基板的焊盘(例:电极),则会引起基板的不良。
发明内容
技术问题
本公开提供一种控制基板处理工序的技术。
技术方案
本公开一实施例的装置可以包括:通信电路,所述通信电路配置成能与测量装置通信;一个以上处理器;及一个以上存储器,所述一个以上存储器存储指令,所述指令在借助于所述一个以上处理器而运行时,使得所述一个以上处理器执行运算;其中,所述一个以上处理器,从所述测量装置获得第一贴装结果信息,所述第一贴装结果信息测量组件贴装装置在目标基板上贴装目标组件的状态,所述组件贴装装置由具有层级关系的多个部件构成;并基于所述第一贴装结果信息和所述层级关系,判定所述多个部件中至少一个为状态异常,其中,所述状态异常是指确定了所述多个部件中至少一个不满足预定基准;及如果将所述多个部件中至少一个判定为状态异常,则控制所述测量装置,使得所述测量装置停止向所述组件贴装装置提供的反馈。
在一实施例中,所述一个以上处理器可以响应于判定为状态异常的部件已修理的信号,控制所述测量装置使所述反馈重新开始。
在一实施例中,所述一个以上处理器可以向用户终端传输显示信息,所述显示信息使得在所述用户终端中显示将所述多个部件的状态可视化的仪表板。
在一实施例中,所述显示信息可以包括所述多个部件中针对判定为状态异常的部件的信息。
在一实施例中,所述一个以上处理器,可以基于所述第一贴装结果信息,确定所述目标基板上贴装的所述目标组件的贴装状态与预定贴装基准之间的偏移,并基于所述偏移和所述层级关系,判定所述多个部件中至少一个为状态异常。
在一实施例中,所述偏移可以包括所述目标组件的贴装位置与所述贴装基准指示的贴装位置之间的位置偏移及所述目标组件的贴装角度与所述贴装基准指示的贴装角度之间的角度偏移中至少一个。
在一实施例中,所述一个以上处理器,可以获得第二贴装结果信息,所述第二贴装结果信息测量在具有与所述目标基板相同布局的多个基板中每个上贴装与所述目标组件同种组件的状态,并可以基于所述第二贴装结果信息,确定所述多个基板中每个上贴装的所述同种组件各自的偏移,基于所述目标组件的偏移和所述同种组件各自的偏移的均值,判定所述多个部件中至少一个为状态异常。
在一实施例中,所述一个以上处理器,可以获得第二贴装结果信息,所述第二贴装结果信息测量在具有与所述目标基板相同布局的多个基板中每个上贴装与所述目标组件同种组件的状态,并可以基于所述第二贴装结果信息,确定所述多个基板中每个上贴装的所述同种组件各自的偏移,基于所述目标组件的偏移和所述同种组件各自的偏移的分布,判定所述多个部件中至少一个为状态异常。
在一实施例中,所述一个以上处理器,可以获得第三贴装结果信息,所述第三贴装结果信息测量在所述目标基板上贴装第一组件和与所述第一组件相区别的第二组件的状态,其中,所述第一组件和所述第二组件为由所述组件贴装装置的一个目标部件贴装的组件,并可以基于所述第三贴装结果信息,确定所述第一组件的偏移和所述第二组件的偏移,基于所述第一组件的偏移与所述第二组件的偏移相对应的确定,判定所述目标部件为状态异常。
在一实施例中,所述一个以上存储器可以还存储机器学习模型,所述机器学习模型学习贴装结果信息与部件状态异常之间的相关关系,所述一个以上处理器可以基于所述机器学习模型,判定所述多个部件中至少一个为状态异常。
本公开一实施例的方法由装置执行,所述方法可以包括:从测量装置获得第一贴装结果信息的步骤,所述第一贴装结果信息测量组件贴装装置在目标基板上贴装目标组件的状态,所述组件贴装装置由具有层级关系的多个部件构成;基于所述第一贴装结果信息和所述层级关系,判定所述多个部件中至少一个为状态异常的步骤,其中,所述状态异常是指确定了所述多个部件中至少一个不满足预定基准;及如果将所述多个部件中至少一个判定为状态异常,则控制所述测量装置,使得所述测量装置停止向所述组件贴装装置提供的反馈的步骤。
在一实施例中,可以还包括:响应于判定为状态异常的部件已修理的信号,控制所述测量装置使所述反馈重新开始的步骤。
在一实施例中,可以还包括:向所述用户终端传输显示信息的步骤,所述显示信息使得在所述用户终端中显示将所述多个部件的状态可视化的仪表板。
在一实施例中,所述显示信息可以包括所述多个部件中判定为状态异常的部件的信息。
在一实施例中,判定所述多个部件中至少一个为状态异常的步骤可以包括:基于所述第一贴装结果信息,确定所述目标基板上贴装的所述目标组件的贴装状态与预定贴装基准之间的偏移的步骤;及基于所述偏移和所述层级关系,判定所述多个部件中至少一个为状态异常的步骤。
在一实施例中,获得所述第一贴装结果信息的步骤可以包括:获得第二贴装结果信息的步骤,所述第二贴装结果信息测量在具有与所述目标基板相同布局的多个基板中每个上贴装与所述目标组件同种组件的状态;基于所述第一贴装结果信息来确定所述目标组件的偏移的步骤可以包括:基于所述第二贴装结果信息,确定所述多个基板中每个上贴装的所述同种组件各自的偏移的步骤;基于所述目标组件的偏移和所述层级关系来判定所述多个部件中至少一个为状态异常的步骤可以包括:基于所述目标组件的偏移和所述同种组件各自的偏移的均值,判定所述多个部件中至少一个为状态异常的步骤。
在一实施例中,获得所述第一贴装结果信息的步骤可以包括:获得第二贴装结果信息的步骤,所述第二贴装结果信息测量在具有与所述目标基板相同布局的多个基板中每个上贴装与所述目标组件同种组件的状态;基于所述第一贴装结果信息来确定所述目标组件的偏移的步骤可以包括:基于所述第二贴装结果信息,确定所述多个基板中每个上贴装的所述同种组件各自的偏移的步骤;基于所述目标组件的偏移和所述层级关系来确定所述多个部件中至少一个为状态异常的步骤可以包括:基于所述目标组件的偏移和所述同种组件各自的偏移的分布,判定所述多个部件中至少一个为状态异常的步骤。
在一实施例中,获得所述第一贴装结果信息的步骤可以包括:获得第三贴装结果信息的步骤,所述第三贴装结果信息测量在所述目标基板上贴装第一组件和与所述第一组件相区别的第二组件的状态,其中,所述第一组件和所述第二组件为由所述组件贴装装置的一个目标部件贴装的组件;基于所述第一贴装结果信息来确定所述目标组件的偏移的步骤可以包括:基于所述第三贴装结果信息,确定所述第一组件的偏移和所述第二组件的偏移的步骤;基于所述目标组件的偏移和所述层级关系来判定所述多个部件中至少一个为状态异常的步骤可以包括:基于所述第一组件的偏移与所述第二组件的偏移相对应的确定,判定所述目标部件为状态异常的步骤。
在一实施例中,判定所述多个部件中至少一个为状态异常的步骤可以包括:基于学习贴装结果信息与部件状态异常之间的相关关系的机器学习模型,判定所述多个部件中至少一个为状态异常的步骤。
本公开一实施例的非暂时性计算机可读记录介质为记录用于由处理器运行的计算机程序的非暂时性计算机可读记录介质,所述计算机程序可以配置成,当借助所述处理器运行时,使所述处理器执行前述方法中任一种。
发明效果
根据本公开,可以使组件顺利接触基板的焊盘。
根据本公开,可以判定构成用于贴装与表面贴装技术相关组件的装置(例:组件贴装装置)的部件状态。
根据本公开,可以控制测量组件的贴装状态的测量装置向贴装组件的装置提供的反馈。
根据本公开,可以使构成用于贴装组件的装置的部件状态实现可视化。
基于本公开技术思想的效果不限于以上提及的效果,未提及的其他效果是本公开技术领域的普通技术人员可以从说明书的记载明确理解的。
附图说明
图1示出本公开一实施例的装置可以适用的环境。
图2示出本公开多样实施例中可参照的组件贴装装置的贴装工序。
图3示出执行参照图2描述的贴装工序的参照表。
图4示出本公开多样实施例中可参照的组件贴装装置的部件层级关系。
图5示出可实现本公开一实施例的装置的计算装置。
图6示出表示本公开一实施例的方法的顺序图。
图7和图8示出表示本公开一实施例的状态异常判定动作的顺序图。
图9至图18示出本公开多样实施例中可参照的组件贴装装置的状态异常类型和根据状态异常类型的贴装结果。
图19示出本公开多样实施例中可参照的机器学习模型。
图20示出表示本公开一实施例的方法的顺序图。
图21和图22示出本公开多样实施例中可参照的仪表板。
具体实施方式
本公开中记载的多样实施例是出于明确地描述本公开的技术思想的目的而举例的,并非要将其限定为特定的实施形态。本公开的技术思想包括从本公开中记载的各实施例的多样变更(modifications)、均等物(equivalents)、替代物(alternatives)及各实施例的全部或一部分选择性地组合的实施例。另外,本公开技术思想的权利范围不限定为以下提示的多样实施例或对其的具体描述。
包括技术性术语或科学性术语在内,只要未不同地定义,本公开中使用的术语可以具有本公开所属领域的普通技术人员一般理解的意义。
本公开中使用的诸如“包括”“可以包括”“具备”“可以具备”“具有”“可以具有”等的表述,意味着存在成为对象的特征(例:功能、动作或构成要素等),不排除其他追加的特征的存在。即,这种表述应理解为包含将包括其他实施例的可能性的开放型术语(open-ended terms)。
本公开中使用的单数型的表述,只要上下文未表示不同,则可以包括复数型的意义,这也同样适用于权利要求项记载的单数型表述。
本公开中使用的“第一”“第二”或“第一个”“第二个”等表述,只要上下文未表示不同,在指称多个同种对象方面,用于将一个对象区别于其他对象,并非限定对象间的顺序或重要度。
本公开中使用的“A、B及C”“A、B或C”“A、B和/或C”或“A、B及C中至少一者”“A、B或C中至少一者”“A、B和/或C中至少一者”等表述,可以意指各个罗列的项目或罗列的项目的所有可能组合。例如,“A或B中至少一者”可以全部指称(1)至少一个A、(2)至少一个B、(3)至少一个A及至少一个B。
本公开中使用的“基于~”字样的表述,用于记述包含该表述的词汇或句子中记述的对决定、判断行为或动作造成影响的一个以上因素,该表述不排除对决定、判断行为或动作造成影响的追加因素。
在本文书中使用的某构成要素(例:第一构成要素)“连接”或“接续”于其他构成要素(例:第二构成要素)的表述,不仅是所述某构成要素直接连接或接续于所述其他构成要素,还可意指以新的其他构成要素(例:第三构成要素)为介质而连接或接续。
本公开中使用的表述“配置成~(configured to)”,根据上下文,可以具有“设置成~的”“具有~能力的”“变更得~”“形成得~的”“可以进行~的”等意义。相应表述不限于“在硬件上特别地设计的”的意义,例如,所谓配置成执行特定运转的处理器,可以意指通过运行软件而能够执行该特定动作的通用处理器(generic-purpose processor),或意指通过编程成执行该特定动作的结构化的专用计算机(special purpose computer)。
本公开中使用的术语“基板(Substrate)”,作为贴装半导体芯片等器件的板乃至容器,可以由硅等材料形成并发挥作为器件间电信号连接通路的作用。基板可以用于集成电路制作等。例如,基板可以为印刷电路板(Printed Circuit Board;PCB)或晶片等。
本公开中使用的术语“组件”可指称基板上贴装的器件。这种组件例如也可以互换地指称零件或套件等。
本公开中使用的术语“用户界面(User Interface;UI)”可意指被创建成可在用户与对象、系统、机器或计算机程序等之间实现沟通的物理或虚拟介质。根据本公开,用户例如可以通过由整体管理并控制基于表面贴装技术的基板处理工序的管控装置提供给用户终端的用户界面,确认和/或选择基板处理工序相关的多样信息。
本公开中使用的术语“机器学习(Machine Learning;ML)”可以为训练机器学习模型以使其对输入数据的特征进行分类、分析和/或预测的技术。即,机器学习可以指称一种处理,通过处理作为训练数据的输入数据的经验来训练机器学习模型。机器学习可以包括使得机器学习模型可以模仿人类的学习能力、推理能力和/或知觉能力的技术,例如,人工智能或符号逻辑等技术。这种机器学习可以应用于例如语言理解、视觉理解、推理、预测、知识表示或动作控制的技术领域。
本公开中使用的术语“机器学习模型”可以为根据机器学习而生成的结果。具体地,机器学习模型可以建模并构建输入数据之间的相关性,该相关性可由至少一个参数来表达。其中,机器学习模型根据机器学习所预期的方式,从输入数据中提取至少一个特征并进行分析,以导出输入数据之间的相关性,可以通过重复这种过程来优化参数。例如,机器学习模型可以针对作为输入-输出对而给出的数据,学习(例如,监督学习)输入和输出之间的映射(例如,相关性)。又例如,即使仅给出输入数据,机器学习模型也可以导出给定数据之间的规律并学习其关系(例如,无监督学习)。作为参数优化/构建的结果,如机器学习中所预期的那样,机器学习模型可以对输入数据的特征进行分类、分析和/或预测并输出输出数据。这些机器学习模型也可以称为人工智能模型或神经网络模型等。
关于机器学习模型的结构,机器学习模型可以设计为在计算机上实现人脑结构。即,机器学习模型可以包括模拟人类神经网络的神经元(neuron)的多个网络节点。多个网络节点中的每一个可以模拟神经元通过突触(synapse)发送和接收信号的神经元突触(synaptic)活动,并与其他节点具有连接关系。具体地,在机器学习模型中,多个网络节点可以位于深度互不相同的层,并可以根据例如卷积(convolution)连接关系来交换数据。
下面参照附图,描述本公开记载的多样实施例。在附图及对附图的描述中,对相同或实质上同等的(substantially equivalent)构成要素,可以赋予相同的附图标记。另外,在以下多样实施例的描述中,可以省略重复记述相同或对应的构成要素,但这不意味着相应构成要素不包含于该实施例。
图1示出本公开一实施例的装置120、130、140、150、160、170、180、190可应用的环境100。欲通过图1描述的环境100涉及管控装置180整体管理和控制表面贴装技术相关装置120、130、140、150、160、170或这些装置120、130、140、150、160、170所执行的基板处理工序的环境。另外,图1所示的环境100涉及管控装置180通过用户界面而向用户终端190传输基板处理工序相关各种信息或从用户终端190获得对上述各种信息的响应的环境。
另一方面,图1示出表面贴装技术相关的一对装置120、130、140、150、160、170和一个用户终端190通过网络而与各个管控装置180连接的环境100。根据基板处理工序的生产线数量或用户数量等,表面贴装技术相关装置120、130、140、150、160、170和用户终端190的个数均可以有所不同。另外,图1只是示出了用于达成本公开目的的优选实施例,根据需要,一部分构成要素可以合并到其他构成要素,或者一部分构成要素可以删除,或者一部分构成要素可以添加。
参照图1,可由表面贴装技术相关装置120、130、140、150、160、170对基板110执行基板处理工序。其中,对于与基板110同种的基板,与在基板110上执行的基板处理工序相同的基板处理工序可以依次执行。于是,在执行对基板110的基板处理工序时,表面贴装技术相关装置120、130、140、150、160、170中的至少一部分可以向管控装置180发送基板处理工序相关各种信息,或从管控装置180接收基板处理工序相关各种信息或控制信号。
表面贴装技术相关装置可以为焊料印刷装置120、第一测量装置130、组件贴装装置140、第二测量装置150、烘箱160或第三测量装置170等。
关于基板处理工序包括的焊料印刷工序,焊料印刷装置120或第一测量装置130可以参与焊料印刷工序。焊料印刷装置120可以在基板110印刷焊料。具体地,焊料印刷装置120可以针对基板110中包括的焊盘(例:在基板上的供部件结合的位置配置的一对电极)印刷焊料。这种焊料印刷装置120可以称为丝网印刷机(Screen Printer)。另外,第一测量装置130可以测量焊料的印刷状态。所谓焊料的印刷状态,可以包括焊料的位置、方向、体积、高度或面积等。其中,第一测量装置130可以根据焊料的印刷状态而向焊料印刷装置120提供反馈。根据如此提供的反馈,焊料印刷装置120可以针对基板110的后续同种基板,执行作为反映了反馈的结果的印刷工序。这种第一测量装置130可以称为SPI(Solder PasteInspection;焊膏检测)装置。
关于基板处理工序中包括的组件贴装工序,组件贴装装置140或第二测量装置150可以参与组件贴装工序。
关于基板处理工序中包括的组件贴装工序,组件贴装装置140可以在印刷了焊料的基板110上贴装组件。另外,组件贴装装置140可以算出拾起(pick up)组件的个数(或欲拾起的个数)并向第二测量装置150或管控装置180传输该值。这种组件贴装装置140可以称为贴片机(Mounter)。
参照图2和图3,具体描述组件贴装装置140执行的贴装动作,组件贴装装置140可以包括头部210或喷嘴220a、220b等作为构成该装置的组件。在贴装动作中,组件贴装装置140通过连接于头部210的喷嘴220a、220b而使组件230a、230b暂时结合,通过头部210的移动而使组件230a、230b位于基板240上根据贴装基准的区域250a、250b、250c、250d中的一部分,然后解除喷嘴220a、220b与组件230a、230b的暂时结合,从而可以将组件230a、230b贴装于基板240。成为组件230a、230b贴装基准的贴装基准可以以与图3所示参照表300相同的方式,例如根据二维的坐标值(X、Y)和旋转的角度值(θ)而预先确定。贴装的结果,多个组件CRD1、CRD2、CRD3、CRD4中每个可以以对应于根据贴装基准的区域250a、250b、250c、250d的方式贴装于基板240。其中,一部分组件CRD1、CRD3可以贴装成与根据贴装基准的区域250a、250c不具有偏移(例:位置偏移、角度偏移),另一部分组件CRD2、CRD4可以贴装成与根据贴装基准的区域250b、250d具有偏移。这种偏移可能起因于组件贴装装置140的贴装动作伴随的多样干扰,或起因于构成组件贴装装置140的部件的故障(例:状态异常)。通过后续说明书的记载,描述判定贴装动作中发生偏移的类型中因构成组件贴装装置140的部件故障导致的类型及其原因等的具体方法。
关于基板处理工序中包括的组件贴装工序,第二测量装置150可以测量组件的贴装状态。其中,贴装状态可以意指组件贴装装置140贴装组件的状态。第二测量装置150可以通过测量贴装状态来生成贴装结果信息。这种贴装结果信息例如可以包括诸如组件的贴装位置(例:测量组件贴装位置的二维和三维的坐标值)或贴装角度(例:测量组件贴装角度的角度值)的初级信息。另外,贴装状态例如也可以包括诸如位置偏移、角度偏移、位置偏移的均值、位置偏移的分布、角度偏移的均值、角度偏移的分布或组件遗漏个数的对初级信息进行加工的次级信息。第二测量装置150可以将前述的贴装结果信息发送给管控装置180。另外,第二测量装置150可以根据组件的贴装状态,向组件贴装装置140提供反馈。根据如此提供的反馈,组件贴装装置140可以针对基板110的后续同种基板,执行作为反映了反馈的结果的组件贴装工序。这种第二测量装置150可以称为Pre-AOI(Automated OpticalInspection;自动光学检测)装置。
关于基板处理工序中包括的回流(reflow)工序,烘箱160或第三测量装置170可以参与回流工序。烘箱160通过在使基板110上印刷的焊料熔融后固化而可以使组件结合于基板110。另外,第三测量装置170可以测量回流工序后的组件结合状态(例:组件的结合位置、结合角度)。其中,第三测量装置170可以根据组件的结合状态而向烘箱160提供反馈。根据如此提供的反馈,烘箱160可以针对基板110的后续同种基板,执行作为反映了反馈的结果的回流工序。这种第三测量装置170可以称为Post-AOI(Automated Optical Inspection;自动光学检测)装置。
除前述的动作之外,表面贴装技术相关装置120、130、140、150、160、170也可以执行用于执行表面贴装技术的公知的所有动作。
以下为了明确本公开的要旨,对以上描述的基板处理工序中的组件贴装工序及与该工序相关的装置的动作进行具体描述。以下,测量组件贴装状态的第二测量装置150也可以简称为测量装置150。
管控装置180可以从测量装置150获得贴装结果信息(例:第一贴装结果信息)。贴装结果信息可以是通过由组件贴装装置140测量基板110(例:目标基板)上贴装的组件(例:目标组件)的贴装状态而获得的信息。例如,贴装结果信息可以包括在以二维和/或三维坐标表示的组件贴装位置的测量值、及组件贴装角度的测量值中选择的至少一个。又例如,贴装结果信息可以包括组件遗漏个数。在一实施例中,组件遗漏个数可以与组件贴装装置140拾起组件的个数(或欲拾起的个数)衔接生成。例如,组件遗漏个数可以为拾起的组件个数与实际贴装的组件个数之间的差异。再例如,贴装结果信息可以包括位置偏移、角度偏移、位置偏移的均值、位置偏移的分布、角度偏移的均值和角度偏移的分布中至少一个值。再例如,贴装结果信息也可以包括拍摄组件贴装于基板110的状态的图像。
管控装置180可以获得构成组件贴装装置140的多个部件(例:头部、喷嘴等)的层级关系。如图4所示,层级关系400可以由构成组件贴装装置140的多个部件的物理连接关系来确定。参照图4的层级关系400,例如,“头部”可以与“喷嘴1”和“喷嘴2”具有物理连接关系。另外,根据层级关系400,“喷嘴1”和“CRD1”及“CRD2”各自可以具有借助“喷嘴1”而供“CRD1”和“CRD2”贴装的物理连接关系,“喷嘴2”和“CRD3”及“CRD4”各自可以具有借助“喷嘴2”而供“CRD3”和“CRD4”贴装的物理连接关系。
管控装置180可以基于贴装结果信息和层级关系,判定构成组件贴装装置140的多个部件中至少一个的状态。如果多个部件中的第一部件不满足预定基准,则可以判定第一部件为状态异常。再如果多个部件中的第二部件满足预定基准,则也可以判定为第二部件为状态正常。即,部件的状态异常可以指示针对部件确定为不满足预定基准。其中,预定基准可以为基于贴装结果信息和/或层级关系而确定的基准。
管控装置180如果将构成组件贴装装置140的多个部件中至少一个判定为状态异常,则可以控制测量装置150以使测量装置150停止向组件贴装装置140提供的反馈。这种反馈可以是用于调整因组件贴装装置140的贴装动作所伴随的多样干扰导致的偏移的手段。如果在因组件贴装装置140的部件状态异常而发生偏移的情况下,反馈的程度过度增加,反而可能导致组件贴装装置140的贴装动作不准确,或在该部件修理之后,组件贴装装置140的贴装动作不准确。因此,管控装置180可以控制测量装置150,以使测量装置150停止向组件贴装装置140提供的反馈。
管控装置180可以响应于判定为状态异常的部件已修理的信号,控制测量装置150使反馈重新开始。通过修理判定为状态异常的部件,部件成为状态正常,因而为了调节因组件贴装装置140的贴装动作伴随的多样干扰导致的偏移,管控装置180可以控制测量装置150,以使测量装置150重新开始向组件贴装装置140提供的反馈。除前述动作之外,管控装置180也可以执行用于管理和控制组件贴装工序的多样动作。
另外,管控装置180为了使组件贴装工序相关信息(例:仪表板)面向用户实现可视化,也可以执行与用户终端190相关的动作。具体地,管控装置180可以向用户终端190传输显示信息,所述显示信息使得在用户终端190中显示将构成组件贴装装置140的多个部件的状态可视化的仪表板。即,管控装置180可以向用户终端190传输显示信息,以便用户可以通过用户终端190确认表面贴装技术相关的各种信息。在一实施例中,显示信息可以包括构成组件贴装装置140的多个部件中被判定为状态异常的部件的信息。与在用户终端190中可视化的仪表板等相关的动作后续将参照图20至图22进行描述。
以上描述的管控装置180可以以一个以上计算装置实现。例如,管控装置180的所有功能可以在单一计算装置中实现。又例如,管控装置180的第一功能可以在第一计算装置中实现,第二功能可以在第二计算装置中实现。这种计算装置例如可以但不限于为台式计算机(desktop computer)、膝上型计算机(laptop computer)、应用服务器(applicationserver)、代理服务器(proxy server)或云服务器(cloud server)等,具有计算功能的所有种类的装置均可为计算装置。
以上描述的用户终端190作为用户(例:管理并控制表面贴装技术的处理的人等)使用的终端,可以在显示屏上显示从管控装置180获得的各种信息。这种管控装置180与用户终端190的通信可以以用户界面为媒介来执行。前述的用户终端190例如可以但不限于为台式计算机、膝上型计算机、平板电脑(tablet computer)、可穿戴设备(wearabledevice)或智能手机(smart phone)等,具备计算功能的所有种类的装置均可为用户终端190。另外,为了从管控装置180获得提供的前述用户界面,在用户终端190中也可以安装有网页浏览器(web browser)或应用程序(application)。
以上描述的图1所示的装置120、130、140、150、160、170、180、190中每个可以通过网络进行通信。这种网络例如可以以诸如局域网(Local Area Network;LAN)、广域网(WideArea Network;WAN)、移动通信网(Mobile Radio Communication Network;MRCN)或WiBro(Wireless Broadband;无线宽带)等的所有种类的有线或无线网络实现。
图5示出可实现本公开一实施例的装置120、130、140、150、160、170、180、190的全部或一部分的计算装置500。即,图1所示的焊料印刷装置120、第一测量装置130、组件贴装装置140、第二测量装置150、烘箱160、第三测量装置170、管控装置180或用户终端190的全部或一部分可由图5所示的计算装置500实现。作为参考,在本公开中,计算装置500可以与装置或电子装置互换地指称。
参照图5,计算装置500可以包括一个以上处理器510、一个以上存储器520或通信电路530。在一实施例中,一部分构成要素(例:通信电路)可以从计算装置500中删除,或其他构成要素(例:显示屏或输入装置等)也可以添加到计算装置500。另外,一部分构成要素可以追加或替代地统合实现,或者以单个或多个个体实现。在本公开中,一个以上处理器510可以称为处理器510。这种所谓处理器510字样的术语,只要上下文未明确地表示不同,可以意指一个或其以上的处理器的集合。另外,在本公开中,一个以上存储器520可以称为存储器520。这种所谓存储器520字样的术语,只要上下文未明确地表示不同,可以意指一个或其以上的存储器的集合。
处理器510可以执行计算装置500的各构成要素的控制或通信相关的运算或信息处理。具体地,处理器510可以驱动从其他构成要素接收的软件(或计算机程序)以控制与处理器510连接的计算装置500的至少一个构成要素。作为一个示例,处理器510可以将指令(例:指令(instruction)、代码或代码片段)或信息载入(load)存储器520,处理存储器520中存储的指令或信息,并将处理的结果信息存储于存储器520。另外,处理器510可以与计算装置500的构成要素动态连接,执行与本公开相关的多样运算、处理、生成或加工等动作。
存储器520可以存储多样信息。存储器520中存储的信息,作为借助于计算装置500的至少一个构成要素而获得或处理或使用的信息,可以包括软件。软件可以包括一个以上指令,该指令配置成当载入存储器520时,使处理器510执行本公开多样实施例的动作。即,处理器510可以通过运行前述的一个以上指令来执行本公开多样实施例的动作。存储器520例如可以包括易失性或非易失性存储器。在一实施例中,程序作为在存储器520中存储的软件,可以包括用于控制计算装置500的资源的操作系统、应用程序或向应用程序提供多样功能以便应用程序能够利用计算装置500的资源的中间件等。
通信电路530可以与其他装置建立有线或无线通信信道,并与该其他装置收发多样信息。在一实施例中,为了以有线方式与其他装置通信,通信电路530可以包括用于与其他装置以有线电缆连接的至少一个端口。此时,通信电路530可以与通过至少一个端口而有线连接的其他装置执行通信。在一实施例中,通信电路530可以包括蜂窝通信模块并配置成连接于蜂窝网络(例:3G、LTE、5G、Wibro或Wimax)。在一实施例中,通信电路530可以包括近距离通信模块并利用近距离通信(例:Wi-Fi、Bluetooth、Bluetooth Low Energy(BLE)、UWB)而与其他装置执行信息收发。在一实施例中,通信电路530可以包括用于非接触式通信的非接触通信模块。非接触式通信例如可以包括诸如NFC(Near Field Communication)通信、RFID(Radio Frequency Identification)通信或MST(Magnetic SecureTransmission)通信的至少一个非接触方式的近距离通信技术。除前述多样示例外,计算装置500也可以以用于与其他装置通信的公知的多样方式实现,本公开的范围不限于前述示例。
在一实施例中,通信电路530可以从计算装置500中省略。
在一实施例中,计算装置500可以包括显示屏。显示屏可以基于处理器510的控制而显示多样画面(例:一个以上页面)。为了在显示屏中显示应用了各种界面的画面,例如可以在计算装置500中安装有网页浏览器或专用应用程序。另外,显示屏作为可与用户交互的构成,可以从用户接收用户输入。这种显示屏可以以能够识别多样外部客体(例:用户的手指或手写笔)的接触或接近的触摸传感器面板(Touch Sensor Panel;TSP)的形态实现。
在一实施例中,计算装置500可以包括输入装置(例:鼠标或键盘)。输入装置可以从计算装置500的外部(例:用户)接收将用于计算装置500的构成要素的信息。
处理器510、存储器520和/或通信电路530可以通过总线(bus)、GPIO(GeneralPurpose Input/Output;通用输入/输出)、SPI(Serial Peripheral Interface;串行外设接口)或MIPI(Mobile Industry Processor Interface;移动行业处理器接口)等而相互连接并收发信息或信号。
下面对本公开多样实施例的方法进行详细描述。需要注意的是,在以下附图中,动作按特定顺序示出,但并非动作必须按示出的特定顺序或按依次顺序运行,或者必须运行所有示出的动作才能获得所需结果。
另外,以下参照附图描述的方法的动作可由计算装置执行。换言之,方法的动作可以以由计算装置的处理器运行的一个以上指令实现。这种方法包括的所有动作也可以由一个物理计算装置运行,或例如方法的第一动作可由第一计算装置执行,而方法的第二动作可由第二计算装置执行。即,方法包括的动作也可分给多个计算装置执行。
下面假定前述方法的动作由图1所示管控装置180执行并继续进行描述。另外,为便于描述,方法包括的动作的主体可以省略,只要上下文未不同地表示,可以解释为动作由管控装置180执行。
图6示出表示本公开一实施例的方法的顺序图。图6所示的顺序图包括管控装置180的一系列动作:判定构成组件贴装装置140的部件的状态异常(例:故障),并根据该判定来控制测量装置150。
贴装结果信息可以从测量装置150获得S610。贴装结果信息可以是测量在基板上贴装组件的状态(例:贴装状态)的信息的总称。例如,贴装结果信息可以包括第一贴装结果信息,所述第一贴装结果信息测量在目标基板上贴装目标组件的状态。其中,目标基板可以为进行基板处理工序的基板,目标组件可以为目标基板上贴装的一个组件。另外,贴装结果信息可以包括第二贴装结果信息,所述第二贴装结果信息测量在具有与目标基板相同布局的多个基板中每个上贴装与目标组件同种组件的状态。其中,多个基板可以是继目标基板之后进行基板处理工序的基板,在多个基板中每个上可以贴装有与目标基板上贴装的目标组件同种的组件。目标组件及其同种组件虽然贴装于互不相同的基板,但由组件贴装装置140的一个部件(例:目标部件)贴装,因而借助获得贴装结果信息的动作S610,可以获得由一个部件贴装的多个组件的贴装状态。另外,贴装结果信息可以包括第三贴装结果信息,所述第三贴装结果信息测量在目标基板上贴装第一组件和第二组件的状态。其中,第一组件和第二组件可以是由组件贴装装置140的一个目标部件(例:头部、喷嘴等)贴装的组件。即,第一组件和第二组件虽然是目标基板上贴装的各不相同的组件,但由组件贴装装置140的一个部件(例:目标部件)贴装,因而借助获得贴装结果信息的动作S610,可以获得由该一个部件贴装的多个组件的贴装状态。
在一实施例中,贴装结果信息可以包括测量组件在基板上贴装位置(例:贴装位置)的二维和三维坐标值和测量组件贴装角度(例:贴装角度)的角度值中至少一个值。即,二维和三维坐标值与角度值中至少一个值可以从测量装置150获得。坐标值可以是由相对于基板固有地确定的第一点与基板上贴装的组件占有的第二点(例:组件的重心)的关系确定的值。另外,角度值可以是由相对于基板固有地确定的第一线与基板上贴装的组件占有的第二线的关系确定的值。
在另一实施例中,贴装结果信息可以包括拍摄组件在基板贴装的状态的图像。即,图像可以从测量装置150获得。
可以基于贴装结果信息和构成组件贴装装置140的多个部件的层级关系,判定多个部件中至少一个为状态异常S620。
本动作S620可以包括基于贴装结果信息来确定一个以上组件的偏移的动作。这种确定偏移的动作可以是确定组件的贴装状态与预定贴装基准之间差异的动作。具体地,确定偏移的动作可以包括确定组件的贴装位置与针对该组件贴装基准指示的贴装位置之间的位置偏移的动作。另外,确定偏移的动作可以包括确定组件的贴装角度与针对该组件贴装基准指示的贴装角度之间的角度偏移的动作。由此,偏移可以包括位置偏移和角度偏移中至少一个。例如,假定“CRD1”的贴装位置为{30、20},如图3所示,“CRD1”的贴装基准指示的贴装位置为{25、20},则“CRD1”的位置偏移可以确定为{5、0}。另外,假定“CRD1”的贴装角度为{10},如图3所示,“CRD1”的贴装基准指示的贴装角度为{0},则“CRD1”的角度偏移可以确定为{10}。
确定偏移的动作例如可以基于第一贴装结果信息,针对目标基板上贴装的目标组件执行,或基于第二贴装结果信息,针对多个基板中每个上贴装的各个同种组件执行,或基于第三贴装结果信息,针对第一组件和第二组件中的每个执行。
根据这种确定偏移的动作,组件的贴装状态与预定贴装基准之间的差异可以通过数值简明地确定。该数值可以应用于本动作S620的状态异常的判定。
如果是贴装结果信息包括偏移(例:位置偏移、角度偏移)或偏移的统计学数值的情形,则前述的确定偏移的动作可以省略。此时,例如测量装置150可以执行前述的确定偏移的动作。
另外,本动作S620可以包括:确定由组件贴装装置140的一个部件贴装的一个以上组件的偏移的统计学数值(例:均值、分布)的动作。这种确定统计学数值的动作例如可以包括:基于第一贴装结果信息至第三贴装结果信息,确定由组件贴装装置140的一个部件贴装的一个以上组件(例:目标组件、同种组件、第一组件、第二组件)的偏移的统计学数值的动作。具体例如,确定统计学数值的动作可以包括确定由组件贴装装置140的第一头部贴装的一个以上组件的偏移的第一统计学数值的动作,或包括确定由以物理方式连接于第一头部的第一喷嘴贴装的一个以上组件的偏移的第二统计学数值的动作,或包括确定由以物理方式连接于第一头部的第二喷嘴贴装的一个以上组件的偏移的第三统计学数值的动作。
根据这种确定统计学数值的动作,可以确定组件贴装装置140各独立部件所影响的一个以上组件的偏移的相关统计学数值。如果在偏移的相关统计学数值中发现倾向性,则可以判定构成组件贴装装置140的多个部件中至少一个为状态异常。例如,位置偏移的相关均值与基于贴装基准的贴装位置偏移,或位置偏移的相关分布超出基于贴装基准的贴装位置的范围,或角度偏移的相关均值与基于贴装基准的贴装角度偏移,或角度偏移的相关分布超出基于贴装基准的贴装角度的范围,或角度偏移的相关分布缺失时,可以判定构成组件贴装装置140的多个部件中至少一个为状态异常。
如果是贴装结果信息包括偏移的统计学数值的情形,则前述的确定统计学数值的动作可以省略。此时,例如测量装置150可以执行前述的确定统计学数值的动作。
另外,本动作S620可以包括基于组件贴装装置140的层级关系,判定组件贴装装置140的部件中至少一个为状态异常的动作。根据这种基于层级关系判定状态异常的动作,可以更明确地特定在统计学数值中诱发倾向性的组件贴装装置140的部件。
具体例如,假定“CRD1”与“CRD2”由组件贴装装置140的第一喷嘴贴装,“CRD3”和“CRD4”由组件贴装装置140的第二喷嘴贴装,第一喷嘴和第二喷嘴以物理方式连接于组件贴装装置140的第一头部。如果在“CRD1”至“CRD4”的偏移的统计学数值中发现一定的倾向性,则在该统计学数值中诱发倾向性的部件可以特定为第一头部。另外,如果在“CRD1”至“CRD4”的偏移的统计学数值中未发现一定的倾向性,但在“CRD1”和“CRD2”的偏移的统计学数值中发现一定的倾向性,则在该统计学数值中诱发倾向性的部件可以特定为第一喷嘴。另外,如果在“CRD1”至“CRD4”的偏移的统计学数值中未发现一定的倾向性,但在“CRD3”和“CRD4”的偏移的统计学数值中发现一定的倾向性,则在该统计学数值中诱发倾向性的部件可以特定为第二喷嘴。
在一实施例中,本动作S620可以包括基于学习了贴装结果信息与部件状态异常之间的相关关系的机器学习模型,判定多个部件中至少一个为状态异常的动作。其中,机器学习模型可以在完成学习后,存储于管控装置180的存储器。对这种机器学习模型的描述将稍后参照图19进行具体描述。
如果将多个部件中至少一个判定为状态异常,则可以控制测量装置150,以使测量装置150停止向组件贴装装置140提供的反馈S630。
反馈可以是用于调整因组件贴装装置140的贴装动作所伴随的多样干扰产生的偏移的手段。这种反馈可以应用于以进行基板处理工序的目标基板的偏移为基础而在后续基板中调整该偏移。不过,在因组件贴装装置140的部件状态异常而发生偏移的情况下,反馈的程度过度增加,反而可能导致组件贴装装置140的贴装动作不准确,或在该部件修理之后,组件贴装装置140的贴装动作可能不准确。因此,根据本动作S630,可以根据判定状态异常的动作S620的结果来控制测量装置150,以使测量装置150停止向组件贴装装置140提供的反馈。
在一实施例中,反馈的停止也可以针对基板包括的多个组件中的一部分应用。
在根据判定状态异常的动作S620而判定状态异常之前,可以针对执行基板处理工序的多个基板,继续应用反馈。在判定状态异常的动作S620中,可以要求多个基板,因而与组件贴装装置140的部件的状态异常所致偏移对应的反馈可以累积应用于组件贴装装置140。因此,在根据判定状态异常的动作S620而判定状态异常时,组件贴装装置140中累积应用的反馈中的至少一部分可以被初始化。
可以响应于判定为状态异常的部件已修理的信号,控制测量装置150使反馈重新开始S640。
判定为状态异常的部件已修理的信号可以从外部装置(例:用户终端190)获得。部件的修理可以理解为包括部件更换在内的广义范围概念。
当部件得到修理时,因组件贴装装置140的部件的状态异常所致偏移将不再发生,因而根据本动作S640,为了调整因组件贴装装置140的贴装动作所伴随的多样干扰而发生的偏移,可以控制测量装置150,以使测量装置150向组件贴装装置140提供的反馈重新开始。
图7和图8示出表示本公开一实施例的状态异常判定动作的顺序图。图7的步骤S700和图8的步骤S800分别指示判定状态异常的动作S620。
管控装置180可以确定贴装状态与预定贴装基准之间的偏移S710,并可以基于偏移和层级关系,判定多个部件中至少一个为状态异常S720。步骤S710可以对应于参照步骤S620描述的确定偏移的动作。另外,步骤S720中,参照步骤S620描述的基于确定统计学数值的动作和/或层级关系的判定状态异常的动作可以至少部分对应。
参照图8,可以基于偏移的均值或分布,判定为多个部件中至少一个为状态异常S810,可以基于偏移是否对应,判定多个部件中至少一个为状态异常S820。
步骤S810中,参照步骤S620描述的基于确定统计学数值的动作和/或层级关系的判定状态异常的动作可以至少部分对应。这种步骤S810例如可以包括:基于目标基板上贴装的目标组件的偏移及目标基板后续多个基板中每个上贴装的与目标组件同种的组件的偏移的均值或分布,判定多个部件中至少一个为状态异常的动作。另外,步骤S820中,参照步骤S620描述的基于层级关系的判定状态异常的动作可以至少部分对应。这种步骤S820例如可以包括基于目标基板上贴装的第一组件与第二组件的偏移相对应(例:具有相同的倾向性)的确定,判定参与第一组件和第二组件贴装的目标部件为状态异常的动作。
图9至图18示出本公开多样实施例中可参照的组件贴装装置140的状态异常类型和状态异常类型所致贴装结果。
欲参照图9和图10描述的组件贴装装置140的状态异常类型,是组件贴装装置140的部件中一部分的位置偏离的类型。参照图9,例如当与状态正常910比较时,状态异常920是“喷嘴2”的位置偏离,状态异常930是“头部1”的位置偏离。
如果“喷嘴1”参与贴装的组件的位置偏移相关均值和“喷嘴2”参与贴装的组件的位置偏移相关均值都位于基于贴装基准的贴装位置时,可以判定组件贴装装置140的所有部件为状态正常。另外,如图10所示,“喷嘴1”参与贴装的组件的位置偏移相关均值位于基于贴装基准的贴装位置,但“喷嘴2”参与贴装的组件的位置偏移相关均值与基于贴装基准的贴装位置偏离时,可以判定组件贴装装置140的“喷嘴2”为状态异常。另外,“喷嘴1”参与贴装的组件的位置偏移相关均值和“喷嘴2”参与贴装的组件的位置偏移相关均值都与基于贴装基准的贴装位置偏离相同程度时,可以判定组件贴装装置140的“头部1”为状态异常。
欲参照图11和图12描述的组件贴装装置140的状态异常类型,是组件贴装装置140的部件中一部分的位置发生振动的类型。参照图11,例如与状态正常1110比较时,状态异常1120是“喷嘴2”的位置振动,状态异常1130是“头部1”的位置振动。
如果“喷嘴1”参与贴装的组件的位置偏移相关分布和“喷嘴2”参与贴装的组件的位置偏移相关分布都包括于基于贴装基准的贴装位置范围时,可以判定组件贴装装置140的所有部件为状态正常。另外,如图12所示,“喷嘴1”参与贴装的组件的位置偏移相关分布包括于基于贴装基准的贴装位置范围,但“喷嘴2”参与贴装的组件的位置偏移相关分布超出基于贴装基准的贴装位置范围时,可以判定组件贴装装置140的“喷嘴2”为状态异常。另外,“喷嘴1”参与贴装的组件的位置偏移相关分布和“喷嘴2”参与贴装的组件的位置偏移相关分布都超出基于贴装基准的贴装位置范围相同程度时,可以判定组件贴装装置140的“头部1”为状态异常。
欲参照图13和图14描述的组件贴装装置140的状态异常类型,是组件贴装装置140的部件中一部分的角度偏移的类型。参照图13,例如与状态正常1310比较时,状态异常1320是“喷嘴2”的角度偏离,状态异常1330是“头部1”的角度偏离。
如果“喷嘴1”参与贴装的组件的角度偏移相关均值和“喷嘴2”参与贴装的组件的角度偏移相关均值都位于基于贴装基准的贴装角度时,可以判定组件贴装装置140的所有部件为状态正常。另外,如图14所示,“喷嘴1”参与贴装的组件的角度偏移相关均值位于基于贴装基准的贴装角度,但“喷嘴2”参与贴装的组件的角度偏移相关均值偏离基于贴装基准的贴装角度时,可以判定组件贴装装置140的“喷嘴2”为状态异常。另外,“喷嘴1”参与贴装的组件的角度偏移相关均值和“喷嘴2”参与贴装的组件的角度偏移相关均值都与基于贴装基准的贴装角度偏离相同程度时,可以判定组件贴装装置140的“头部1”为状态异常。
欲参照图15和图16描述的组件贴装装置140的状态异常类型,是组件贴装装置140的部件中一部分的角度振动的类型。参照图15,例如与状态正常1510比较时,状态异常1520是“喷嘴2”的角度振动,状态异常1530是“头部1”的角度振动。
如果“喷嘴1”参与贴装的组件的角度偏移相关分布和“喷嘴2”参与贴装的组件的角度偏移相关分布都包括于基于贴装基准的贴装角度范围时,可以判定组件贴装装置140的所有部件为状态正常。另外,如图16所示,“喷嘴1”参与贴装的组件的角度偏移相关分布包括于基于贴装基准的贴装角度范围,但“喷嘴2”参与贴装的组件的角度偏移相关分布超出基于贴装基准的贴装角度范围时,可以判定组件贴装装置140的“喷嘴2”为状态异常。另外,“喷嘴1”参与贴装的组件的角度偏移相关分布和“喷嘴2”参与贴装的组件的角度偏移相关分布都超出基于贴装基准的贴装角度范围相同程度时,可以判定组件贴装装置140的“头部1”为状态异常。
欲参照图17和图18描述的组件贴装装置140的状态异常类型,是组件贴装装置140的部件中一部分无法拾起组件的类型。例如,可以假定组件贴装装置140的喷嘴无法拾起组件类型的状态异常。参照图17,例如,当与状态正常1710比较时,状态异常1720是“喷嘴2”无法拾起组件。
如果“喷嘴1”参与贴装的组件的角度偏移相关分布和“喷嘴2”参与贴装的组件的角度偏移相关分布都包括于基于贴装基准的贴装角度范围时,可以判定组件贴装装置140的所有部件为状态正常。另外,如图18所示,“喷嘴1”参与贴装的组件的角度偏移相关分布包括于基于贴装基准的贴装角度范围,但“喷嘴2”参与贴装的组件的角度偏移相关分布缺失时,可以判定组件贴装装置140的“喷嘴2”为状态异常。另外,“喷嘴1”参与贴装的组件的角度偏移相关分布和“喷嘴2”参与贴装的组件的角度偏移相关分布都缺失时,可以判定组件贴装装置140的“喷嘴1”和“喷嘴2”都为状态异常。
图17至图18所示组件贴装装置180的状态异常类型,也可以根据贴装结果信息中包括的组件遗漏个数来判定。例如,如果“喷嘴1”参与贴装的组件没有组件遗漏个数而“喷嘴2”参与贴装的组件有组件遗漏个数,则可以判定组件贴装装置140的“喷嘴2”为状态异常。
图19示出本公开的多样实施例中可参照的机器学习模型1920。机器学习模型1920可以根据图19所示方式,在管控装置180中训练并存储于管控装置180的存储器。另外,机器学习模型1920可以根据图19所示方式,在管控装置180外部训练后,存储于管控装置180的存储器。即,机器学习模型1920的训练位置不是限定本公开范围的要素。
机器学习模型1920可以将贴装结果信息1910和部件的状态异常1930作为一个训练数据对而用于训练。通过确保大量训练数据对以用于机器学习模型1920训练,可以更准确地导出贴装结果信息1910与部件的状态异常1930的相关关系。在这种训练机器学习模型1920中,可以参照在训练数据中包括输入(例:贴装结果信息1910)及与之对应的输出(例:部件的状态异常1930)的监督学习(Supervised Learning)相关技术。
机器学习模型1920可以构建成可动态执行管控装置180的动作。另外,机器学习模型1920可以构建成可判定部件的状态异常类型。
如前所述,管控装置180可以基于测量组件的贴装状态的贴装结果信息的统计学倾向性和组件贴装装置140的层级关系,判定构成组件贴装装置140的部件的状态异常。这种部件的状态异常可能使发生组件贴装装置140的贴装错误或应用于组件贴装装置140的反馈过多,因而可以根据部件的状态异常判定,执行对部件的最佳处理(例:停止对部件参与的组件的反馈、更换部件)。
图20示出表示本公开一实施例的方法的顺序图。图20所示顺序图包括在用户终端190中显示将构成组件贴装装置140的多个部件的状态可视化的仪表板的操作。
可以向用户终端传输显示信息,所述显示信息用于使得在用户终端190中显示将多个部件的状态可视化的仪表板S2010。显示信息例如可以包括多个部件中被判定为状态异常的部件的信息。如图21所示仪表板2100的边缘区域2110所示,这种显示信息例可以是使判定为状态异常的部件(例:“喷嘴”)的指示符突出显示的信息。又例如,如图21的仪表板2100的部件详细区域2120所示,显示信息可以是使判定为状态异常的部件(例:“喷嘴1”)的详细信息(例:偏移分布)可视化的信息。再例如,如图22的仪表板2200的部件层级图2210所示,显示信息可以是包括构成组件贴装装置140的多个部件的层级关系,且使判定为状态异常的部件(例:“K14017977”)的指示符突出显示的信息。
134根据参照图20至图22描述的本公开实施例,用户可以在视觉上确认表面贴装技术相关的基板处理工序相关各种信息。特别是用户可以通过仪表板,从视觉上确认判定为组件贴装装置140的贴装错误或应用于组件贴装装置140发生反馈过多的状态异常的组件贴装装置140的部件相关各种信息。由此,用户可以即时确认判定为状态异常的组件贴装装置140的部件,并迅速进行对该部件的修理。
以上在本公开的顺序图中,方法或算法的动作按照依次顺序进行了描述,但除依次执行外,也可以按照可任意组合的顺序执行。本公开的顺序图相关描述不将对方法或算法施加变化或修订的情形排除在外,并不意味着任意动作是必须的或推荐的。在一实施例中,至少一部分动作可以并列地、反复地或探索性地执行。在另一实施例中,至少一部分动作可以省略,或其他动作可以追加。
本公开的多样实施例可以在计算机可读存储介质(machine-readable storagemedium)中以软件实现。软件可以是用于实现本公开多样实施例的软件。软件可以由本公开所属技术领域的程序员从本公开多样实施例推论。例如软件可以是包括计算装置可读的指令的计算机程序。计算装置作为可根据从存储介质提取的指令进行动作的装置,例如可以与装置或电子装置互换地称呼。在一实施例中,计算装置的处理器可以运行提取的命令,计算装置的构成要素可以执行与该命令相应的功能。存储介质可以意指机器可读的存储有数据的所有种类的记录介质。存储介质例如可以包括ROM(只读存储器)、RAM(随机存取存储器)、CD-ROM(只读光盘驱动器)、磁带、软盘、光信息存储装置等。在一实施例中,存储介质也可以以在通过以网络连接的计算机系统等中分布的形态实现。此时,软件可以在计算机系统等中分布存储、运行。在另一实施例中,存储介质可以为非暂时性(non-transitory)存储介质。非暂时性存储介质意指与数据半永久性或临时性存储无关地现实存在的介质,不包括暂时性传播的信号。
以上根据多样实施例,描述了本公开的技术思想,但本公开的技术思想包括在本公开所属技术领域的技术人员可理解的范围内可实现的多样置换、变形及变更。另外,这种置换、变形及变更应理解为可以包含于附带的权利要求书内。
Claims (20)
1.一种控制基板处理工序的装置,包括:
通信电路,所述通信电路配置成能与测量装置通信;
一个以上处理器;及
一个以上存储器,所述一个以上存储器存储指令,所述指令在借助于所述一个以上处理器而运行时,使得所述一个以上处理器执行运算;
其中,所述一个以上处理器,
从所述测量装置获得第一贴装结果信息,所述第一贴装结果信息测量组件贴装装置在目标基板上贴装目标组件的状态,所述组件贴装装置由具有层级关系的多个部件构成;
并基于所述第一贴装结果信息和所述层级关系,判定所述多个部件中至少一个为状态异常,其中,所述状态异常是指确定了所述多个部件中至少一个不满足预定基准;及
如果将所述多个部件中至少一个判定为状态异常,则控制所述测量装置,使得所述测量装置停止向所述组件贴装装置提供的反馈。
2.根据权利要求1所述的装置,其中,
所述一个以上处理器响应于判定为状态异常的部件已修理的信号,控制所述测量装置使所述反馈重新开始。
3.根据权利要求1所述的装置,其中,
所述一个以上处理器向用户终端传输显示信息,所述显示信息使得在所述用户终端中显示将所述多个部件的状态可视化的仪表板。
4.根据权利要求3所述的装置,其中,
所述显示信息包括所述多个部件中针对判定为状态异常的部件的信息。
5.根据权利要求1所述的装置,其中,
所述一个以上处理器,
基于所述第一贴装结果信息,确定所述目标基板上贴装的所述目标组件的贴装状态与预定贴装基准之间的偏移,
并基于所述偏移和所述层级关系,判定所述多个部件中至少一个为状态异常。
6.根据权利要求5所述的装置,其中,
所述偏移包括所述目标组件的贴装位置与所述贴装基准指示的贴装位置之间的位置偏移及所述目标组件的贴装角度与所述贴装基准指示的贴装角度之间的角度偏移中至少一个。
7.根据权利要求5所述的装置,其中,
所述一个以上处理器,
获得第二贴装结果信息,所述第二贴装结果信息测量在具有与所述目标基板相同布局的多个基板中每个上贴装与所述目标组件同种组件的状态,
基于所述第二贴装结果信息,确定所述多个基板中每个上贴装的所述同种组件各自的偏移,
基于所述目标组件的偏移和所述同种组件各自的偏移的均值,判定所述多个部件中至少一个为状态异常。
8.根据权利要求5所述的装置,其中,
所述一个以上处理器,
获得第二贴装结果信息,所述第二贴装结果信息测量在具有与所述目标基板相同布局的多个基板中每个上贴装与所述目标组件同种组件的状态,
基于所述第二贴装结果信息,确定所述多个基板中每个上贴装的所述同种组件各自的偏移,
基于所述目标组件的偏移和所述同种组件各自的偏移的分布,判定所述多个部件中至少一个为状态异常。
9.根据权利要求5所述的装置,其中,
所述一个以上处理器,
获得第三贴装结果信息,所述第三贴装结果信息测量在所述目标基板上贴装第一组件和与所述第一组件相区别的第二组件的状态,其中,所述第一组件和所述第二组件为由所述组件贴装装置的一个目标部件贴装的组件,
基于所述第三贴装结果信息,确定所述第一组件的偏移和所述第二组件的偏移,
基于所述第一组件的偏移与所述第二组件的偏移相对应的确定,判定所述目标部件为状态异常。
10.根据权利要求1所述的装置,其中,
所述一个以上存储器还包括机器学习模型,所述机器学习模型学习贴装结果信息与部件状态异常之间的相关关系,
所述一个以上处理器基于所述机器学习模型,判定所述多个部件中至少一个为状态异常。
11.一种控制基板处理工序的方法,所述方法由装置执行,包括:
从测量装置获得第一贴装结果信息的步骤,所述第一贴装结果信息测量组件贴装装置在目标基板上贴装目标组件的状态,所述组件贴装装置由具有层级关系的多个部件构成;
基于所述第一贴装结果信息和所述层级关系,判定所述多个部件中至少一个为状态异常的步骤,其中,所述状态异常是指确定了所述多个部件中至少一个不满足预定基准;及
如果将所述多个部件中至少一个判定为状态异常,则控制所述测量装置,使得所述测量装置停止向所述组件贴装装置提供的反馈的步骤。
12.根据权利要求11所述的方法,其中,还包括:
响应于判定为状态异常的部件已修理的信号,控制所述测量装置使所述反馈重新开始的步骤。
13.根据权利要求11所述的方法,其中,还包括:
向用户终端传输显示信息的步骤,所述显示信息使得在所述用户终端中显示将所述多个部件的状态可视化的仪表板。
14.根据权利要求13所述的方法,其中,
所述显示信息包括所述多个部件中针对判定为状态异常的部件的信息。
15.根据权利要求11所述的方法,其中,
所述判定多个部件中至少一个为状态异常的步骤包括:
基于所述第一贴装结果信息,确定所述目标基板上贴装的所述目标组件的贴装状态与预定贴装基准之间的偏移的步骤;及
基于所述偏移和所述层级关系,判定所述多个部件中至少一个为状态异常的步骤。
16.根据权利要求15所述的方法,其中,
获得所述第一贴装结果信息的步骤包括:
获得第二贴装结果信息的步骤,所述第二贴装结果信息测量在具有与所述目标基板相同布局的多个基板中每个上贴装与所述目标组件同种组件的状态;
基于所述第一贴装结果信息来确定所述目标组件的偏移的步骤包括:
基于所述第二贴装结果信息,确定所述多个基板中每个上贴装的所述同种组件各自的偏移的步骤;
基于所述目标组件的偏移和所述层级关系来判定所述多个部件中至少一个为状态异常的步骤包括:
基于所述目标组件的偏移和所述同种组件各自的偏移的均值,判定所述多个部件中至少一个为状态异常的步骤。
17.根据权利要求15所述的方法,其中,
获得所述第一贴装结果信息的步骤包括:
获得第二贴装结果信息的步骤,所述第二贴装结果信息测量在具有与所述目标基板相同布局的多个基板中每个上贴装与所述目标组件同种组件的状态;
基于所述第一贴装结果信息来确定所述目标组件的偏移的步骤包括:
基于所述第二贴装结果信息,确定所述多个基板中每个上贴装的所述同种组件各自的偏移的步骤;
基于所述目标组件的偏移和所述层级关系来确定所述多个部件中至少一个为状态异常的步骤包括:
基于所述目标组件的偏移和所述同种组件各自的偏移的分布,确定所述多个部件中至少一个为状态异常的步骤。
18.根据权利要求15所述的方法,其中,
获得所述第一贴装结果信息的步骤包括:
获得第三贴装结果信息的步骤,所述第三贴装结果信息测量在所述目标基板上贴装第一组件和与所述第一组件相区别的第二组件的状态,其中,所述第一组件和所述第二组件为由所述组件贴装装置的一个目标部件贴装的组件,
基于所述第一贴装结果信息来确定所述目标组件的偏移的步骤包括:
基于所述第三贴装结果信息,确定所述第一组件的偏移和所述第二组件的偏移的步骤;
基于所述目标组件的偏移和所述层级关系来确定所述多个部件中至少一个为状态异常的步骤包括:
基于所述第一组件的偏移与所述第二组件的偏移相对应的确定,判定所述目标部件为状态异常的步骤。
19.根据权利要求11所述的方法,其中,
判定所述多个部件中至少一个为状态异常的步骤包括:
基于学习贴装结果信息与部件状态异常之间的相关关系的机器学习模型,判定所述多个部件中至少一个为状态异常。
20.一种非暂时性计算机可读记录介质,所述非暂时性计算机可读记录介质记录用于由处理器运行的计算机程序,其中,
所述计算机程序配置成,当其借助所述处理器运行时,使所述处理器执行权利要求1至权利要求19中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20220118808 | 2022-09-20 | ||
KR10-2022-0118808 | 2022-09-20 | ||
PCT/KR2023/014247 WO2024063527A1 (ko) | 2022-09-20 | 2023-09-20 | 기판 처리 공정을 제어하는 장치, 방법 및 기록 매체 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118104411A true CN118104411A (zh) | 2024-05-28 |
Family
ID=90454955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202380013981.0A Pending CN118104411A (zh) | 2022-09-20 | 2023-09-20 | 控制基板处理工序的装置、方法及记录介质 |
Country Status (3)
Country | Link |
---|---|
KR (1) | KR20240066269A (zh) |
CN (1) | CN118104411A (zh) |
WO (1) | WO2024063527A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101841472B1 (ko) * | 2014-08-18 | 2018-03-27 | 주식회사 고영테크놀러지 | 솔더 검사 장치, 솔더검사장치의 피드백정보 생성방법 |
KR102264677B1 (ko) * | 2018-11-27 | 2021-06-15 | 주식회사 고영테크놀러지 | 기판에 대한 검사 결과를 표시하는 전자 장치 및 방법 |
WO2021048948A1 (ja) * | 2019-09-11 | 2021-03-18 | 株式会社Fuji | 部品実装機 |
KR102344426B1 (ko) * | 2020-04-20 | 2021-12-27 | 한국외국어대학교 연구산학협력단 | 표면 실장 부품 조립 장비의 작동 오류 검출 장치 |
KR102459698B1 (ko) * | 2020-11-02 | 2022-10-28 | 주식회사 고영테크놀러지 | 실장 정보를 결정하기 위한 장치, 방법 및 명령을 기록한 기록 매체 |
-
2023
- 2023-09-20 KR KR1020247011859A patent/KR20240066269A/ko unknown
- 2023-09-20 CN CN202380013981.0A patent/CN118104411A/zh active Pending
- 2023-09-20 WO PCT/KR2023/014247 patent/WO2024063527A1/ko active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2024063527A1 (ko) | 2024-03-28 |
KR20240066269A (ko) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7520122B2 (ja) | 人間-ロボットチームによって実行されるタスクを用いた個別製造プロセスにおける高度な異常検出のためのシステムおよび方法 | |
EP3736560A1 (en) | Apparatus for inspecting substrate and method for determining fault type of screen printer | |
EP3582599B1 (en) | Apparatus for inspecting components mounted on printed circuit board, operating method thereof, and computer-readable recording medium | |
US20190269017A1 (en) | Apparatus and method of generating control parameter of screen printer | |
EP3687272B1 (en) | Electronic device and method for displaying results of inspection of substrate | |
Mourtzis et al. | A framework for automatic generation of augmented reality maintenance & repair instructions based on convolutional neural networks | |
Alelaumi et al. | A predictive abnormality detection model using ensemble learning in stencil printing process | |
CN110525073A (zh) | 用于补正丝网印刷机的装置及方法 | |
Knoch et al. | Sensor-based human–process interaction in discrete manufacturing | |
US11428644B2 (en) | Method and electronic apparatus for displaying inspection result of board | |
CN113168167B (zh) | 用于制造产品的方法和装置以及计算机可读存储介质 | |
CN118104411A (zh) | 控制基板处理工序的装置、方法及记录介质 | |
CN115114015A (zh) | 分布式系统及诊断方法 | |
EP3634101B1 (en) | Electronic device and method for determining cause of mounting defect in components mounted on substrate | |
KR20210133090A (ko) | 제품의 불량과 연관된 정보를 제공하기 위한 전자 장치 및 그 동작 방법 | |
Chang et al. | Prediction of solder joint quality using a data mining methodology for surface mounted technology process | |
CN110870401B (zh) | 确定贴装在基板部件的贴装不合格原因的电子装置及方法 | |
Parkhomenko et al. | Hybrid control system of mobile objects for IoT | |
Kravchenko et al. | Challenges and solutions for mobile object control system | |
US20240114624A1 (en) | Automatic processing method for printed circuit board data and electronic device | |
CN114945818B (zh) | 预测维护装置、预测维护方法及学习装置 | |
Kode | Machine Learning-Based Advanced Predictive Models for Analyzing Passive Component Shifts in Surface Mount Technology | |
CN115426297B (zh) | 子设备的功能测试方法、装置、计算机设备和存储介质 | |
US20230154162A1 (en) | Method For Generating Training Data Used To Learn Machine Learning Model, System, And Non-Transitory Computer-Readable Storage Medium Storing Computer Program | |
Sineglazov et al. | Intellectual system for printed circuit board manufacture dased on Mirae Mx-200 |
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 |