DE102022200945A1 - Verfahren und Vorrichtung zum Planen und Durchführen eines Prozesses zum Auftragen einer Wärmeleitpaste mithilfe maschineller Lernverfahren - Google Patents

Verfahren und Vorrichtung zum Planen und Durchführen eines Prozesses zum Auftragen einer Wärmeleitpaste mithilfe maschineller Lernverfahren Download PDF

Info

Publication number
DE102022200945A1
DE102022200945A1 DE102022200945.2A DE102022200945A DE102022200945A1 DE 102022200945 A1 DE102022200945 A1 DE 102022200945A1 DE 102022200945 A DE102022200945 A DE 102022200945A DE 102022200945 A1 DE102022200945 A1 DE 102022200945A1
Authority
DE
Germany
Prior art keywords
process parameters
quality
model
distribution map
thermally conductive
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
DE102022200945.2A
Other languages
English (en)
Inventor
Andreas Steimer
Simon Baeuerle
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to DE102022200945.2A priority Critical patent/DE102022200945A1/de
Priority to CN202380019066.2A priority patent/CN118613799A/zh
Priority to PCT/EP2023/051520 priority patent/WO2023144075A1/de
Publication of DE102022200945A1 publication Critical patent/DE102022200945A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/28Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

Die Erfindung betrifft ein computer-implementiertes Verfahren zum Trainieren eines datenbasierten Prozessparametermodells (11), insbesondere in Form eines künstlichen neuronalen Netzes, zum Bereitstellen von Prozessparameter (P) eines Fertigungsprozesses abhängig von einer Verteilungskarte (V) von Wärmeleitpaste (4) auf einer Auftragefläche nach einem Verpressen, insbesondere zur Verwendung in einem Verfahren nach einem der Ansprüche 1 bis 5, wobei die Verteilungskarte (V) die Verteilung von Wärmeleitpaste (4) auf der Auftragefläche nach einem Verpressen angibt, wobei für eine oder mehrere vorgegebene Verteilungskarten folgende Schritte ausgeführt werden:- Auswerten (S12) des Prozessparametermodells (11) durch Vorgabe der entsprechenden vorgegebenen Verteilungskarte (V), um Prozessparameter (P) zu erhalten,- Ermitteln (S14) einer Güte (G) der Prozessparameter (P) mithilfe eines Gütemodells (12, 13) abhängig von der entsprechenden vorgegebenen Verteilungskarte (V), wobei das Gütemodell (12, 13) das Erreichen der Verteilung der Wärmeleitpaste (4) entsprechend der entsprechenden vorgegebenen Verteilungskarte (V) durch die erhaltenen Prozessparameter (P) angibt;- Trainieren (S15) des datenbasierten Prozessparametermodells (11) mithilfe eines Gütemodells (12, 13), so dass die Güte (G) maximiert wird.

Description

  • Technisches Gebiet
  • Die Erfindung betrifft Verfahren zum Auftragen einer Wärmeleitpaste auf eine Kühlfläche eines wärmeproduzierenden Bauelements, so dass nach dem Verpressen mit einer Wärmeableitfläche eines Wärmeableiters eine optimale Wärmeableitung erreicht wird. Die Erfindung betrifft weiterhin Möglichkeiten, Prozessparameter zum Auftragen der Wärmeleitpaste in automatisierter Weise zu ermitteln, durch die der Auftrageprozess der Wärmeleitpaste so durchgeführt wird, dass eine optimale Verteilung der Wärmeleitpaste erreicht wird.
  • Technischer Hintergrund
  • Aktive Bauelemente, wie z.B. elektronische Bauelemente, Leistungsbauelemente und dergleichen, geben während ihres Betriebs Wärme ab. Um diese vor Überhitzung zu schützen, können diese mit Kühlkörpern versehen werden, die die während des Betriebs erzeugte Wärme bestmöglich ableiten sollen. Dazu wird in der Regel bei der Montage eines entsprechenden Systems aus Bauelement und Kühlkörper eine Kühlfläche des Bauelements mit einer Wärmeleitpaste versehen und anschließend eine Wärmeableitfläche eines wärmeableitenden Bauteils, wie beispielsweise ein Kühlkörper, oder eine entsprechende Fläche eines Gehäuses oder dergleichen auf die mit der Wärmeleitpaste versehene Fläche des elektronischen Bauelements gedrückt. Die Wärmleitpaste verteilt sich dabei über die Kühlfläche des Bauelements und ermöglicht so einen guten Wärmetransport zwischen der Kühlfläche des Bauelements und der Wärmeableitfläche des Kühlkörpers oder des Gehäuses.
  • Mit größer werdenden Kühlflächen werden zum einen die Freiheitsgrade beim Auftragen der Wärmeleitpaste vor dem Verpressen größer, und die Verteilung der Wärmeleitpaste nach dem Verpressen korreliert nicht in naheliegender Weise mit dem Auftragen der Wärmleitpaste während des Auftrageprozesses. Insbesondere stellt das Einhalten von Randbedingungen, wie beispielsweise, dass zur Kühlfläche benachbarte Regionen nicht mit Wärmeleitpaste in Berührung kommen dürfen, der Materialeinsatz der Wärmeleitpaste minimiert werden soll, keine Lufteinschlüsse zwischen der Kühlfläche und der Ableitfläche entstehen sollen und dass die Taktzeit des Auftragens der Wärmeleitpaste auf ein elektronisches Bauelement möglichst kurz sein soll, eingehalten werden. Bisher werden die Prozessparameter, die das Auftragen der Wärmeleitpaste vorgeben, durch Expertenwissen bestimmt. Dies wird ergänzt durch CFD-Simulationen und experimentelle Untersuchungen, die jedoch aufwendig sind.
  • Offenbarung der Erfindung
  • Erfindungsgemäß sind ein Verfahren zum Planen und Durchführen eines Auftrageprozesses einer Wärmeleitpaste auf eine Kühlfläche eines Bauelements gemäß Anspruch 1 sowie ein Verfahren zum Trainieren eines Prozessparametermodells zur Bestimmung von Prozessparametern für den Auftrageprozess sowie entsprechende Vorrichtungen gemäß den nebengeordneten Ansprüchen vorgesehen.
  • Weitere Ausgestaltungen sind in den abhängigen Ansprüchen angegeben.
  • Gemäß einem ersten Aspekt ist ein Verfahren zum Planen eines Fertigungsprozesses vorgesehen, bei dem in einem Auftrageprozess Wärmeleitpaste auf eine Auftragefläche aufgebracht wird und anschließend verpresst wird, um eine Kühlfläche eines Bauelements mit einer Wärmeableitfläche zu verbinden, mit folgenden Schritten:
    • - Vorgeben einer Verteilungskarte für eine mit der Wärmeleitpaste zu bedeckende Kühlfläche des Bauelements;
    • - Ermitteln von Prozessparametern für den Auftrageprozess der Wärmeleitpaste auf die Auftragefläche mithilfe eines Prozessparametermodells.
  • Eine Wärmeleitpaste ist ein pastöses Material, das eine hohe Viskosität und eine hohe Wärmeleitfähigkeit aufweist. Es wird zwischen einer Kühlfläche und eine Wärmeableitfläche eingebracht, um den Wärmetransport von der Kühlfläche zur Wärmeableitfläche zu unterstützen. Die Kühlfläche ist eine in der Regel ebene Fläche auf einem wärmeproduzierenden Bauelement während die Wärmeableitfläche in der Regel an einem Kühlkörper oder einem Gehäuse vorgesehen wird. Zur Montage wird auf die Kühlfläche oder ggfs auf die Wärmeableitfläche die Wärmeleitpaste als ein oder mehrere Punkte bzw. Tropfen oder in Form eines geradlinigen, gekrümmten oder winkligen Verlauf eines Streifens (Auftragepfad) aufgetragen. Anschließend wird die entsprechend andere der Kühlfläche und der Wärmeableitfläche aufgedrückt so dass die aufgetragene Wärmeleitpaste verdrängt wird und sich in dem Zwischenraum zwischen der Kühlfläche und der Wärmeableitfläche verbreitert und seitlich verfließt.
  • Die Freiheitsgrade für den Auftrageprozess sind groß und insbesondere die örtliche Verteilung der Wärmeleitpaste nach dem Auftragen auf der Auftragefläche ist für die Verteilung der Wärmeleitpaste in dem Zwischenraum nach dem Verpressen maßgeblich. Auch andere Prozessparameter wie die Menge an Wärmeleitpaste an einer Position der Auftragefläche und Materialeigenschaften können eine Rolle spielen.
  • Das obige Verfahren sieht für einen Auftrageprozess zum Auftragen einer Wärmeleitpaste vor, die dafür notwendigen Prozessparameter mithilfe eines Prozessparametermodells zu ermitteln. Das Prozessparametermodell ist als datenbasiertes Modell, insbesondere als künstliches neuronales Netz (z.B. als CNN) ausgebildet und ermöglicht es, durch Vorgabe einer mit Wärmeleitpaste zu versehenden Verteilungsfläche eines elektronischen Bauelements Auftragepunkte und/oder Auftragepfade für das Auftragen von Wärmeleitpaste auf die Kühlfläche zu bestimmen. So können die Prozessparameter eine Auftragekarte definieren, die Kartenpunkte bestimmt, die jeweils eine Position auf der Auftragefläche bestimmen, an der Wärmeleitpaste aufgetragen werden soll. Weiterhin können die Prozessparameter einen Auftragepfad über der Auftragefläche bestimmen.
  • Weiterhin können die Prozessparameter eine Materialmenge der Wärmeleitpaste für verschiedene Positionen der Auftragefläche und/oder Materialeigenschaften der Wärmeleitpaste bestimmen. So können die Prozessparameter den Auftragepfad oder die Auftragepfade, die Menge des Materials der Wärmeleitpaste an jedem Auftragepunkt und dergleichen definieren.
  • Die Prozessparameter können somit zur Herstellung eines Systems aus dem Bauelement und einem Wärmeableiter, insbesondere einem Kühlkörper oder einem Gehäuse, verwendet werden, indem die Positionen des Auftragens der Wärmeleitpaste auf die Auftragefläche durch die Prozessparameter bestimmt werden.
  • Zur Herstellung eines mit einer Wärmeableitfläche über eine Wärmeleitpaste verbundenen Bauelements wird entsprechend den Prozessparametern Wärmeleitpaste aufgetragen und anschließend die Auftragefläche, die eine Kühlfläche oder eine Wärmeableitfläche sein kann, entsprechend mit einer Wärmeableitfläche oder einer Kühlfläche eines Bauelements durch Verpressen (bis auf einen vorgegebenen Abstand) verbunden.
  • Gemäß einem weiteren Aspekt ist ein computer-implementiertes Verfahren zum Trainieren eines datenbasierten Prozessparametermodells, insbesondere in Form eines künstlichen neuronalen Netzes, zum Bereitstellen von Prozessparametern eines Fertigungsprozesses abhängig von einer Verteilungskarte von Wärmeleitpaste auf einer Auftragefläche nach einem Verpressen vorgesehen, insbesondere zur Verwendung in dem obigen Verfahren, wobei die Verteilungskarte die Verteilung von Wärmeleitpaste auf der Auftragefläche nach einem Verpressen angibt, wobei für eine oder mehrere vorgegebene Verteilungskarten folgende Schritte ausgeführt werden:
    • - Auswerten des Prozessparametermodells durch Vorgabe der entsprechenden vorgegebenen Verteilungskarte, um Prozessparameter zu erhalten,
    • - Ermitteln einer Güte der Prozessparameter mithilfe eines Gütemodells abhängig von der entsprechenden vorgegebenen Verteilungskarte, wobei das Gütemodell das Erreichen der Verteilung der Wärmeleitpaste entsprechend der entsprechenden vorgegebenen Verteilungskarte durch die erhaltenen Prozessparameter angibt;
    • - Trainieren des datenbasierten Prozessparametermodells mithilfe eines Gütemodells, so dass die Güte maximiert wird.
  • Das Prozessparametermodell soll dabei so trainiert sein, dass nach dem Verpressen eine Verteilung der Wärmeleitpaste auf der Auftragefläche eine möglichst hohe Güte erreicht. Diese Güte wird durch eine Gütefunktion bestimmt, die abhängig von der Verteilung der Wärmeleitpaste nach dem Verpressen angibt, wie gut die Wärmeabfuhr ist und die Qualität des so verbundenen Systems aus Bauelement und Wärmeableitung ist. Die Gütefunktion kann insbesondere einen Anteil der Kühlfläche, die nach dem Verpressen von der Wärmeleitpaste benetzt ist, eine Anzahl und eine Größe von Lufteinschlüssen, eine Menge des Materialeinsatzes von Wärmeleitpaste, eine benötigte Auftragegeschwindigkeit durch eine entsprechende Dispensereinrichtung, eine Zeitdauer für einen Auftrageprozess und/oder eine Menge und eine Größe der Fläche nach seitlich außerhalb der Kühlfläche gelangender Wärmeleitpaste berücksichtigen.
  • Es kann vorgesehen sein, dass das Gütemodell ein Fließmodell und eine Gütefunktion umfasst, wobei das Fließmodell die Prozessparameter durch eine insbesondere heuristische Simulation und/oder eine CFD-Simulation auf eine modellierte Verteilungskarte abbildet, wobei die Gütefunktion die modellierte Verteilungskarte hinsichtlich der vorgegebenen Verteilungskarte bewertet.
  • Alternativ kann das Gütemodell datenbasiert, insbesondere in Form eines künstlichen neuronalen Netzes, ausgebildet sein, und zur Abbildung eines Fließmodells und einer nachgeordneten Gütefunktion trainiert sein, so dass vorgegebene Prozessparameter auf die Güte abgebildet werden, wobei das Fließmodell die Prozessparameter durch eine insbesondere heuristische Simulation und/oder eine CFD-Simulation auf eine modellierte Verteilungskarte abbildet, wobei die Gütefunktion die modellierte Verteilungskarte hinsichtlich der vorgegebenen Verteilungskarte bewertet.
  • Das Prozessparametermodell wird entsprechend gemäß dem obigen Verfahren trainiert. Das Training erfolgt basierend auf einem Fließmodell, das heuristisch oder datenbasiert, insbesondere in Form eines künstlichen neuronalen Netzes, ausgebildet sein kann. Das Fließmodell simuliert den Verpressprozess nach dem Auftragen der Wärmeleitpaste auf die Auftragefläche gemäß vorgegebenen Prozessparametern.
  • Das Fließmodell kann regelbasiert eine schrittweise Verdrängung von Material von Auftragepunkten der Wärmeleitpaste auf der Auftragefläche in benachbarte Bereiche simulieren, bis sich eine Verteilung entsprechend eines gewünschten Abstands zwischen der Kühlfläche und der Ableitfläche als Zwischenraum ergibt.
  • Das Fließmodell kann auch datenbasiert, insbesondere in Form eines künstlichen neuronalen Netzes, vorgegeben sein, um das Training des Prozessparametermodells zu beschleunigen und das Ableiten der Güte während des Trainings des Prozessparametermodells zu erleichtern, das in dem Trainingsverfahren verwendet wird. Dazu kann das heuristische Fließmodell als ein geeignetes datenbasiertes Fließmodell trainiert werden.
  • Die resultierende Verteilung wird entsprechend oben definierter Gütefunktion gemäß vorgegebener Gütekriterien bewertet. Die ermittelte Güte ist dabei Bestandteil der Kostenfunktion (Loss-Funktion) zum Trainieren des datenbasierten Prozessparametermodells.
  • Das Prozessparametermodell wird dabei entsprechend der Kostenfunktion trainiert, so dass dieses eine flächige Verteilung der Wärmeleitpaste nach dem Verpressen Prozessparametern zuordnet, die den Auftrageprozess definieren und die nach dem Verpressen zu der flächigen Verteilung führen.
  • Weiterhin kann vorgesehen sein, das Prozessparametermodell auch mit den Ergebnissen einer CFD-Simulation zu trainieren, wobei ausgehend von vorgegebenen Prozessparametern eine Verteilung der Wärmeleitpaste auf einer Kühlfläche simuliert wird. Die Zuordnung der Verteilung der Wärmeleitpaste auf der Kühlfläche nach dem Verpressen zu den zuvor für das Auftragen verwendeten Prozessparametern stellt dabei einen Trainingsdatensatz zum weiteren Trainieren des Prozessparametermodells dar.
  • Gemäß einem weiteren Aspekt ist eine Vorrichtung zur Durchführung eines der obigen Verfahren vorgesehen.
  • Figurenliste
  • Ausführungsformen werden nachfolgend anhand der beigefügten Zeichnungen näher erläutert. Es zeigen:
    • 1 ein System aus einem wärmeproduzierenden Bauelement und einem darauf aufgebrachten Kühlkörper;
    • 2 ein Flussdiagramm zur Veranschaulichung eines Verfahrens zum Auswerten eines Prozessparametermodells zum Ermitteln von Prozessparametern, entsprechend denen die Wärmeleitpaste auf eine Auftragefläche aufgetragen werden soll;
    • 3a und 3b Darstellungen von Auftragekarten des Prozessparametermodells;
    • 4 ein Blockdarstellung eines Trainingssystems für das Prozessparametermodell;
    • 5 ein Flussdiagramm zur Veranschaulichung eines Verfahrens zum Trainieren des Prozessparametermodells; und
    • 6 eine Veranschaulichung der Ermittlung einer modellierten Verteilungskarte durch ein heuristisches Fließmodell.
  • Beschreibung von Ausführungsformen
  • 1 zeigt ein System 1 aus einem wärmeproduzierenden Bauelement 2 mit einer Kühlfläche 21 und einem darauf aufgebrachten Kühlkörper 3. Der Kühlkörper 3 weist Kühllamellen 32 und eine Wärmeableitfläche 31 auf, die der Kühlfläche 21 gegenüberliegt. Zwischen der Kühlfläche 21 und der Wärmeableitfläche 31 ist eine Wärmeleitpaste 4 mithilfe eines Auftrageprozesses und Verpressprozesses eingebracht.
  • 2 zeigt ein Flussdiagramm zur Darstellung eines Verfahrens zum Planen eines Prozesses zum Auftragen von Wärmeleitpaste auf eine Auftragefläche, wie z.B. die Kühlfläche 21 des Bauelements 2 oder die Wärmeableitfläche 31, und ein nachfolgendes Aufpressen einer Fläche, nämlich der anderen der Kühlfläche 21 und der Wärmeableitfläche 31. Üblicherweise erfolgt ein solcher Prozess, indem etwa mittig der Auftragefläche Wärmeleitpaste aufgebracht wird und die Wärmeableitfläche gleichmäßig auf die Wärmeleitpaste aufgedrückt (verpresst) wird, so dass diese sich zwischen der Kühlfläche und der Wärmeableitfläche verteilt und diesen Zwischenraum im Idealfall vollständig ausfüllt, ohne dass an den Rändern Wärmeleitpaste austritt oder die Kontaktfläche bzw. die Wärmeableitung zu gering wird.
  • In einem automatisierten Prozess wird durch eine sogenannte Dispensereinrichtung die Wärmeleitpaste dazu punktförmig oder entlang eines oder mehrerer Auftragepfade auf die Auftragefläche aufgetragen, wobei das Ergebnis nach dem Verpressen erheblich von der Menge der aufgebrachten Wärmeleitpaste und dem zuvor gewählten Auftragepfad abhängt.
  • Der Auftrageprozess wird durch Prozessparameter bestimmt, die die Auftragepositionen der Auftragepunkte oder die Pfadverläufe des bzw. der Auftragepfade angeben. Auch können die Prozessparameter die Dicke des aufgetragegenen Materials der Wärmeleitpaste bestimmen.
  • Das Prozessparametermodell kann datenbasiert als neuronales Netz ausgebildet sein und das gewünschte Resultat der Verteilung der Wärmeleitpaste auf der Auftragefläche geeigneten Prozessparametern zuordnen.
  • Dazu wird die Auftragefläche z.B. matrixförmig in eine Verteilungskarte gerastert und die Pixel, an denen nach dem Verpressen Wärmeleitpaste vorhanden sein soll, mit einem entsprechenden Eintrag versehen, wie beispielsweise dem Wert „1“, während die übrigen Pixel mit dem Wert „0“ versehen werden. Da das Prozessparametermodell universell für eine Vielzahl von Bauelementen verwendet werden soll, geht das Prozessparametermodell hierbei von einer vorgegebenen Größe der Verteilungskarte aus, die einer vorgegebenen maximal möglichen Kühlfläche des Bauelements entspricht. Bei kleineren Kühlflächen kann beispielsweise nur ein Mittenbereich zur Benutzung vorgesehen sein, und die umgebenden Bereiche jeweils so befüllt werden, dass diese keine Benetzung mit Wärmeleitpaste angeben.
  • Es wird in Schritt S1 zunächst die Auftragefläche bezüglich ihrer Dimensionen und Form vorgegeben und diese in eine Verteilungskarte gleicher oder höherer Dimension gemappt, indem Randbereiche entsprechend hinzugefügt werden.
  • Mithilfe des trainierten Prozessparametermodells, das vorzugsweise als konvolutionelles neuronales Netz (CNN) ausgebildet sein kann, wird diese Verteilungskarte in Schritt S2 ausgewertet. Das Prozessparametermodell ist dazu zum Auswerten der Verteilungskarte der bestimmten Dimension trainiert.
  • Je nach Training oder Konfiguration des Prozessparametermodells kann die Ausgabe eine entsprechende Auftragekarte anhand von Prozessparametern sein, auf der die Elemente der Matrix, an denen Wärmeleitpastenmaterial aufgebracht werden soll, entsprechend markiert sind, beispielsweise je nach Menge des Wärmeleitpastenmaterials für das betreffende Kartenpixel mit ansteigenden Werten wie z.B. 2, 3 usw. Dies ist beispielsweise in 3a dargestellt.
  • Alternativ kann die Ausgabe des Prozessparametermodells auch Prozessparameter in Form von Pfadparametern einer Auftragetrajektorie sein, wie beispielsweise in 3b dargestellt ist. Die Pfadparameter bestimmen die Anfangs- und Endpunkte eines Auftragepfads und die Materialmenge entlang dieses Auftragepfads. Werden als Prozessparameter die Pfadparameter ausgegeben, so können diese unmittelbar für den Produktionsprozess verwendet werden, da diese bereits eine Optimierung beinhalten, die während des Trainingsprozesses für das Prozessparametermodell ausgeführt worden ist.
  • In Schritt S3 werden die ermittelten Prozessparameter z.B. unmittelbar zum Auftragen der Wärmeleitpaste in einem Auftrageprozess genutzt. Alternativ werden bei Ausgabe der Auftragekarte zunächst die Pfadparameter für den Auftrageprozess gemäß einem an sich bekannten Pfadermittlungsverfahren bestimmt, das eine optimale Auftragetrajektorie hinsichtlich der Auftragezeit und der Eigenschaften der Dispenservorrichtung ermittelt.
  • Die Nutzung der Prozessparameter muss nicht zwingend unmittelbar im Produktionsprozess stattfinden. Die ermittelten Prozessparameter können alternativ auch als Hilfestellung in einem Entwicklungsprozess verwendet werden, in dem die ermittelten Prozessparameter bewertet und ggfs. angepasst werden, bevor die Prozessparameter auf der Maschine genutzt werden.
  • Das Training des Prozessparametermodells wird durch eine Struktur ermöglicht, wie sie in 4 skizziert ist. 5 zeigt ein Flussdiagramm zur Veranschaulichung eines Verfahrens zum Trainieren des Prozessparametermodells.
  • Die gezeigte Struktur umfasst ein Prozessparametermodells 11, ein Fließmodell 12 und eine Gütefunktion 13. Das Fließmodell 12 und die Gütefunktion 13 bilden gemeinsam ein Gütemodell.
  • Zum Trainieren werden nacheinander verschiedene Verteilungskarten in Schritt S11 vorgegeben, die die Verteilung der Wärmeleitpaste in dem Zwischenraum angeben.
  • In Schritt S12 wird die Verteilungskarte V mit dem Prozessparametermodell 11 in Prozessparameter P umgesetzt, die wie oben beschrieben in Form einer Auftragekarte A oder in Form von Pfadparameter und Materialeigenschaften dargestellt werden können. Das Prozessparametermodell 11 ist anfänglich untrainiert und wird im Laufe dieses Verfahren kontinuierlich weiter trainiert. In Schritt S12 wird stets das Prozessparametermodell 11 gemäß dem aktuellen Trainingsstand verwendet.
  • Das Prozessparametermodell 11 kann als datenbasiertes Modell, wie beispielsweise ein neuronales Netz, insbesondere in Form eines konvolutionellen neuronalen Netzes, ausgebildet sein. Insbesondere eignen sich für das hierin beschriebene Verfahren alle datenbasierten trainierbaren Modelle, die eine Karteninformation in Parameterwerte umsetzen können.
  • In Schritt S13 wird auf die Prozessparameter P das Fließmodell 12 angewendet. Das Fließmodell 12 erzeugt grundsätzlich aus den Prozessparametern P eine modellierte Verteilungskarte Vmod. Das Fließmodell 12 kann beispielsweise ein heuristisches Modell sein, bei dem eine aus dem Prozessparameter P vorgegebene oder gebildete Verteilungskarte V bewertet wird. Die Verteilungskarte entspricht einer die Kühlfläche abbildenden Matrix aus Einzelpunkten, für die entsprechend bestimmt ist, ob nach dem Verpressen Wärmeleitpaste vorhanden sein soll und in welcher Menge. Die Menge des Materials der Wärmeleitpaste ergibt sich durch den Endabstand zwischen der Kühlfläche und der Wärmeableitfläche.
  • Das Fließmodell 12 kann als heuristisches Modell ausgebildet sein. Das heuristische Modell kann ausgehend von der Auftragekarte A, in der für jeden Kartenpunkt eine Materialmenge angegeben ist, die Höhe einer virtuellen Ebene abgesenkt werden, die für jeden Kartenpunkt ein maximal zur Verfügung stehendes Volumen definiert. Beim sukzessiven Absenken der virtuellen Ebene wird überschüssiges Material der Wärmeleitpaste zu benachbarten Kartenpunkten verdrängt. Überschreitet die dort befindliche Menge an Wärmeleitpaste das maximal zur Verfügung stehende Volumen so wird solange dieser Prozess wiederholt, bis das verdrängte Material über die benachbarten Kartenpunkte verteilt ist und für alle Kartenpunkte die Menge an Wärmeleitpaste das maximal zur Verfügung stehende Volumen nicht überschreitet. Das sukzessive Verringern des Volumens jedes Kartenpunkts erfolgt bis zu einem Volumen, das sich aus dem Abstand der einander gegenüberliegenden Flächen für diesen Kartenpunkt entspricht. Die so entstehende Verteilung wird in der Verteilungskarte angegeben.
  • In dem in 6 dargestellten Beispiel wird für eine rautenförmige Fläche mit der Matrix jeweils eine Auftragehöhe von 2 angenommen. Für die so vorgegebene Auftragekarte A, die sich aus den Prozessparametern ergibt, wird nun eine virtuelle Ebene vorgesehen, die iterativ bis auf Höhe 1 abgesenkt wird. Man erkennt die Verteilung des verdrängten Materials um den anfänglichen Bereich des aufgetragenen Materials herum.
  • Die Verteilung erfolgt gleichmäßig, wenn die virtuelle Ebene flächenparallel auf die virtuelle Kühlfläche (Auftragekarte) abgesenkt wird. Bei einer geneigten Absenkung der virtuellen Ebene ergeben sich variierende Höhen für jeden Kartenpunkt der Auftragekarte A. Die Verdrängung wird so lange durchgeführt, bis jeder der Kartenpunkte der Auftragekarte A eine Materialmenge aufweist, die nicht größer ist als die Materialmenge, die entsprechend der Höhe zulässig ist.
  • Es ergibt sich daraus aus den heuristischen Regeln eine Verteilung der Wärmeleitpaste auf der Kühlfläche, die der modellierten Verteilungskarte entspricht.
  • Das Fließmodell kann auch datenbasiert, z.B. in Form eines neuronalen Netzes, insbesondere eines konvolutionellen neuronalen Netzes (CNN), vorgesehen werden. Dieses wird entsprechend den Ergebnissen des heuristischen Fließmodells, eines anderen regelbasierten Fließmodells und/oder gemäß Simulationsmodellen, wie z.B. CFD-Simulationen, trainiert. Der Vorteil der Übertragung des Fließmodells in ein datenbasiertes Modell besteht darin, dass dieses ableitbar ist und so in einer nachfolgenden Gradientenbildung in einfacher Weise verwendet werden kann.
  • Durch die Gütefunktion 13 kann in Schritt S14 für die ermittelte Verteilungskarte Vmod nun eine Güte G ermittelt werden, die sich aus der gewünschten Verteilung V der Wärmeleitpaste und der modellierten Verteilung der Wärmeleitpaste ergibt. Die Gütefunktion 13 kann vorsehen, dass jeder diskretisierte Kartenpunkt der modellierten Verteilungskarte Vmod mit einem Wert versehen wird, wobei für jeden Kartenpunkt die Werte abhängig davon festgelegt werden, ob an diesem Kartenpunkt die gewünschte tatsächlichen Verdeckung mit Wärmeleitpaste und die modellierte Verdeckung mit Wärmeleitpaste übereinstimmen. Dabei werden
    • - nicht bedeckte Kartenpunkte der Verteilungskarte negativ bewertet, wenn diese bedeckt sein sollen,
    • - bedeckte Kartenpunkte der Verteilungskarte positiv bewertet, wenn diese bedeckt sein sollen,
    • - bedeckte Kartenpunkte, die nicht zu der zu bedeckenden Verteilungsfläche gehören, leicht negativ bewertet und
    • - Tabuzonen, die Bereiche außerhalb der Verteilungsfläche betreffen, stark negativ bewertet.
  • Die Güte G kann weiterhin die Verteilung der belegten Kartenpunkte der Auftragekarte A vor dem Verpressen bewerten, insbesondere hinsichtlich der benötigten oder geschätzten Zeitdauer des Auftragens durch eine Dispensereinrichtung, die sich aus den Eigenschaften der Dispensereinrichtung und des Auftrageprozesses ergeben, der Gesamtmenge an aufgebrachtem Wärmeleitmaterial, Anzahl von voneinander getrennten Auftragebereichen und dergleichen.
  • Alternativ kann die Güte auch direkt die Prozessparameter berücksichtigen. Wenn die Prozessparameter einen Auftragepfad vorgeben, kann dieser hinsichtlich Pfadlänge und Auftragezeit direkt bewertet werden. Eine solche Bewertung der Prozessparameter ist weniger aufwändig als die Auswertung einer sich daraus ergebenden Auftragekarte.
  • In einer weiteren Ausführungsform kann das oben beschriebene heuristische Verfahren auch als Grundlage zum Trainieren eines datenbasierten Gütemodells verwendet werden, indem die Prozessparameter, die von dem Prozessparametermodell ausgegeben werden sollen, unmittelbar auf eine Güte abgebildet werden. Dazu werden das Fließmodell und die Gütefunktion ausgewertet und die resultierenden Trainingsdatensätze aus Prozessparameter und Güten (Label) zum Training des Gütemodells genutzt. Der Vorteil der Übertragung des Fließmodells und der Gütefunktion in ein datenbasiertes Gütemodell besteht darin, dass dieses ableitbar ist und so in einer nachfolgenden Gradientenbildung in einfacher Weise verwendet werden kann.
  • In Schritt S15 findet nun ein Trainingsschritt für das Prozessparametermodell statt, der auf der so ermittelten Güte basiert. Die Gütefunktion gilt dann als Loss-Funktion bzw. Kostenfunktion für das Training des Prozessparametermodells. Das Training kann basierend auf Backpropagation erfolgen. Es werden die Modellparameter des Prozessparametermodells durch Gradientenbildung der Güte über die Modellparameter bestimmt und diese so sukzessive angepasst.
  • In Schritt S16 wird ein Abbruchkriterium überprüft. Das Abbruchkriterium gibt an, wenn das Training des Prozessparametermodells durch obiges Verfahren abgeschlossen ist. Wird in Schritt S16 festgestellt, dass das Abbruchkriterium erfüllt ist (Alternative: Ja), wird das Verfahren beendet und in Schritt S17 das Prozessparametermodell zur Bestimmung von Prozessparameter für eine vorgegebene Verteilungskarte genutzt. Andernfalls (Alternative: Nein) wird zu Schritt S11 zurückgesprungen.
  • Durch das Training des Prozessparametermodells mithilfe des Fließmodells und der Gütefunktion oder mithilfe des datenbasierten Gütemodells werden die Prozessparameter automatisch optimiert, um die Güte zu maximieren. Das heißt, im Laufe des Trainings wird ausgehend von vorgegebenen Verteilungskarten so lange ein Training des Prozessparametermodells vorgenommen, bis sich eine optimierte/maximale Güte ergibt.

Claims (11)

  1. Verfahren zum Planen eines Fertigungsprozesses, bei dem in einem Auftrageprozess Wärmeleitpaste (4) auf eine Auftragefläche aufgebracht wird und anschließend verpresst wird, um eine Kühlfläche (21) eines Bauelements (2) mit einer Wärmeableitfläche (31) zu verbinden, mit folgenden Schritten: - Vorgeben (S1) einer Verteilungskarte für eine mit der Wärmeleitpaste (4) zu bedeckende Kühlfläche (21) des Bauelements (2); - Ermitteln (S2) von Prozessparameter (P) für den Auftrageprozess der Wärmeleitpaste (4) auf die Auftragefläche mithilfe eines Prozessparametermodells (11).
  2. Verfahren nach Anspruch 1, wobei die Prozessparameter (P) eine Auftragekarte definieren, die Kartenpunkte bestimmt, die jeweils eine Position auf der Auftragefläche bestimmen, an der Wärmeleitpaste (4) aufgetragen werden soll.
  3. Verfahren nach Anspruch 1, wobei die Prozessparameter (P) einen Auftragepfad über der Auftragefläche bestimmen.
  4. Verfahren nach Anspruch 2 oder 3, wobei die Prozessparameter (P) eine Materialmenge der Wärmeleitpaste (4) für verschiedene Positionen der Auftragefläche und/oder Materialeigenschaften der Wärmeleitpaste bestimmen.
  5. Verfahren nach einem der Ansprüche 1 bis 4, wobei die Prozessparameter (P) zur Herstellung eines Systems aus dem Bauelement (2) und einem Wärmeableiter (3), insbesondere einem Kühlkörper oder einem Gehäuse, verwendet wird, indem die Positionen des Auftragens der Wärmeleitpaste auf die Auftragefläche durch die Prozessparameter (P) bestimmt werden.
  6. Computer-implementiertes Verfahren zum Trainieren eines datenbasierten Prozessparametermodells (11), insbesondere in Form eines künstlichen neuronalen Netzes, zum Bereitstellen von Prozessparameter (P) eines Fertigungsprozesses abhängig von einer Verteilungskarte (V) von Wärmeleitpaste (4) auf einer Auftragefläche nach einem Verpressen, insbesondere zur Verwendung in einem Verfahren nach einem der Ansprüche 1 bis 5, wobei die Verteilungskarte (V) die Verteilung von Wärmeleitpaste (4) auf der Auftragefläche nach einem Verpressen angibt, wobei für eine oder mehrere vorgegebene Verteilungskarten folgende Schritte ausgeführt werden: - Auswerten (S12) des Prozessparametermodells (11) durch Vorgabe der entsprechenden vorgegebenen Verteilungskarte (V), um Prozessparameter (P) zu erhalten, - Ermitteln (S14) einer Güte (G) der Prozessparameter (P) mithilfe eines Gütemodells (12, 13) abhängig von der entsprechenden vorgegebenen Verteilungskarte (V), wobei das Gütemodell (12, 13) das Erreichen der Verteilung der Wärmeleitpaste (4) entsprechend der entsprechenden vorgegebenen Verteilungskarte (V) durch die erhaltenen Prozessparameter (P) angibt; - Trainieren (S15) des datenbasierten Prozessparametermodells (11) mithilfe eines Gütemodells (12, 13), so dass die Güte (G) maximiert wird.
  7. Verfahren nach Anspruch 6, wobei das Gütemodell (12,13) ein Fließmodell (12) und eine Gütefunktion (13) umfasst, wobei das Fließmodell (12) die Prozessparameter (P) durch eine insbesondere heuristische Simulation und/oder eine CFD-Simulation auf eine modellierte Verteilungskarte (Vmod) abbildet, wobei die Gütefunktion (G) die modellierte Verteilungskarte (Vmod) hinsichtlich der vorgegebenen Verteilungskarte (V) bewertet.
  8. Verfahren nach Anspruch 6, wobei das Gütemodell (12, 13) datenbasiert ausgebildet ist, und zur Abbildung eines Fließmodells (12) und einer nachgeordneten Gütefunktion (G) trainiert ist, so dass vorgegebene Prozessparameter (P) auf die Güte (G) abgebildet werden, wobei das Fließmodell (12) die Prozessparameter (P) durch eine insbesondere heuristische Simulation und/oder eine CFD-Simulation auf eine modellierte Verteilungskarte abbildet, wobei die Gütefunktion (13) die modellierte Verteilungskarte (Vmod) hinsichtlich der vorgegebenen Verteilungskarte (V) bewertet.
  9. Vorrichtung zur Durchführung eines der Verfahren nach einem der Ansprüche 1 bis 8.
  10. Computerprogrammprodukt, umfassende Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, die Schritte des Verfahrens nach einem der Ansprüche 1 bis 8 auszuführen.
  11. Maschinenlesbares Speichermedium, umfassend Befehle, die bei der Ausführung durch einen Computer diesen veranlassen, die Schritte des Verfahrens nach einem der Ansprüche 1 bis 8 auszuführen.
DE102022200945.2A 2022-01-28 2022-01-28 Verfahren und Vorrichtung zum Planen und Durchführen eines Prozesses zum Auftragen einer Wärmeleitpaste mithilfe maschineller Lernverfahren Pending DE102022200945A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
DE102022200945.2A DE102022200945A1 (de) 2022-01-28 2022-01-28 Verfahren und Vorrichtung zum Planen und Durchführen eines Prozesses zum Auftragen einer Wärmeleitpaste mithilfe maschineller Lernverfahren
CN202380019066.2A CN118613799A (zh) 2022-01-28 2023-01-23 用于借助于机器学习方法规划和执行用于涂敷导热膏的工艺的方法和装置
PCT/EP2023/051520 WO2023144075A1 (de) 2022-01-28 2023-01-23 Verfahren und vorrichtung zum planen und durchführen eines prozesses zum auftragen einer wärmeleitpaste mithilfe maschineller lernverfahren

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102022200945.2A DE102022200945A1 (de) 2022-01-28 2022-01-28 Verfahren und Vorrichtung zum Planen und Durchführen eines Prozesses zum Auftragen einer Wärmeleitpaste mithilfe maschineller Lernverfahren

Publications (1)

Publication Number Publication Date
DE102022200945A1 true DE102022200945A1 (de) 2023-08-03

Family

ID=85076481

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102022200945.2A Pending DE102022200945A1 (de) 2022-01-28 2022-01-28 Verfahren und Vorrichtung zum Planen und Durchführen eines Prozesses zum Auftragen einer Wärmeleitpaste mithilfe maschineller Lernverfahren

Country Status (3)

Country Link
CN (1) CN118613799A (de)
DE (1) DE102022200945A1 (de)
WO (1) WO2023144075A1 (de)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019101403A1 (de) 2019-01-21 2020-07-23 Lisa Dräxlmaier GmbH Verfahren und system zum herstellen einer thermischen schnittstelle in einer batterie für ein kraftfahrzeug
DE102020000488A1 (de) 2020-01-27 2020-08-27 Daimler Ag Verfahren zum Aufbringen einer Paste zwischen zwei Bauteile sowie gefügtes Bauteil
DE102019203631A1 (de) 2019-03-18 2020-09-24 Robert Bosch Gmbh Verfahren und Vorrichtung zum Modellieren eines Leistungshalbleitermodules

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8477499B2 (en) * 2009-06-05 2013-07-02 Laird Technologies, Inc. Assemblies and methods for dissipating heat from handheld electronic devices

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019101403A1 (de) 2019-01-21 2020-07-23 Lisa Dräxlmaier GmbH Verfahren und system zum herstellen einer thermischen schnittstelle in einer batterie für ein kraftfahrzeug
DE102019203631A1 (de) 2019-03-18 2020-09-24 Robert Bosch Gmbh Verfahren und Vorrichtung zum Modellieren eines Leistungshalbleitermodules
DE102020000488A1 (de) 2020-01-27 2020-08-27 Daimler Ag Verfahren zum Aufbringen einer Paste zwischen zwei Bauteile sowie gefügtes Bauteil

Also Published As

Publication number Publication date
CN118613799A (zh) 2024-09-06
WO2023144075A1 (de) 2023-08-03

Similar Documents

Publication Publication Date Title
DE112007002221B4 (de) Graphikanordnungslayout mit maximaler Seitenbedeckung und minimaler Beseitigung von Inhalt
DE102018117836B4 (de) Verfahren zum Herstellen von Halbleitern und Verwendung von Ätzeffektvorhersagen
DE19621434A1 (de) Verfahren zur Erzeugung eines Dreiecks- und Tetraedergitters
DE112016006514T5 (de) Verfahren und Datenverarbeitungssystem zum Verwalten von Datenstromverarbeitungstasks einervordefinierten Anwendungstopologie
DE112018005956T5 (de) Integrierte heizung und herstellungsverfahren
DE102019211761A1 (de) System und verfahren zur additiven fertigung mittels pulverbettfusion mit dynamischer anpassung der walzendrehzahl
DE112013003300T5 (de) Schrittweise Vorbereitung von Videos auf die Lieferung
EP3038436B1 (de) Herstellen einer schaltungsanordnung mit thermischen durchkontaktierungen
DE102018007146A1 (de) Ölgemälde-Strichsimulation mittels eines neuronalen Netzwerks
DE102022200945A1 (de) Verfahren und Vorrichtung zum Planen und Durchführen eines Prozesses zum Auftragen einer Wärmeleitpaste mithilfe maschineller Lernverfahren
DE10017551C2 (de) Verfahren zur zyklischen, interaktiven Bildanalyse sowie Computersystem und Computerprogramm zur Ausführung des Verfahrens
DE69021797T2 (de) Verfahren zum Umsetzung von Bildinformation in Vektorform in ein Rastermuster und Gerät zur Bilderzeugung.
DE112012005532T5 (de) Verfahren und Vorrichtung zum Verarbeiten von Daten dreidimensionaler Modelle
DE102011003287A1 (de) Druckschablone zum Aufbringen eines Druckmusters auf ein Substrat und Verfahren zum Herstellen einer Druckschablone
DE60306388T2 (de) Verfahren und vorrichtung zur bilddatenverarbeitung unter verwendung von bildstreifen und zirkularadressierungsanordnung
DE602004012696T2 (de) Verfahren zum Analysieren elektrischer Bauteile, Vorrichtung zum Analysieren elektronischer Bauteile und elektrische Bauteile welche diese verwenden
WO2019121241A1 (de) Verfahren zur bestimmung mindestens eines druckprozessparameterwerts, computerlesbares speichermedium und additive fertigungsanlage
DE102020215779A1 (de) Verfahren zur Verifizierung eines implementierten neuronalen Netzwerks
DE102011081837A1 (de) Verfahren zum Herstellen einer Druckschablone für den technischen Druck zum Aufbringen eines Druckmusters auf ein Substrat und Druckschablone für den technischen Druck
EP1379979B1 (de) Verfahren zur kopplung physikalischer und geometrischer berechnungsprogramme mit einer datenverarbeitungs-anlage
DE102009034449A1 (de) Verfahren zum Herstellen eines Halbleiterchips und eines Halbleitermoduls
DE2651427A1 (de) Elektrofotografisches abbildungsverfahren und aufzeichnungstraeger zur durchfuehrung des verfahrens
DE69301546T2 (de) Kanalzuteilung in Funksysteme
DE102021211256A1 (de) Verfahren zum automatisierten Bestimmen von Belichtungsmustern
DE102023200802A1 (de) Verfahren zur verbesserten Herstellung von Bauteilen

Legal Events

Date Code Title Description
R163 Identified publications notified