KR101991415B1 - Pcb 제조 공정에서 불량 컴포넌트 위치 검출 방법 및 시스템 - Google Patents

Pcb 제조 공정에서 불량 컴포넌트 위치 검출 방법 및 시스템 Download PDF

Info

Publication number
KR101991415B1
KR101991415B1 KR1020170025575A KR20170025575A KR101991415B1 KR 101991415 B1 KR101991415 B1 KR 101991415B1 KR 1020170025575 A KR1020170025575 A KR 1020170025575A KR 20170025575 A KR20170025575 A KR 20170025575A KR 101991415 B1 KR101991415 B1 KR 101991415B1
Authority
KR
South Korea
Prior art keywords
point
data
cluster
points
clustering
Prior art date
Application number
KR1020170025575A
Other languages
English (en)
Other versions
KR20180098872A (ko
Inventor
류관희
최은석
Original Assignee
충북대학교 산학협력단
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 충북대학교 산학협력단 filed Critical 충북대학교 산학협력단
Priority to KR1020170025575A priority Critical patent/KR101991415B1/ko
Publication of KR20180098872A publication Critical patent/KR20180098872A/ko
Application granted granted Critical
Publication of KR101991415B1 publication Critical patent/KR101991415B1/ko

Links

Images

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
    • H05K13/0882—Control systems for mounting machines or assembly lines, e.g. centralized control, remote links, programming of apparatus and processes as such
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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
    • H05K1/0266—Marks, test patterns or identification means
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Manufacturing & Machinery (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • General Factory Administration (AREA)

Abstract

본 발명의 PCB 제조 공정에서 불량 컴포넌트의 위치를 검출하기 위한 불량 컴포넌트 위치 검출 시스템에서의 불량 컴포넌트 위치 검출 방법에서, PCB 제조 공정의 데이터가 선정되면, 해당 데이터에 대해 DBSCAN을 기반으로 클러스터링을 수행하는 단계, 상기 클러스터링 수행 결과, 해당 PCB 이미지 상에 클러스터를 표시하는 단계 및 상기 클러스터 중에서 불량 컴포넌트가 밀집한 클러스터를 검출하는 단계를 포함한다. 본 발명에 의하면, PCB 제조 공정에서 DBSCAN을 이용하여 불량 컴포넌트가 밀집한 클러스터를 검출하는 방식으로, 용이하게 불량 컴포넌트의 위치를 검출할 수 있다는 효과가 있다.

Description

PCB 제조 공정에서 불량 컴포넌트 위치 검출 방법 및 시스템 {Method and system for detecting position of faulty component in Printed Circuit Board manufacturing process}
본 발명은 PCB(Printed Circuit Board)에 관한 것으로서, 더욱 상세하게는 PCB 제조 공정에서 불량 컴포넌트의 위치를 검출하는 기술에 관한 것이다.
일반적으로 PCB(Printed Circuit Board)란 집적 회로, 저항기 또는 스위치 등의 전기적 부품들이 납땜되는 얇은 판으로서, 절연체인 에폭시 또는 베이클라이트 등의 수지로 만든 은 기판에 동박(Copper foil)을 붙인 후에, 계속하여 동박으로 남아 있기를 원하는 회로 배선에는 레지스트(Resist)를 인쇄하고, 동을 녹일 수 있는 식각액에 인쇄된 기판을 담그면 레지스트가 묻지 않은 부분은 부식되며, 그 후에 레지스트를 제거하면 동박이 원하는 형태로 남아 있으므로, 부품을 꽂아야 하는 부분에는 구멍을 뚫고, 납이 묻으면 안 되는 곳에는 푸른색의 납 레지스트를 인쇄하는 과정에 의해 제조된다.
PCB 제조 공정은 PCB 상에 솔더 크림을 도포하는 프린팅 공정, 솔더 크림이 도포된 인쇄회로기판에 전자부품을 실장하는 마운팅 공정, 솔더 크림을 용융시켜 전자부품을 접합하는 솔더링 공정 등 복수의 공정이 수행되면서, 완제품으로 제조된다.
PCB 제조 공정 중에 불량이 발생할 수 있는데, 종래에는 PCB 제조 공정에서 PCB의 어느 위치에 불량이 발생했는지를 알기 어렵다는 문제점이 있다.
대한민국 등록특허 10-0520261
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, PCB 제조 공정에서 불량 컴포넌트(component)의 위치를 용이하게 검출할 수 있는 불량 컴포넌트 위치 검출 방법 및 시스템을 제공하는데 그 목적이 있다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
이와 같은 목적을 달성하기 위한 본 발명의 PCB 제조 공정에서 불량 컴포넌트의 위치를 검출하기 위한 불량 컴포넌트 위치 검출 시스템에서의 불량 컴포넌트 위치 검출 방법에서, PCB 제조 공정의 데이터가 선정되면, 해당 데이터에 대해 DBSCAN(Density-based spatial clustering of applications with noise)을 기반으로 클러스터링을 수행하는 단계, 상기 클러스터링 수행 결과, 해당 PCB 이미지 상에 클러스터를 표시하는 단계 및 상기 클러스터 중에서 불량 컴포넌트가 밀집한 클러스터를 검출하는 단계를 포함한다.
본 발명에서 균질도 기반의 성능 평가에서, 균질도가 높을수록, DBSCAN을 기반으로 클러스터링 수행 결과, 불량 컴포넌트가 밀집한 클러스터 검출 성능이 우수한 것으로 판단할 수 있다.
상기 클러스터를 표시하는 단계에서, 해당 PCB 이미지 상에 데이터 포인트가 함께 표시되고, 어느 데이터 포인트가 클릭되면 해당 데이터 포인트의 컴포넌트를 표시할 수 있다.
상기 클러스터를 표시하는 단계에서, 각 클러스터 별로 데이터 포인트의 색상을 달리하여 표시하는 방식으로 클러스터를 표시할 수 있다.
상기 클러스터링을 수행하는 단계에서, 데이터베이스에 저장되어 있는 PCB 제조 공정의 디테일 테이블(detail table)과 헤더 테이블의 바코드(Barcode), 날짜(date), 결과(result)를, 선정된 컴포넌트(component) 좌표와 매칭하여 DBSCAN 기반 클러스터링을 수행할 수 있다.
본 발명의 PCB 제조 공정에서 불량 컴포넌트의 위치를 검출하기 위한 불량 컴포넌트 위치 검출 시스템에서, 사용자가 이용하는 단말 및 상기 단말로부터 PCB 제조 공정의 데이터가 선정되면, 데이터베이스에 저장되어 있는 해당 데이터에 대해 DBSCAN을 기반으로 클러스터링을 수행하고, 상기 클러스터링 수행 결과, 상기 단말에 해당 PCB 이미지 상에 클러스터가 표시되도록 하고, 상기 클러스터 중에서 불량 컴포넌트가 밀집한 클러스터를 검출하는 서버를 포함한다.
본 발명에서 상기 서버는 균질도 기반의 성능 평가에서, 균질도가 높을수록, DBSCAN을 기반으로 클러스터링 수행 결과, 불량 컴포넌트가 밀집한 클러스터 검출 성능이 우수한 것으로 판단할 수 있다.
상기 서버는 해당 PCB 이미지 상에 데이터 포인트가 함께 표시되도록 하고, 어느 데이터 포인트가 클릭되면 해당 데이터 포인트의 컴포넌트를 표시할 수 있다.
상기 서버는 각 클러스터 별로 데이터 포인트의 색상을 달리하여 표시하는 방식으로 클러스터가 표시되도록 할 수 있다.
상기 서버는 데이터베이스에 저장되어 있는 PCB 제조 공정의 디테일 테이블(detail table)과 헤더 테이블의 바코드(Barcode), 날짜(date), 결과(result)를, 선정된 컴포넌트(component) 좌표와 매칭하여 DBSCAN 기반 클러스터링을 수행할 수 있다.
본 발명에 의하면, PCB 제조 공정에서 DBSCAN을 이용하여 불량 컴포넌트가 밀집한 클러스터를 검출하는 방식으로, 용이하게 불량 컴포넌트의 위치를 검출할 수 있다는 효과가 있다.
본 발명에서 균질도 기반의 성능 평가에서, 균질도가 높을수록, DBSCAN을 기반으로 클러스터링 수행 결과, 불량 컴포넌트가 밀집한 클러스터 검출 성능이 우수한 것으로 판단할 수 있다.
도 1은 본 발명의 일 실시예에 따른 PCB 제조 공정에서 불량 컴포넌트 위치 검출 시스템을 보여주는 도면이다.
도 2는 본 발명의 일 실시예에 따른 PCB 제조 공정에서 불량 컴포넌트 위치 검출 방법을 보여주는 흐름도이다.
도 3은 PCB에서 불량이 발생한 위치의 좌표를 표시한 도면이다.
도 4 내지 도 7은 DBSCAN을 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시예에 따른 PCB 제조 공정에서 불량 컴포넌트 위치 검출 과정의 전반적인 흐름을 간략하게 도시한 도면이다.
도 9 및 도 10은 본 발명의 일 실시예에 따른 데이터셋을 정의한 도표이다.
도 11은 본 발명의 일 실시예에 따른 컴포넌트의 좌표를 표시한 도표이다.
도 12는 본 발명의 일 실시예에 따른 실험에 사용될 PCB 제조 공정의 로 데이터를 도시한 도면이다.
도 13 및 도 14는 본 발명의 일 실시예에 따른 실험 결과를 도시한 도면이다.
도 15는 본 발명의 일 실시예에 따른 균질도 기반의 성능 평가 결과를 예시한 도표이다.
도 16 및 도 17은 본 발명의 일 실시예에 따른 PCB 제조 공정의 시각 고도화를 표현한 예시도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 갖는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 발명은 PCB(Printed Circuit Board) 제조 공정에서 불량 컴포넌트의 위치를 검출하기 위한 불량 컴포넌트 위치 검출 방법 및 시스템에 대한 것이다.
도 1은 본 발명의 일 실시예에 따른 PCB 제조 공정에서 불량 컴포넌트 위치 검출 시스템을 보여주는 도면이다.
도 1을 참조하면, PCB 제조 공정에서 불량 컴포넌트 위치 검출 시스템은 단말(100), 서버(200), 데이터베이스(300)를 포함한다.
단말(100)은 사용자가 이용하는 단말로서, 유무선 통신망을 통해 서버(200)와 통신하며, 예를 들어 데스크탑 컴퓨터, 랩탑 컴퓨터, 스마트폰, 태블릿 PC 등이 될 수 있다.
서버(200)는 단말(100)로부터 PCB 제조 공정의 데이터가 선정되면, 데이터베이스(300)에 저장되어 있는 해당 데이터에 대해 DBSCAN(Density-based spatial clustering of applications with noise)을 기반으로 클러스터링(Clustering)을 수행한다. 그리고, 클러스터링 수행 결과, 단말(100)에 해당 PCB 이미지 상에 클러스터(Cluster)가 표시되도록 하고, 클러스터 중에서 불량 컴포넌트(Component)가 밀집한 클러스터를 검출한다.
본 발명에서 서버(200)는 균질도 기반의 성능 평가에서, 균질도가 높을수록, DBSCAN을 기반으로 클러스터링 수행 결과, 불량 컴포넌트가 밀집한 클러스터 검출 성능이 우수한 것으로 판단할 수 있다.
본 발명에서 PCB 이미지 상에서 데이터를 나타내는 표시를 데이터 포인트라고 명명하기로 한다.
본 발명에서 서버(200)는 해당 PCB 이미지 상에 데이터 포인트가 함께 표시되도록 하고, 어느 데이터 포인트가 클릭되면 해당 데이터 포인트의 컴포넌트를 표시하도록 할 수 있다. 이때, 서버(200)는 각 클러스터 별로 데이터 포인트의 색상을 달리하여 표시하는 방식으로 클러스터가 표시되도록 할 수 있다.
서버(200)는 데이터베이스에 저장되어 있는 PCB 제조 공정의 디테일 테이블(detail table)과 헤더 테이블의 바코드(Barcode), 날짜(date), 결과(result)를, 선정된 컴포넌트(component) 좌표와 매칭하여 DBSCAN 기반 클러스터링을 수행할 수 있다.
도 2는 본 발명의 일 실시예에 따른 PCB 제조 공정에서 불량 컴포넌트 위치 검출 방법을 보여주는 흐름도이다.
도 2를 참조하면, 먼저 PCB 제조 공정의 데이터가 선정되면(S210), 해당 데이터에 대해 DBSCAN을 기반으로 클러스터링을 수행한다(S220).
그리고, 클러스터링 수행 결과, 해당 PCB 이미지 상에 클러스터를 표시한다(S230).
그리고, 클러스터 중에서 불량 컴포넌트가 밀집한 클러스터를 검출한다(S240). 본 발명에서 균질도 기반의 성능 평가에서, 균질도가 높을수록, DBSCAN을 기반으로 클러스터링 수행 결과, 불량 컴포넌트가 밀집한 클러스터 검출 성능이 우수한 것으로 판단할 수 있다.
클러스터를 표시하는 단계(S230)에서, 해당 PCB 이미지 상에 데이터 포인트가 함께 표시되고, 어느 데이터 포인트가 클릭되면 해당 데이터 포인트의 컴포넌트를 표시할 수 있다. 이때, 각 클러스터 별로 데이터 포인트의 색상을 달리하여 표시하는 방식으로 클러스터를 표시할 수 있다.
클러스터링을 수행하는 단계(S220)에서, 데이터베이스에 저장되어 있는 PCB 제조 공정의 디테일 테이블(detail table)과 헤더 테이블의 바코드(Barcode), 날짜(date), 결과(result)를, 선정된 컴포넌트(component) 좌표와 매칭하여 DBSCAN 기반 클러스터링을 수행할 수 있다.
본 발명은 PCB 제조 공정의 데이터에 대하여 DBSCAN을 통해 클러스터링을 수행하고, 불량 밀집 구역의 클러스터를 판별하는 방식으로, PCB 제조 공정 데이터 기반 PCB 불량 컴포넌트의 위치를 판별하는 것이다.
도 3은 PCB에서 불량이 발생한 위치의 좌표를 표시한 도면이다.
도 3에서 보는 바와 같이, PCB 제조 공정에서 불량(no good, NG)이 발생할 수 있고, 이 불량 좌표가 표시된 것을 확인할 수 있다.
도 4 내지 도 7은 DBSCAN을 설명하기 위한 도면이다.
도 4 내지 도 7을 참조하여, DBSCAN을 설명하면 다음과 같다.
DBSCAN은 데이터의 밀도 기반 클러스터링 수행 기법이다.
DBSCAN에서 사용되는 파라미터를 정의하면 다음과 같다.
Ε(epsilon)은 각 데이터 포인트로부터의 거리 반경이고, N은 클러스터로 인정하기 위해 필요한 최소 포인트의 수이다.
도 4를 참조하면, 이웃 포인트(neighborhood of a point)는 한 데이터 포인트로부터 반경 Ε 내에 존재하는 다른 데이터 포인트를 이웃 포인트라 정의한다.
그리고, 코어 포인트(core point)는 최소의 데이터 포인트 인 n개 이상의 이웃 포인트를 갖는 데이터 포인트를 코어 포인트 p라 정의한다.
도 4의 실시예에서, N=5 이상을 만족해야 클러스터로 인정받게 된다.
도 5를 참조하면, 직접 접근 가능한 포인트(directly density-reachable)를 정의하면, 어떤 코어 포인트 p 의 이웃 포인트 q에 대하여 코어 포인트 p는 이웃 포인트 q에 직접 접근 가능함(p->q)이라 정의한다.
도 6을 참조하면, 접근 가능한 포인트(density-reachable)를 정의하면, 데이터 포인트 p, q에 대하여 직접 접근 가능한 포인트(directly density-reachable) 배열{p= p1, p2, p3.....q}이 존재한다면 q는 p로부터 접근 가능한 포인트로 정의한다.
DBSCAN에서 클러스터(Cluster)는 하나의 코어 포인트 p 에 대하여 접근 가능한 포인트(density-reachable)들의 집합으로 정의하며, 하나의 클러스터 내의 모든 데이터 포인트 들은 서로 연결된 포인트(density-connected)이다.
그리고, 노이즈(Noise)는 어떠한 클러스터에도 속해지지 않는 데이터 포인트로 정의한다.
도 7은 DBSCAN을 수행하는 알고리즘의 일 예이다.
도 7을 참조하면, DBSCAN 알고리즘에서는 사용될 데이터베이스에서 코어 포인트의 조건을 만족시키는 점을 임의로 선택하여 시드(Seed)로 선별한다.
그리고, 선별된 시드를 기준으로 접근 가능한 포인트들을 모두 찾아 클러스터로 인식시킨다.
그리고, 위의 단계를 모든 데이터 포인트를 대상으로 반복한다.
도 8은 본 발명의 일 실시예에 따른 PCB 제조 공정에서 불량 컴포넌트 위치 검출 과정의 전반적인 흐름을 간략하게 도시한 도면이다.
도 8을 참조하면, 사용자가 분석을 원하는 공정을 선택하면, 컨트롤러가 DBSCAN 클러스터링 알고리즘을 수행하고, 데이터베이스(300)와 연동하여 시각 고도화 작업(Enhancement for visulize)을 수행하게 된다.
도 9 및 도 10은 본 발명의 일 실시예에 따른 데이터셋을 정의한 도표이다.
도 9는 본 발명의 실험을 위한 1번 PCB 제조 공정의 디테일 테이블(detail table)(a)과, 헤더 테이블(header talble)(b)을 도시한 도표이다.
도 9에서 보는 바와 같이, 해당 테이블의 바코드(Barcode), 날짜(date), 결과(result)를 사용하여 컴포넌트(component) 좌표와 매칭한다.
도 10은 본 발명의 실험을 위한 2번 PCB 제조 공정의 디테일 테이블(detail table)(a)과, 헤더 테이블(header talble)(b)을 도시한 도표이다.
도 10에서 보는 바와 같이, 해당 테이블의 바코드(Barcode), 날짜(date), 결과(result)를 사용하여 컴포넌트(component) 좌표와 매칭한다.
도 11은 본 발명의 일 실시예에 따른 컴포넌트의 좌표를 표시한 도표이다.
도 11에서 보는 바와 같이, 본 발명에서는 데이터베이스에 저장되어 있는 PCB 제조 공정의 디테일 테이블(detail table)과 헤더 테이블의 바코드(Barcode), 날짜(date), 결과(result)를, 선정된 컴포넌트(component) 좌표와 매칭하여 DBSCAN 기반 클러스터링 알고리즘을 적용한다.
본 발명에서는 유클리디언 디스턴스(Euclidean distance)의 거리계산 알고리즘을 이용하여 데이터 포인트 사이의 직선 거리를 계산한다. 이를 수학식으로 나타내면 다음과 같다.
Figure 112017019917762-pat00001
Figure 112017019917762-pat00002
도 12는 본 발명의 일 실시예에 따른 실험에 사용될 PCB 제조 공정의 로 데이터(Raw data)를 도시한 도면이다.
도 12에서 (a)는 1번 PCB 제조 공정의 로 데이터이고, (b)는 2번 PCB 제조 공정의 로 데이터이다.
도 13 및 도 14는 본 발명의 일 실시예에 따른 실험 결과를 도시한 도면이다.
도 13은 1번 PCB 제조 공정의 10000개의 데이터를 기준으로 하여 DBSCAN 클러스터링 알고리즘을 적용한 결과이다. 도 13에서 (a)는 Ε=0.09, N=280이고, (b)는 Ε=0.09, N=200이고, (c)는 Ε=0.08, N=200이고, (d)는 Ε=0.08, N=200 인 경우의 DBSCAN 클러스터링 알고리즘 적용 결과를 도시한 도면이다.
도 14는 2번 PCB 제조 공정의 10000개의 데이터를 기준으로 하여 DBSCAN 클러스터링 알고리즘을 적용한 결과이다. 도 14에서 (a)는 Ε=0.7, N=250이고, (b)는 Ε=0.7, N=200이고, (c)는 Ε=0.65, N=250이고, (d)는 Ε=0.65, N=200 인 경우의 DBSCAN 클러스터링 알고리즘 적용 결과를 도시한 도면이다.
도 13 및 도 14를 참조하면, DBSCAN 클러스터링은 파라미터값에 민감하고, 노이즈 데이터에 강하고, 데이터의 형태에 민감한 특성을 보이는 것을 알 수 있다.
도 15는 본 발명의 일 실시예에 따른 균질도(homogeneity) 기반의 성능 평가 결과를 예시한 도표이다.
도 15를 참조하면, 균질도 기반의 성능 평가는 두 개의 데이터 포인트 사이의 유사도를 상관계수로 정의하는 것으로서, 양의 상관관계일수록 1에 가깝고, 음의 상관관계일수록 -1에 가깝다. 상관관계가 작은 경우는 0 에 가깝다.
본 발명에서 균질도 기반의 성능 평가에서, 균질도가 높을수록, DBSCAN을 기반으로 클러스터링 수행 결과, 불량 컴포넌트가 밀집한 클러스터 검출 성능이 우수한 것으로 판단할 수 있다.
균질도 기반의 성능 평가 계산방법은 각 클러스터의 중심점들과 해당 클러스터 안에 속한 포인트 간의 평균거리를 계산하는 것으로서, 수학식은 다음과 같다.
Figure 112017019917762-pat00003
여기서, Npoint는 전체 포인트 수이고, D는 거리 계산 알고리즘이고, pi=i번째 포인트이고, C(pi)는 pi가 속해있는 클러스터의 중심점이다.
도 16 및 도 17은 본 발명의 일 실시예에 따른 PCB 제조 공정의 시각 고도화를 표현한 예시도이다.
도 16은 1번 PCB 제조 공정에서 Ε=0.08, N=200인 경우의 DBSCAN 클러스터링 결과를 시각적으로 나타낸 것이다.
도 16을 참조하면, 각 클러스터는 데이터 포인트의 색상을 달리하여 표시되어 있고, 8개의 클러스터가 형성된 것을 확인할 수 있다. 이때, 데이터 포인트를 클릭하면 컴포넌트를 확인할 수 있다.
도 17은 2번 PCB 제조 공정에서 Ε=0.07, N=200인 경우의 DBSCAN 클러스터링 결과를 시각적으로 나타낸 것이다.
도 17을 참조하면, 각 클러스터는 데이터 포인트의 색상을 달리하여 표시되어 있고, 12개의 클러스터가 형성된 것을 확인할 수 있다. 이때, 데이터 포인트를 클릭하면 컴포넌트를 확인할 수 있다.
이상 본 발명을 몇 가지 바람직한 실시예를 사용하여 설명하였으나, 이들 실시예는 예시적인 것이며 한정적인 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 지닌 자라면 본 발명의 사상과 첨부된 특허청구범위에 제시된 권리범위에서 벗어나지 않으면서 다양한 변화와 수정을 가할 수 있음을 이해할 것이다.
100 단말 200 서버
300 데이터베이스

Claims (8)

  1. PCB 제조 공정에서 불량 컴포넌트의 위치를 검출하기 위한 불량 컴포넌트 위치 검출 시스템에서의 불량 컴포넌트 위치 검출 방법에서,
    PCB 제조 공정의 데이터가 선정되면, 해당 데이터에 대해 DBSCAN을 기반으로 클러스터링을 수행하는 단계;
    상기 클러스터링 수행 결과, 해당 PCB 이미지 상에 클러스터를 표시하는 단계; 및
    상기 클러스터 중에서 불량 컴포넌트가 밀집한 클러스터를 검출하는 단계를 포함하며,
    PCB 이미지 상에서 데이터를 나타내는 표시를 데이터 포인트라고 할 때, Ε(epsilon)은 각 데이터 포인트로부터의 거리 반경이고, N은 클러스터로 인정하기 위해 필요한 최소 포인트의 수라고 할 때,
    한 데이터 포인트로부터 반경 Ε 내에 존재하는 다른 데이터 포인트를 이웃 포인트라 정의하고,
    최소의 데이터 포인트인 N개 이상의 이웃 포인트를 갖는 데이터 포인트를 코어 포인트 p라 정의하고,
    코어 포인트 p의 이웃 포인트 q에 대하여, 이웃 포인트 q는 직접 접근 가능한 포인트라고 정의하고,
    데이터 포인트 p, q에 대하여 직접 접근 가능한 포인트 배열이 존재하면 q는 p로부터 접근 가능한 포인트로 정의하고,
    상기 DBSCAN을 기반으로 클러스터링을 수행하는 단계에서, 하나의 코어 포인트 p 에 대하여 접근 가능한 포인트(density-reachable)들의 집합으로 클러스터를 정의하고, 하나의 클러스터 내의 모든 데이터 포인트들은 서로 연결된 포인트(density-connected)로 정의하며,
    균질도(homogeneity)는 두 개의 데이터 포인트 사이의 유사도를 상관계수로 정의하는 것으로서,
    균질도 기반의 성능 평가 계산방법은 각 클러스터의 중심점들과 해당 클러스터 안에 속한 포인트 간의 평균거리를 계산하는 것으로서,
    Npoint는 전체 포인트 수이고, D는 거리 계산 알고리즘이고, pi=i번째 포인트이고, C(pi)는 pi가 속해있는 클러스터의 중심점이라고 할 때,
    Figure 112018118097122-pat00021

    의 수학식으로 계산할 수 있으며,
    균질도 기반의 성능 평가에서, 균질도가 높을수록, DBSCAN을 기반으로 클러스터링 수행 결과, 불량 컴포넌트가 밀집한 클러스터 검출 성능이 우수한 것으로 판단하는 것을 특징으로 하는 불량 컴포넌트 위치 검출 방법.
  2. 청구항 1에 있어서,
    상기 클러스터를 표시하는 단계에서,
    해당 PCB 이미지 상에 데이터 포인트가 함께 표시되고, 어느 데이터 포인트가 클릭되면 해당 데이터 포인트의 컴포넌트를 표시하는 것을 특징으로 하는 불량 컴포넌트 위치 검출 방법.
  3. 청구항 2에 있어서,
    상기 클러스터를 표시하는 단계에서,
    각 클러스터 별로 데이터 포인트의 색상을 달리하여 표시하는 방식으로 클러스터를 표시하는 것을 특징으로 하는 불량 컴포넌트 위치 검출 방법.
  4. 청구항 1에 있어서,
    상기 클러스터링을 수행하는 단계에서,
    데이터베이스에 저장되어 있는 PCB 제조 공정의 디테일 테이블(detail table)과 헤더 테이블의 바코드(Barcode), 날짜(date), 결과(result)를, 선정된 컴포넌트(component) 좌표와 매칭하여 DBSCAN 기반 클러스터링을 수행하는 것을 특징으로 하는 불량 컴포넌트 위치 검출 방법.
  5. PCB 제조 공정에서 불량 컴포넌트의 위치를 검출하기 위한 불량 컴포넌트 위치 검출 시스템에서,
    사용자가 이용하는 단말; 및
    상기 단말로부터 PCB 제조 공정의 데이터가 선정되면, 데이터베이스에 저장되어 있는 해당 데이터에 대해 DBSCAN을 기반으로 클러스터링을 수행하고, 상기 클러스터링 수행 결과, 상기 단말에 해당 PCB 이미지 상에 클러스터가 표시되도록 하고, 상기 클러스터 중에서 불량 컴포넌트가 밀집한 클러스터를 검출하는 서버를 포함하고,
    PCB 이미지 상에서 데이터를 나타내는 표시를 데이터 포인트라고 할 때, Ε(epsilon)은 각 데이터 포인트로부터의 거리 반경이고, N은 클러스터로 인정하기 위해 필요한 최소 포인트의 수라고 할 때,
    한 데이터 포인트로부터 반경 Ε 내에 존재하는 다른 데이터 포인트를 이웃 포인트라 정의하고,
    최소의 데이터 포인트인 N개 이상의 이웃 포인트를 갖는 데이터 포인트를 코어 포인트 p라 정의하고,
    코어 포인트 p의 이웃 포인트 q에 대하여, 이웃 포인트 q는 직접 접근 가능한 포인트라고 정의하고,
    데이터 포인트 p, q에 대하여 직접 접근 가능한 포인트 배열이 존재하면 q는 p로부터 접근 가능한 포인트로 정의하고,
    상기 서버는 상기 DBSCAN을 기반으로 클러스터링을 수행함에 있어서, 하나의 코어 포인트 p 에 대하여 접근 가능한 포인트(density-reachable)들의 집합으로 클러스터를 정의하고, 하나의 클러스터 내의 모든 데이터 포인트들은 서로 연결된 포인트(density-connected)로 정의하며,
    균질도(homogeneity)는 두 개의 데이터 포인트 사이의 유사도를 상관계수로 정의하는 것으로서,
    균질도 기반의 성능 평가 계산방법은 각 클러스터의 중심점들과 해당 클러스터 안에 속한 포인트 간의 평균거리를 계산하는 것으로서,
    Npoint는 전체 포인트 수이고, D는 거리 계산 알고리즘이고, pi=i번째 포인트이고, C(pi)는 pi가 속해있는 클러스터의 중심점이라고 할 때,
    Figure 112018118097122-pat00022

    의 수학식으로 계산할 수 있으며,
    상기 서버는 균질도 기반의 성능 평가에서, 균질도가 높을수록, DBSCAN을 기반으로 클러스터링 수행 결과, 불량 컴포넌트가 밀집한 클러스터 검출 성능이 우수한 것으로 판단하는 것을 특징으로 하는 불량 컴포넌트 위치 검출 시스템.
  6. 청구항 5에 있어서,
    상기 서버는 해당 PCB 이미지 상에 데이터 포인트가 함께 표시되도록 하고, 어느 데이터 포인트가 클릭되면 해당 데이터 포인트의 컴포넌트를 표시하는 것을 특징으로 하는 불량 컴포넌트 위치 검출 시스템.
  7. 청구항 6에 있어서,
    상기 서버는 각 클러스터 별로 데이터 포인트의 색상을 달리하여 표시하는 방식으로 클러스터가 표시되도록 하는 것을 특징으로 하는 불량 컴포넌트 위치 검출 시스템.
  8. 청구항 5에 있어서,
    상기 서버는 데이터베이스에 저장되어 있는 PCB 제조 공정의 디테일 테이블(detail table)과 헤더 테이블의 바코드(Barcode), 날짜(date), 결과(result)를, 선정된 컴포넌트(component) 좌표와 매칭하여 DBSCAN 기반 클러스터링을 수행하는 것을 특징으로 하는 불량 컴포넌트 위치 검출 시스템.
KR1020170025575A 2017-02-27 2017-02-27 Pcb 제조 공정에서 불량 컴포넌트 위치 검출 방법 및 시스템 KR101991415B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170025575A KR101991415B1 (ko) 2017-02-27 2017-02-27 Pcb 제조 공정에서 불량 컴포넌트 위치 검출 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170025575A KR101991415B1 (ko) 2017-02-27 2017-02-27 Pcb 제조 공정에서 불량 컴포넌트 위치 검출 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20180098872A KR20180098872A (ko) 2018-09-05
KR101991415B1 true KR101991415B1 (ko) 2019-06-20

Family

ID=63594374

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170025575A KR101991415B1 (ko) 2017-02-27 2017-02-27 Pcb 제조 공정에서 불량 컴포넌트 위치 검출 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101991415B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220027674A (ko) 2020-08-27 2022-03-08 단국대학교 산학협력단 딥러닝 기반의 반도체 디바이스 상태 분류를 위한 장치 및 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102346275B1 (ko) * 2019-11-26 2021-12-31 충북대학교 산학협력단 오토 인코더 기법을 이용한 수출입 물동량에 대한 이상치 탐지 방법 및 이를 기록한 기록매체
CN117435939B (zh) * 2023-12-14 2024-03-08 广东力宏微电子有限公司 基于大数据的igbt健康状态评估方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997035337A1 (en) * 1996-03-19 1997-09-25 Hitachi, Ltd. Process control system
JP2003086919A (ja) * 2001-09-07 2003-03-20 Sun Tec Kk パターン検査装置
JP2006105777A (ja) * 2004-10-05 2006-04-20 Omron Corp 基板検査装置並びにそのパラメータ設定方法およびパラメータ設定装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100520261B1 (ko) 2003-03-18 2005-10-11 주식회사 영은전자 Ｐｃｂ의 제조방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997035337A1 (en) * 1996-03-19 1997-09-25 Hitachi, Ltd. Process control system
JP2003086919A (ja) * 2001-09-07 2003-03-20 Sun Tec Kk パターン検査装置
JP2006105777A (ja) * 2004-10-05 2006-04-20 Omron Corp 基板検査装置並びにそのパラメータ設定方法およびパラメータ設定装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220027674A (ko) 2020-08-27 2022-03-08 단국대학교 산학협력단 딥러닝 기반의 반도체 디바이스 상태 분류를 위한 장치 및 방법

Also Published As

Publication number Publication date
KR20180098872A (ko) 2018-09-05

Similar Documents

Publication Publication Date Title
KR101991415B1 (ko) Pcb 제조 공정에서 불량 컴포넌트 위치 검출 방법 및 시스템
CN111784663B (zh) 零部件的检测方法、装置、电子设备及存储介质
CN102927903B (zh) Smt的pcb板的检验方法及装置
US9760427B2 (en) Method and apparatus for identifying location related hardware failures
US20080016406A1 (en) Testing system for portable electronic devices and method of using the same
CN108133103B (zh) 一种电子设计dfm检测系统、方法和介质
CN103185560A (zh) Pcb板线路的线宽检测系统及方法
CN112949661A (zh) 检测框自适应外扩方法、装置、电子设备及存储介质
CN111681235A (zh) 一种基于学习机制的ic焊点缺陷检测方法
CN107787122B (zh) 电路板线路补偿方法和装置
US10010001B1 (en) Circuit board and method for making the same
CN111552600A (zh) 一种信号测试方法、系统、装置及可读存储介质
US20130152037A1 (en) Computer aided design system and method
US7100135B2 (en) Method and system to evaluate signal line spacing
US20130304413A1 (en) Computing device and method for testing electromagnetic compatiblity of printed circuit board
US9372950B2 (en) Circuit layout method and circuit layout apparatus
CN107743155B (zh) Ip标注方法、装置、电子设备及存储介质
TW201807604A (zh) 干涉檢查方法及其檢測裝置
CN107656187B (zh) 一种差分线路测试信息确定方法及设备
CN115829929A (zh) 产品表面图像的缺陷检测方法、装置、设备及存储介质
US8341587B2 (en) Method of managing process factors that influence electrical properties of printed circuit boards
CN115619698A (zh) 电路板缺陷的检测方法、装置及模型训练方法
TWI503684B (zh) 印刷電路檢查方法與裝置
JP6380544B2 (ja) 電気製品の組み立て工程の管理方法
US20160147931A1 (en) Programmable cad system suited for preventing interference between component and chassis, and method thereof

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right