KR102228957B1 - 인쇄 회로 기판 검사 장치, 스크린 프린터의 결함 유형 결정 방법 및 컴퓨터 판독 가능한 기록 매체 - Google Patents

인쇄 회로 기판 검사 장치, 스크린 프린터의 결함 유형 결정 방법 및 컴퓨터 판독 가능한 기록 매체 Download PDF

Info

Publication number
KR102228957B1
KR102228957B1 KR1020190177812A KR20190177812A KR102228957B1 KR 102228957 B1 KR102228957 B1 KR 102228957B1 KR 1020190177812 A KR1020190177812 A KR 1020190177812A KR 20190177812 A KR20190177812 A KR 20190177812A KR 102228957 B1 KR102228957 B1 KR 102228957B1
Authority
KR
South Korea
Prior art keywords
printed circuit
circuit board
abnormality
image
screen printer
Prior art date
Application number
KR1020190177812A
Other languages
English (en)
Other versions
KR20200006028A (ko
Inventor
김재형
노정규
이재환
이덕영
Original Assignee
주식회사 고영테크놀러지
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 주식회사 고영테크놀러지 filed Critical 주식회사 고영테크놀러지
Priority to KR1020190177812A priority Critical patent/KR102228957B1/ko
Publication of KR20200006028A publication Critical patent/KR20200006028A/ko
Application granted granted Critical
Publication of KR102228957B1 publication Critical patent/KR102228957B1/ko

Links

Images

Classifications

    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • 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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N2021/95638—Inspecting patterns on the surface of objects for PCB's
    • G01N2021/95646—Soldering

Abstract

인쇄 회로 기판 검사 장치가 개시된다. 인쇄 회로 기판 검사 장치는, 스크린 프린터의 적어도 하나의 결함 유형과 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지와의 관련성을 나타내는 적어도 하나의 값을 도출하도록 학습된 머신-러닝 기반 모델을 저장하는 메모리 및 제1 인쇄 회로 기판에 대한 이미지를 이용하여 상기 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 적어도 하나의 솔더 페이스트의 이상이 감지되면, 상기 복수의 솔더 페이스트들의 이상 여부를 나타내는 적어도 하나의 이미지를 생성하고, 상기 머신-러닝 기반 모델을 이용하여, 상기 적어도 하나의 결함 유형과 상기 생성된 적어도 하나의 이미지와의 관련성을 나타내는 적어도 하나의 값을 획득하고, 상기 획득된 적어도 하나의 값에 기초하여, 상기 적어도 하나의 결함 유형 중 상기 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형을 결정하는 프로세서를 포함할 수 있다.

Description

인쇄 회로 기판 검사 장치, 스크린 프린터의 결함 유형 결정 방법 및 컴퓨터 판독 가능한 기록 매체{PRINTED CIRCUIT BOARD INSPECTING APPARATUS, METHOD FOR DETERMINING FAULT TYPE OF SCREEN PRINTER AND COMPUTER READABLE RECORDING MEDIUM}
본 개시는 인쇄 회로 기판 검사 장치에 관한 것으로서, 보다 구체적으로 인쇄 회로 기판의 인쇄에 이용된 스크린 프린터의 결함 유형을 결정하기 위한 인쇄 회로 기판 검사 장치에 관한 것이다.
본 개시는 산업통상자원부의 로봇산업융합핵심기술개발사업의 일환으로 수행한 연구로부터 도출된 것이다[과제고유번호: 10077589, 연구과제명: 기계학습 기반 SMT 최적화 시스템 기술 개발].
전자 장치에 장착되는 인쇄 회로 기판에 솔더 페이스트가 인쇄되는 공정은 스크린 프린터에 의해 수행되며, 스크린 프린터가 인쇄 회로 기판에 솔더 페이스트를 인쇄하는 공정은 다음과 같다. 스크린 프린터는 인쇄 회로 기판을 고정시키기 위한 테이블에 인쇄 회로 기판을 위치 시키고, 스텐실의 개구가 대응되는 인쇄 회로 기판의 패드 상에 위치하도록 스텐실을 인쇄 회로 기판 상에 정렬시킨다. 이 후, 스크린 프린터는 스퀴지(squeegee)를 이용하여 스텐실의 개구를 통해 솔더 페이스트를 인쇄 회로 기판에 인쇄한다. 그 후, 스크린 프린터는 스텐실과 인쇄 회로 기판을 분리시킨다.
인쇄 회로 기판에 인쇄되는 솔더 페이스트의 형상은 SPI(solder paste inspection) 기술을 통해 검사될 수 있다. SPI 기술은, 광학 기술을 통해 인쇄 회로 기판에 인쇄된 솔더 페이스트의 2차원 또는 3차원 영상을 획득하고, 획득된 영상으로부터 인쇄 회로 기판에 인쇄되는 솔더 페이스트의 형상을 검사하는 기술이다.
본 개시는, 머신-러닝 기반 모델을 이용하여 솔더 페이스트의 이상(anomaly)과 관련된 스크린 프린터의 결함(fault) 유형을 결정할 수 있는 인쇄 회로 기판 검사 장치를 제공한다.
본 개시는, 인쇄 회로 기판 검사 장치가 머신-러닝 기반 모델을 이용하여 솔더 페이스트의 이상과 관련된 스크린 프린터의 결함 유형의 결정을 수행하도록 하는 실행 가능한 명령을 포함하는 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체를 제공한다.
본 개시는, 인쇄 회로 기판 검사 장치에서, 머신-러닝 기반 모델을 이용하여 솔더 페이스트의 이상과 관련된 스크린 프린터의 결함 유형을 결정하는 방법을 제공한다.
본 개시의 일 실시예에 따르면, 인쇄 회로 기판을 검사하는 장치는, 스크린 프린터의 적어도 하나의 결함 유형과 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지와의 관련성을 나타내는 적어도 하나의 값을 도출하도록 학습된 머신-러닝 기반 모델을 저장하는 메모리 및 상기 메모리와 전기적으로 연결된 프로세서를 포함할 수 있다. 상기 프로세서는, 제1 인쇄 회로 기판에 대한 이미지를 이용하여 상기 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 적어도 하나의 솔더 페이스트의 이상이 감지되면, 상기 복수의 솔더 페이스트들의 이상 여부를 나타내는 적어도 하나의 이미지를 생성하고, 상기 머신-러닝 기반 모델을 이용하여, 상기 적어도 하나의 결함 유형과 상기 생성된 적어도 하나의 이미지와의 관련성을 나타내는 적어도 하나의 값을 획득하고, 상기 획득된 적어도 하나의 값에 기초하여, 상기 적어도 하나의 결함 유형 중 상기 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형을 결정할 수 있다.
일 실시예에서, 상기 프로세서는, 상기 제1 인쇄 회로 기판에 대한 이미지를 통해 획득되는 상기 복수의 솔더 페이스트들에 대한 제1 측정 정보를 이용하여, 상기 복수의 솔더 페이스트들 중 상기 적어도 하나의 솔더 페이스트의 이상 여부를 감지할 수 있다.
일 실시예에서, 상기 제1 측정 정보는, 솔더 페이스트에 대한 부피, 면적, 높이, 형상 또는 위치 중 적어도 하나를 포함할 수 있다.
일 실시예에서, 상기 메모리는, 상기 제1 인쇄 회로 기판보다 앞서 상기 인쇄 회로 기판 검사 장치에 의해 이상 여부가 검사된 복수의 제2 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들에 대한 제2 측정 정보를 더 저장하고, 상기 프로세서는, 상기 제1 측정 정보와 상기 제2 측정 정보를 이용하여, 상기 복수의 솔더 페이스트들 중 상기 적어도 하나의 솔더 페이스트에 대한 이상 여부를 감지할 수 있다.
일 실시예에서, 상기 제2 측정 정보는, 상기 복수의 제2 인쇄 회로 기판들 각각의 검사 순서에 따라, 상기 복수의 제2 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보가 시계열적으로 결합되어 생성될 수 있다.
일 실시예에서, 상기 프로세서는, 상기 제2 측정 정보에 기초하여, 상기 복수의 제2 인쇄 회로 기판들 각각의 검사 순서에 따른 상기 복수의 제2 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보의 변화를 판단하고, 상기 판단된 복수의 솔더 페이스트들에 대한 측정 정보의 변화에 기초하여, 상기 적어도 하나의 결함 유형 중 상기 제1 인쇄 회로 기판에 인쇄된 적어도 하나의 솔더 페이스트의 이상과 관련된 결함 유형을 결정할 수 있다.
일 실시예에서, 상기 적어도 하나의 결함 유형은, 스퀴즈 블레이드 결함, 스퀴즈 블레이드 고정 결함, 지지대 결함, 테이블 결함, 그리드 락 설정 불량에 따른 결함, 솔더 페이스트의 방치와 솔더 페이스트의 반죽 불량으로 인한 결함, 솔더 페이스트의 부족에 의한 결함 및 스텐실 접촉 불량으로 인한 결함 중 적어도 하나를 포함할 수 있다.
일 실시예에서, 상기 머신-러닝 기반 모델은, CNN(convolution neural network) 모델일 수 있다.
일 실시예에서, 상기 프로세서는, 상기 적어도 하나의 결함 유형에 따라 분류된 복수의 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 복수의 이미지들을 통해 상기 머신-러닝 기반 모델을 학습시킬 수 있다.
일 실시예에서, 상기 프로세서는, 상기 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형을 결정한 후, 상기 생성된 적어도 하나의 이미지를 통해 상기 머신-러닝 기반 모델을 학습시킬 수 있다.
일 실시예에서, 상기 프로세서는, 상기 획득된 적어도 하나의 값 중, 미리 설정된 임계값 이상인 적어도 하나의 값에 대응하는 결함 유형을 상기 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형으로 결정할 수 있다.
본 개시의 일 실시예에 따르면, 컴퓨터 상에서 수행하기 위한 프로그램을 기록한 비일시적 컴퓨터 판독 가능한 기록 매체에 있어서, 상기 프로그램은, 프로세서에 의한 실행 시, 상기 프로세서가, 제1 인쇄 회로 기판에 대한 이미지를 이용하여 상기 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 적어도 하나의 솔더 페이스트의 이상이 감지되면, 상기 복수의 솔더 페이스트들의 이상 여부를 나타내는 적어도 하나의 이미지를 생성하는 단계, 스크린 프린터의 적어도 하나의 결함 유형과 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지와의 관련성을 나타내는 적어도 하나의 값을 도출하도록 학습된 머신-러닝 기반 모델을 이용하여, 상기 적어도 하나의 결함 유형과 상기 생성된 적어도 하나의 이미지와의 관련성을 나타내는 적어도 하나의 값을 획득하는 단계 및 상기 획득된 적어도 하나의 값에 기초하여, 상기 적어도 하나의 결함 유형 중 상기 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형을 결정하는 단계를 수행하도록 하는 실행 가능한 명령을 포함할 수 있다.
일 실시예에서, 상기 실행 가능한 명령은, 상기 제1 인쇄 회로 기판에 대한 이미지를 통해 획득되는 상기 복수의 솔더 페이스트들에 대한 제1 측정 정보를 이용하여, 상기 복수의 솔더 페이스트들 중 상기 적어도 하나의 솔더 페이스트의 이상 여부를 감지하는 단계를 더 수행하도록 할 수 있다.
일 실시예에서, 상기 제1 측정 정보는, 솔더 페이스트에 대한 부피, 면적, 높이, 형상 또는 위치 중 적어도 하나를 포함할 수 있다.
일 실시예에서, 상기 복수의 솔더 페이스트들 중 상기 적어도 하나의 솔더 페이스트의 이상 여부를 감지하는 단계는, 상기 제1 측정 정보와 제2 측정 정보를 이용하여, 상기 복수의 솔더 페이스트들 중 상기 적어도 하나의 솔더 페이스트에 대한 이상 여부를 감지하는 단계를 포함하고, 상기 제2 측정 정보는,상기 제1 인쇄 회로 기판보다 앞서 상기 인쇄 회로 기판 검사 장치에 의해 이상 여부가 검사된 복수의 제2 인쇄 회로 기판들 각각의 검사 순서에 따라, 상기 복수의 제2 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보가 시계열적으로 결합되어 생성될 수 있다.
일 실시예에서, 상기 머신-러닝 기반 모델은, CNN(convolution neural network) 모델일 수 있다.
일 실시예에서, 상기 실행 가능한 명령은, 상기 적어도 하나의 결함 유형에 따라 분류된 복수의 솔더 페이스트들의 이상 여부를 나타내는 복수의 이미지들을 통해 상기 머신-러닝 기반 모델을 학습시키는 단계를 더 수행하도록 할 수 있다.
일 실시예에서, 상기 결함 유형을 결정하는 단계는, 상기 획득된 적어도 하나의 값 중, 미리 설정된 임계값 이상인 적어도 하나의 값에 대응하는 결함 유형을 상기 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형으로 결정하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따르면, 인쇄 회로 기판 검사 장치에서 스크린 프린터의 결함 유형을 결정하는 방법은, 제1 인쇄 회로 기판에 대한 이미지를 이용하여 상기 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 적어도 하나의 솔더 페이스트의 이상이 감지되면, 상기 복수의 솔더 페이스트들의 이상 여부를 나타내는 적어도 하나의 이미지를 생성하는 단계, 스크린 프린터의 적어도 하나의 결함 유형과 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지와의 관련성을 나타내는 적어도 하나의 값을 도출하도록 학습된 머신-러닝 기반 모델을 이용하여, 상기 적어도 하나의 결함 유형과 상기 생성된 적어도 하나의 이미지와의 관련성을 나타내는 적어도 하나의 값을 획득하는 단계 및 상기 획득된 적어도 하나의 값에 기초하여, 상기 적어도 하나의 결함 유형 중 상기 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형을 결정하는 단계를 포함할 수 있다.
본 발명의 다양한 실시예에 따른 인쇄 회로 기판 검사 장치는, 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지를 이용하여, 스크린 프린터의 적어도 하나의 결함 유형 중, 이상이 감지된 솔더 페이스트와 관련된 결함 유형을 결정할 수 있다. 이를 통해, 솔더 페이스트의 이상을 초래한 스크린 프린터의 결함 유형을 신속히 파악하여 이를 교정할 수 있다.
도 1은 본 개시의 다양한 실시예에 따른 인쇄 회로 기판 검사 장치의 블록도이다.
도 2는 본 개시의 다양한 실시예에 따른, 이상이 감지된 솔더 페이스트와 관련된 결함 유형을 결정하는 방법의 흐름도이다.
도 3은 본 개시의 다양한 실시예에 따른, 인쇄 회로 기판에 인쇄된 적어도 하나의 솔더 페이스트의 이상을 감지하는 방법의 흐름도이다.
도 4a 내지 도 4c는 본 개시의 다양한 실시예에 따른, 제1 측정 정보 및 제2 측정 정보를 나타내는 그래프들을 도시한다.
도 5는 본 개시의 다양한 실시예에 따른, 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 스크린 프린터의 결함 유형을 결정하는 방법의 흐름도이다.
도 6은 본 개시의 다양한 실시예에 따른, 제2 측정 정보 및 제2 측정 정보로부터 분해되는 복수의 정보들을 나타내는 그래프이다.
도 7a 및 도 7b는 본 개시의 다양한 실시예에 따른, 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지들을 도시한다.
도 8은 본 개시의 다양한 실시예에 따른, 머신 러닝-기반 모델에 대한 개념도이다.
본 개시의 실시예들은 본 개시의 기술적 사상을 설명하기 위한 목적으로 예시된 것이다. 본 개시에 따른 권리범위가 이하에 제시되는 실시예들이나 이들 실시예들에 대한 구체적 설명으로 한정되는 것은 아니다.
본 개시에 사용되는 모든 기술적 용어들 및 과학적 용어들은, 달리 정의되지 않는 한, 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 일반적으로 이해되는 의미를 갖는다. 본 개시에 사용되는 모든 용어들은 본 개시를 더욱 명확히 설명하기 위한 목적으로 선택된 것이며 본 개시에 따른 권리범위를 제한하기 위해 선택된 것이 아니다.
본 개시에서 사용되는 "포함하는", "구비하는", "갖는" 등과 같은 표현은, 해당 표현이 포함되는 어구 또는 문장에서 달리 언급되지 않는 한, 다른 실시예를 포함할 가능성을 내포하는 개방형 용어(open-ended terms)로 이해되어야 한다.
본 개시에서 기술된 단수형의 표현은 달리 언급하지 않는 한 복수형의 의미를 포함할 수 있으며, 이는 청구범위에 기재된 단수형의 표현에도 마찬가지로 적용된다.
본 개시에서 사용되는 "제1", "제2" 등의 표현들은 복수의 구성요소들을 상호 구분하기 위해 사용되며, 해당 구성요소들의 순서 또는 중요도를 한정하는 것은 아니다.
본 개시에서 사용되는 "~에 기초하여"라는 표현은, 해당 표현이 포함되는 어구 또는 문장에서 기술되는, 결정, 판단의 행위 또는 동작에 영향을 주는 하나 이상의 인자를 기술하는데 사용되며, 이 표현은 결정, 판단의 행위 또는 동작에 영향을 주는 추가적인 인자를 배제하지 않는다.
본 개시에서, 어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 경우, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결될 수 있거나 접속될 수 있는 것으로, 또는 새로운 다른 구성요소를 매개로 하여 연결될 수 있거나 접속될 수 있는 것으로 이해되어야 한다.
이하, 첨부한 도면들을 참조하여, 본 개시의 실시예들을 설명한다. 첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응하는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.
도 1은 본 개시의 다양한 실시예에 따른 인쇄 회로 기판 검사 장치의 블록도이다.
본 개시의 다양한 실시예에 따르면, 인쇄 회로 기판 검사 장치(100)는, 이미지 센서(110), 메모리(120) 및 프로세서(130)를 포함할 수 있다. 또한, 인쇄 회로 기판 검사 장치(100)는 프로세서(130)에 의해 처리된 결과를 출력하기 위한 디스플레이(140), 다른 출력 장치(미도시) 또는 처리된 결과를 다른 전자 장치로 전송하기 위한 통신 회로(미도시)를 더 포함할 수 있다. 이미지 센서(110), 메모리(120), 프로세서(130) 및 디스플레이(140)는 전기적으로 연결되어 신호를 송수신할 수 있다.
일 실시예에서, 이미지 센서(110)는 스크린 프린터(101)에 의해 복수의 솔더 페이스트들이 인쇄된 인쇄 회로 기판에 대한 이미지를 획득할 수 있다. 이미지 센서(110)에 의해 획득되는 이미지는 인쇄 회로 기판에 대한 2차원 또는 3차원 이미지일 수 있다. 이미지 센서(110)에 의해 획득되는 인쇄 회로 기판에 대한 이미지는, 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 대한 정보를 측정하는 데에 이용될 수 있다. 예를 들어, 인쇄 회로 기판에 대한 이미지를 이용하여, 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 각각에 대한 부피, 면적, 높이, 형상 또는 위치 중 적어도 하나를 포함하는 정보가 측정될 수 있다. 다만, 이는 설명의 목적일 뿐, 이에 제한되는 것은 아니며, 인쇄 회로 기판에 대한 이미지를 통해, 복수의 솔더 페이스트 각각의 특성을 나타낼 수 있는 다양한 정보가 측정될 수 있다. 이하에서. '측정 정보'는 인쇄 회로 기판에 대한 이미지를 이용하여 측정되는 복수의 솔더 페이스트에 대한 정보로 정의될 수 있다.
일 실시예에서, 메모리(120)는 머신-러닝 기반 모델을 저장할 수 있다. 머신-러닝 기반 모델은, 스크린 프린터(101)의 적어도 하나의 결함 유형과 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지와의 관련성을 나타내는 적어도 하나의 값을 도출하도록 학습될 수 있다. 머신-러닝 기반 모델은 예를 들어, 머신 러닝 기반 모델은, CNN(convolution neural network) 모델일 수 있다. 또한, 머신-러닝 기반 모델은 인쇄 회로 기판 검사 장치(100)와 유선 또는 무선으로 연동된 전자 장치(예: 외부 서버 등)의 메모리에 저장될 수도 있다. 이 경우, 인쇄 회로 기판 검사 장치(100)는 유선 또는 무선으로 연동된 전자 장치와 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형을 결정하기 위한 정보를 송수신할 수 있다.
일 실시예에서, 적어도 하나의 결함 유형과 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지와의 관련성을 나타내는 적어도 하나의 값은 확률 값일 수 있다. 예를 들어, 적어도 하나의 값은 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지가 스크린 프린터(101)의 제1 결함 유형과의 관련성이 a %이고, 스크린 프린터(101)의 제2 결함 유형과의 관련성이 b %인 것으로 나타낼 수 있다. 다만, 이는 설명의 목적일 뿐, 이에 제한되는 것은 아니며, 관련성을 나타낼 수 있는 다양한 값이 이용될 수 있다.
일 실시예에서, 스크린 프린터(101)의 적어도 하나의 결함 유형은 스크린 프린터(101)에서 발생 가능한 다양한 결함 유형들 중, 인쇄 회로 기판에 인쇄된 솔더 페이스트의 이상을 초래할 수 있는 적어도 하나의 결함 유형일 수 있다. 예를 들어, 스크린 프린터(101)의 적어도 하나의 결함 유형은 스크린 프린터(101)의 스퀴즈 블레이드 결함, 스퀴즈 블레이드 고정 결함(예: 스퀴드 블레이드를 고정하기 위한 나사 고정의 결함 등), 스크린 프린터(101)의 지지대 결함, 스크린 프린터(101)의 테이블 결함, 지지대로 그리드 락을 사용하는 경우, 그리드 락 설정 불량에 따른 결함, 스크린 프린터(101)에서 공급하는 솔더 페이스트의 상태, 예를 들어, 솔더 페이스트의 방치, 솔더 페이스트의 반죽 불량으로 인한 결함, 스크린 프린터(101)에서 공급하는 솔더 페이스트의 부족에 의한 결함 및 스텐실 접촉 불량으로 인한 결함 중 적어도 하나를 포함할 수 있다.
다만, 이는 설명의 목적일 뿐, 이에 제한되는 것은 아니며, 인쇄 회로 기판에 인쇄된 솔더 페이스트의 이상을 초래할 수 있는 스크린 프린터(101)의 다양한 결함 유형이 스크린 프린터(101)의 적어도 하나의 결함 유형에 포함될 수 있다.
일 실시예에서, 메모리(120)에 저장된 머신-러닝 기반 모델은, 스크린 프린터(101)의 적어도 하나의 결함 유형에 따라 분류된 복수의 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 나타내는 복수의 이미지들을 통해 학습될 수 있다. 예를 들어, 머신-러닝 기반 모델은, 스크린 프린터(101)의 제1 결함 유형으로 분류된 복수의 솔더 페이스트들의 이상 여부를 나타내는 복수의 제1 이미지들, 스크린 프린터(101)의 제2 결함 유형으로 분류된 복수의 솔더 페이스트들의 이상 여부를 나타내는 복수의 제2 이미지들을 통해 학습될 수 있다. 이와 같이 학습된 머신-러닝 기반 모델은 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지가 입력되면, 입력된 이미지와 제1 결함 유형 및 제2 결함 유형 중 적어도 하나와의 관련성을 나타내는 값을 출력할 수 있다. 머신-러닝 기반 모델의 구체적인 학습 방법에 대해서는 후술하도록 한다.
일 실시예에서, 프로세서(130)는 이미지 센서(110)에 의해 획득된 제1 인쇄 회로 기판에 대한 이미지를 이용하여, 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 적어도 하나의 솔더 페이스트의 이상 여부를 감지할 수 있다. 제1 인쇄 회로 기판은 스크린 프린터(101)에서 복수의 솔더 페이스트들이 인쇄된 후 인쇄 회로 기판 검사 장치(100)로 이송된 검사 대상이 되는 인쇄 회로 기판일 수 있다. 예를 들어, 프로세서(130)는 제1 인쇄 회로 기판에 대한 이미지를 이용하여, 복수의 솔더 페이스트들에 대한 제1 측정 정보를 생성할 수 있다. 프로세서(130)는 생성된 제1 측정 정보를 이용하여 복수의 솔더 페이스트들 중 적어도 하나의 솔더 페이스트의 이상 여부를 감지할 수 있다.
일 실시예에서, 메모리(120)는 제1 인쇄 회로 기판 보다 앞서 검사가 수행된 복수의 제2 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들에 대한 제2 측정 정보를 저장할 수 있다. 프로세서(130)는 복수의 제2 인쇄 회로 기판들 각각의 검사 과정에서 생성되는 제2 측정 정보를 메모리(120)에 저장할 수 있다. 예를 들어, 제2 측정 정보는 복수의 제2 인쇄 회로 기판들 보다 이후에 검사가 수행되는 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 대한 이상 여부를 감지하는 데에 이용될 수 있다. 예를 들어, 제2 측정 정보는 복수의 제2 인쇄 회로 기판들 각각의 검사 순서에 따라, 복수의 제2 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보가 시계열적으로 결합되어 생성될 수 있다. 제2 측정 정보를 생성하는 구체적인 방법에 대해서는 후술하도록 한다.
일 실시예에서, 프로세서(130)는 제1 측정 정보와 제2 측정 정보를 이용하여, 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 적어도 하나의 솔더 페이스트에 대한 이상 여부를 감지할 수 있다. 예를 들어, 프로세서(130)는 제1 제1 측정 정보와 제2 측정 정보를 비교하여 측정 정보와 제2 측정 정보의 차이를 판단하고, 판단된 차이가 미리 설정된 범위를 벗어나는 경우, 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 미리 설정된 범위를 벗어나는 적어도 하나의 솔더 페이스트에 대해 이상이 있는 것으로 감지할 수 있다. 또한, 프로세서(130)는 제1 측정 정보와 제2 측정 정보의 차이를 판단하고, 판단된 차이가 미리 설정된 범위를 벗어나지 않는 경우, 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 이상이 없는 것으로 감지할 수 있다. 다만, 이는 설명의 목적일 뿐, 이에 제한되는 것은 아니며, 프로세서(130)는 제1 측정 정보 및 제2 측정 정보를 통계적으로 분석하거나 인쇄 회로 기판의 검사 순서에 따라 시계열적으로 분석하는 등과 같이 다양한 방법으로 제1 측정 정보 및 제2 측정 정보를 이용하여, 적어도 하나의 솔더 페이스트에 대한 이상 여부를 감지할 수 있다.
일 실시예에서, 프로세서(130)는 제2 측정 정보에 기초하여, 복수의 제2 인쇄 회로 기판들 각각의 검사 순서에 따른 복수의 제2 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보의 변화를 판단할 수 있다. 예를 들어, 프로세서(130)는 복수의 제2 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보의 차이를 판단하고, 판단되는 차이가 복수의 제2 인쇄 회로 기판들 각각의 검사 순서에 따라 어떻게 변화되고 있는 지를 판단할 수 있다.
또한, 프로세서(130)는 판단된 복수의 솔더 페이스트들에 대한 측정 정보의 변화에 기초하여, 스크린 프린터(101)의 적어도 하나의 결함 유형 중, 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형을 결정할 수 있다. 예를 들어, 프로세서(130)는 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중, 적어도 하나의 솔더 페이스트의 이상이 감지되면, 판단된 복수의 솔더 페이스트들에 대한 측정 정보의 변화에 기초하여, 이상이 감지된 적어도 하나의 솔더 페이스트의 이상과 관련된 결함 유형을 결정할 수 있다.
일 실시예에서, 프로세서(130)는 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 적어도 하나의 솔더 페이스트의 이상이 감지되면, 복수의 솔더 페이스트들의 이상 여부를 나타내는 적어도 하나의 이미지를 생성할 수 있다. 프로세서(130)는 머신-러닝 기반 모델을 이용하여 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 스크린 프린터(101)의 결함 유형을 결정하기 위하여, 복수의 솔더 페이스트들의 이상 여부를 나타내는 적어도 하나의 이미지를 생성할 수 있다.
예를 들어, 복수의 솔더 페이스트들의 이상 여부를 나타내는 적어도 하나의 이미지는, 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 전체에 대한 이상 여부를 나타내는 이미지, 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 대한 과납 이상 여부를 나타내는 이미지 및 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 대한 소납 이상 여부를 나타내는 이미지 중 적어도 하나일 수 있다.
예를 들어, 프로세서(130)는 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 대한 이상 여부를 나타내는 이미지를 생성하거나, 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 대한 과납 이상 여부를 나타내는 이미지 및 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 대한 소납 이상 여부를 나타내는 이미지를 생성할 수 있다. 다만, 이는 설명의 목적일 뿐, 이에 제한되는 것은 아니며, 프로세서(130)는 머신-러닝 기반 모델의 학습에 이용된 이미지를 생성할 수 있다.
일 실시예에서, 프로세서(130)는 메모리(120)에 저장된 머신-러닝 기반 모델을 이용하여, 스크린 프린터(101)의 적어도 하나의 결함 유형과 생성된 적어도 하나의 이미지와의 관련성을 나타내는 적어도 하나의 값을 획득할 수 있다. 프로세서(130)는 획득된 값들에 기초하여, 적어도 하나의 결함 유형 중, 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형을 결정할 수 있다. 프로세서(130)는 결정된 결함 유형에 대한 정보를 디스플레이(140) 또는 다른 출력 장치(미도시)를 통해 출력할 수 있다. 또한, 프로세서(130)는 결정된 결함 유형에 대한 정보를 인쇄 회로 기판 검사 장치(100)에 포함된 통신 회로(미도시)를 통해 다른 전자 장치로 송신할 수 있다. 또한, 결정되는 결함 유형은 복수 일 수도 있다.
예를 들어, 프로세서(130)는 획득된 값들 중, 미리 설정된 임계값 이상인 값에 대응하는 결함 유형을 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형으로 결정할 수 있다.
일 실시예에서, 프로세서(130)는 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 스크린 프린터(101)의 결함 유형을 결정한 후, 생성된 적어도 하나의 이미지를 통해 머신-러닝 기반 모델을 학습시킬 수 있다. 이와 같이, 프로세서(130)는 인쇄 회로 기판에 대한 검사가 수행될 때마다 머신-러닝 기반 모델을 학습시킴으로써, 이상이 감지된 솔더 페이스트와 관련된 스크린 프린터(101)의 적어도 하나의 결함 유형을 보다 정확하게 결정할 수 있다.
도 2는 본 개시의 다양한 실시예에 따른, 이상이 감지된 솔더 페이스트와 관련된 결함 유형을 결정하는 방법의 흐름도이다.
도 2, 도 3, 도 5, 및 도 9에 도시된 흐름도에서 프로세스 단계들, 방법 단계들, 알고리즘들 등이 시계열적인 순서로 설명되었지만, 그러한 프로세스들, 방법들 및 알고리즘들은 임의의 적합한 순서로 작동하도록 구성될 수 있다. 다시 말하면, 본 개시의 다양한 실시예들에서 설명되는 프로세스들, 방법들 및 알고리즘들의 단계들이 본 개시에서 기술된 순서로 수행될 필요는 없다. 또한, 일부 단계들이 비동시적으로 수행되는 것으로서 설명되더라도, 다른 실시예에서는 이러한 일부 단계들이 동시에 수행될 수 있다. 또한, 도면에서의 묘사에 의한 프로세스의 예시는 예시된 프로세스가 그에 대한 다른 변화들 및 수정들을 제외하는 것을 의미하지 않으며, 예시된 프로세스 또는 그의 단계들 중 임의의 것이 본 개시의 다양한 실시예들 중 하나 이상에 필수적임을 의미하지 않으며, 예시된 프로세스가 바람직하다는 것을 의미하지 않는다.
210 단계에서, 인쇄 회로 기판 검사 장치(100)의 프로세서(130)는 이미지 센서(110)를 통해 복수의 솔더 페이스트들이 인쇄된 제1 인쇄 회로 기판에 대한 이미지를 획득할 수 있다. 프로세서(130)는 획득된 이미지를 이용하여 복수의 솔더 페이스트들에 대한 측정 정보를 더 획득할 수 있다. 복수의 솔더 페이스트들에 대한 측정 정보는 복수의 솔더 페이스트들 각각에 대한 부피, 면적, 높이, 형상 또는 위치 중 적어도 하나를 포함할 수 있다.
220 단계에서, 프로세서(130)는 획득된 제1 인쇄 회로 기판에 대한 이미지를 이용하여, 복수의 솔더 페이스트들 중 적어도 하나의 솔더 페이스트의 이상이 감지되면, 복수의 솔더 페이스트들의 이상 여부를 나타내는 적어도 하나의 이미지를 생성할 수 있다. 프로세서(130)는 메모리(120)에 저장된 머신-러닝 기반 모델을 이용하여 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 스크린 프린터(101)의 결함 유형을 결정하기 위하여, 복수의 솔더 페이스트들의 이상 여부를 적어도 하나의 이미지를 생성할 수 있다.
230 단계에서, 프로세서(130)는 메모리(120)에 저장된 머신-러닝 기반 모델을 이용하여, 스크린 프린터(101)의 적어도 하나의 결함 유형과 생성된 적어도 하나의 이미지와의 관련성을 나타내는 적어도 하나의 값을 획득할 수 있다. 예를 들어, 머신-러닝 기반 모델은 생성된 적어도 하나의 이미지의 특징들을 추출하고, 추출된 특징들에 기반하여, 스크린 프린터(101)의 적어도 하나의 결함 유형과 생성된 적어도 하나의 이미지와의 관련성을 나타내는 적어도 하나의 값을 도출할 수 있다.
240 단계에서, 프로세서(130)는 획득된 적어도 하나의 값에 기초하여, 스크린 프린터(101)의 적어도 하나의 결함 유형 중, 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형을 결정할 수 있다.
예를 들어, 프로세서(130)는 획득된 값들 중, 미리 설정된 임계값 이상인 값에 대응하는 결함 유형을 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형으로 결정할 수 있다.
또 다른 예로, 프로세서(130)는 획득된 값들 중, 값의 크기에 따라 상위 n개의 값들에 대응하는 복수의 결함 유형들을 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형들로 결정할 수 있다. 여기에서, n에 대응하는 숫자는 설정에 따라 조정될 수 있다.
도 3은 본 개시의 다양한 실시예에 따른, 인쇄 회로 기판에 인쇄된 적어도 하나의 솔더 페이스트의 이상을 감지하는 방법의 흐름도이다.
310 단계에서, 인쇄 회로 기판 검사 장치(100)의 프로세서(130)는 이미지 센서(110)를 통해 획득되는 제1 인쇄 회로 기판에 대한 이미지를 이용하여, 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 대한 제1 측정 정보를 획득할 수 있다. 예를 들어, 프로세서(130)는 이미지를 통해 복수의 솔더 페이스트 각각에 대한 부피, 면적, 높이, 형상 또는 위치 중 적어도 하나에 대한 정보를 측정하고, 측정된 정보를 통해 제1 측정 정보를 생성할 수 있다.
320 단계에서, 프로세서(130)는 제2 측정 정보를 메모리(120)에서 검색할 수 있다. 또 다른 예로, 프로세서(130)는 제2 측정 정보를 외부 서버로부터 수신할 수 있다. 제2 측정 정보는 제1 인쇄 회로 기판에 앞서 인쇄 회로 기판 검사 장치(100)에 의해 검사가 수행된 복수의 제2 인쇄 회로 기판 각각에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보일 수 있다. 예를 들어, 프로세서(130)는 복수의 제2 인쇄 회로 기판 각각에 대한 검사 과정에서, 복수의 제2 인쇄 회로 기판 각각에 대한 이미지를 통해 복수의 제2 인쇄 회로 기판 각각에 인쇄된 복수의 솔더 페이스트들에 대한 부피, 면적, 높이, 형상 또는 위치 중 적어도 하나에 대한 정보를 측정하고, 측정된 정보를 통해 제2 측정 정보를 생성할 수 있다. 프로세서(130)는 생성된 제2 측정 정보를 메모리(120)에 저장하거나 외부 서버에 저장할 수 있다. 또한, 프로세서(130)는 제1 인쇄 회로 기판에 대한 검사가 수행된 후, 제1 측정 정보를 제2 측정 정보에 부가하여, 제2 측정 정보를 갱신할 수 있다.
330 단계에서, 프로세서(130)는 제1 측정 정보와 제2 측정 정보를 이용하여, 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 적어도 하나의 솔더 페이스트에 대한 이상 여부를 감지할 수 있다. 예를 들어, 프로세서(130)는 제1 측정 정보와 제2 측정 정보를 비교하여 제1 측정 정보와 제2 측정 정보의 차이를 판단하고, 판단된 차이에서 설정된 범위를 벗어나는 부분이 있는 경우, 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 미리 설정된 범위를 벗어나는 부분에 대응하는 적어도 하나의 솔더 페이스트에 대해 이상이 있는 것으로 감지할 수 있다. 또한, 프로세서(130)는 제1 측정 정보와 제2 측정 정보의 차이를 판단하고, 판단된 차이가 미리 설정된 범위를 벗어나지 않는 경우, 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 이상이 없는 것으로 감지할 수 있다.
도 4a 내지 도 4c는 본 개시의 다양한 실시예에 따른, 제1 측정 정보 및 제2 측정 정보를 나타내는 그래프 및 이상이 감지된 솔더 페이스트가 인쇄된 인쇄 회로 기판을 도시한다.
도 4a 내지 도 4c를 참조하면, 제2 측정 정보(412, 422, 432)는 인쇄 회로 기판 검사 장치(100)에 의해 검사된 순서에 따라 시계열적으로 복수의 제2 인쇄 회로 기판에 대한 측정 정보가 결합되어 생성될 수 있다. 여기에서, 측정 정보는 각 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 각각에 대하여 측정된 정보들을 포함할 수 있다.
예를 들어, 제1 측정 정보(411, 421, 431)와 제2 측정 정보(412, 422, 432)는 하나의 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들이 인쇄된 패드들 간의 면적비(area ratio)에 따라 정렬된 복수의 솔더 페이스트들 각각에 대한 하여 측정된 정보들을 포함할 수 있다. 다만, 이는 설명의 목적일 뿐, 이에 제한되는 것은 아니며, 제1 측정 정보(411, 421, 431)와 제2 측정 정보(410, 420, 430)에 포함되는 복수의 솔더 페이스트들 각각에 대하여 측정된 정보들은 복수의 솔더 페이스트들이 인쇄된 패드들의 ID 정보, 종횡비(aspect ratio)에 따라 정렬될 수도 있고, 복수의 솔더 페이스트들 각각의 검사 순서에 따라 시계열적으로 정렬될 수도 있고, 별도의 기준 없이 랜덤하게 정렬될 수도 있다.
일 실시예에서, 인쇄 회로 기판 검사 장치(100)의 프로세서(130)는 제1 측정 정보(411, 421, 431)와 제2 측정 정보(412, 422, 432)를 비교할 수 있다. 프로세서(130)는 제1 측정 정보(411, 421, 431)와 제2 측정 정보(412, 422, 432)의 비교를 통해 제1 측정 정보(411, 421, 431)와 제2 측정 정보(412, 422, 432)의 차이를 판단할 수 있다. 또한, 프로세서(130)는 판단된 차이에서 설정된 범위를 벗어나는 부분(413, 423, 433)을 판단할 수 있다. 프로세서(130)는 판단된 설정된 범위를 벗어나는 부분(413, 423, 433)에 대응하는 적어도 하나의 솔더 페이스트에 이상이 있는 것으로 감지할 수 있다.
일 실시예에서, 프로세서(130)는 제1 인쇄 회로 기판에 대한 검사가 종료된 후, 제1 측정 정보(411, 421, 431)를 제2 측정 정보(412, 422, 432)에 부가함으로써, 제2 측정 정보(412, 422, 432)를 갱신할 수도 있다. 예를 들어, 프로세서(130)는 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 이상이 발생하지 않은 경우에만, 제2 측정 정보(412, 422, 432)를 갱신할 수 있다. 또 다른 예로, 프로세서(130)는 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 적어도 하나의 솔더 페이스트에 이상이 발생한 경우에도, 제2 측정 정보(412, 422, 432)를 갱신할 수 있다.
도 5는 본 개시의 다양한 실시예에 따른, 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 스크린 프린터의 결함 유형을 결정하는 방법의 흐름도이다.
510 단계에서, 인쇄 회로 기판 검사 장치(100)의 프로세서(130)는 제2 측정 정보에 기초하여, 복수의 제2 인쇄 회로 기판들 각각의 검사 순서에 따른 복수의 제2 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보의 변화를 판단할 수 있다. 예를 들어, 프로세서(130)는 복수의 제2 인쇄 회로 기판들 각각의 검사 순서에 따라 복수의 제2 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보가 어떻게 변화되고 있는 지를 판단할 수 있다.
520 단계에서, 프로세서(130)는 판단된 복수의 솔더 페이스트들에 대한 측정 정보의 변화에 기초하여, 스크린 프린터(101)의 적어도 하나의 결함 중, 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형을 결정할 수 있다. 예를 들어, 프로세서(130)는 제1 인쇄 회로 기판에 인쇄된 적어도 하나의 솔더 페이스트의 이상이 감지되면, 머신-러닝 기반 모델을 이용하기에 앞서, 판단된 복수의 솔더 페이스트들에 대한 측정 정보의 변화에 기초하여, 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형을 결정할 수 있다. 또 다른 예로, 프로세서(130)는 머신-러닝 기반 모델을 통한 결함 유형 결정과 측정 정보의 변화에 기초한 결함 유형 결정을 동시에 수행할 수도 있다. 이 경우, 프로세서(130)는 머신-러닝 기반 모델을 통한 결함 유형 결정과 측정 정보의 변화에 기초한 결함 유형 결정 결과를 이용하여 최종적으로, 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 결함 유형을 결정할 수 있다.
530 단계에서, 프로세서(130)는 결정된 결함 유형에 대한 정보를 디스플레이(140) 또는 다른 출력 장치를 통해 출력할 수 있다. 또한, 프로세서(130)는 결정된 결함 유형에 대한 정보를 다른 전자 장치로 송신할 수도 있다.
도 6은 본 개시의 다양한 실시예에 따른, 제2 측정 정보 및 제2 측정 정보로부터 분해되는 복수의 정보들을 나타내는 그래프이다.
일 실시예에서, 제2 측정 정보는 인쇄 회로 기판(100)에 의해 검사가 수행된 순서에 따라 복수의 제2 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보가 시계열적으로 결합되어 생성될 수 있다.
도 6과 같이, 제1 PCB 내지 제9 PCB가 인쇄 회로 기판(100)에 의해 검사 순서에 따라 시계열적으로 검사가 수행 된 경우, 제2 측정 정보(610)는 제1 PCB에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보 내지 제9 PCB에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보가 제1 PCB 내지 제9 PCB의 검사 순서에 따라 시계열적으로 결합되어 생성될 수 있다. 이러한 제2 측정 정보(610)는 이후에 인쇄 회로 기판 검사 장치(100)로 이송되어 검사가 수행되는 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 감지하는 데에 이용될 수 있다.
또한, 제1 PCB에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보 내지 제9 PCB에 인쇄된 복수의 솔더 페이스트들 각각에 대한 측정 정보는 제1 PCB 내지 제9 PCB에 솔더 페이스트들이 인쇄되는 복수의 패드들에 대한 정보에 기초하여 정렬될 수 있다. 정렬된 제1 PCB에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보 내지 제9 PCB에 인쇄된 복수의 솔더 페이스트들 각각에 대한 측정 정보는 제1 PCB 내지 제9 PCB의 검사 순서에 따라 시계열적으로 결합될 수 있다. 예를 들어, 복수의 패드들 각각의 특징(예: 면적비(area ratio), 종횡비(aspect ratio), 위치 클러스터 그룹 ID(Position Cluster group ID) 또는 패드 ID 등)에 기초하여 제1 PCB에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보 내지 제9 PCB에 인쇄된 복수의 솔더 페이스트들 각각에 대한 측정 정보가 정렬될 수 있다.
복수의 솔더 페이스트들이 인쇄되는 인쇄 회로 기판 상의 패드들은 각 패드의 특징이 상이할 수 있으므로, 제2 측정 정보(610)를 보다 정확히 분석하기 위하여, 제2 측정 정보(610)를 수학식 1과 같이 주기 정보(620), 추세 정보(630), 조건부 분산 정보(640), 평균의 이동 추세 정보(650) 및 오차 정보(660)로 분해할 수 있다.
Figure 112019135446557-pat00001
여기에서, 여기에서, Yt는 제2 측정 정보(610)이고, St는 주기 정보(620)이고, Tt는 추세 정보(630)이고, ht는 조건부 분산 정보(640)이고, μt는 평균의 이동 추세 정보(650), Et는 오차 정보(660)이다. 이와 같이, 제2 측정 정보(610)가 생성되면, 제2 측정 정보(610)를 분해하여 주기 정보(620), 추세 정보(630), 조건부 분산 정보(640), 평균의 이동 추세 정보(650) 및 오차 정보(660)를 생성할 수 있다.
예를 들어, 주기 정보(620)는 제1 PCB 내지 제9 PCB에서 동일하고, 추세 정보(630)는 제1 PCB 내지 제9 PCB 에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보의 경향성을 나타낼 수 있다. 조건부 분산 정보(640)는 패드 별 상이한 특성에 따른 변동성을 나타내는 정보이고, 평균의 이동 추세 정보(650)는 패드 별 상이한 특징으로 인해 다른 평균 값을 가지는 솔더 페이스트에 대한 측정 정보의 추세를 나타내는 정보일 수 있다. 오차 정보(660)는 제2 측정 정보(610)에서 주기 정보(620), 추세 정보(630) 및 조건부 분산 정보(640), 평균의 이동 추세 정보(650)를 제거한 잡음(noise)일 수 있다. 이와 같이, 인쇄 회로 기판의 각 패드 별 상이한 특징을 고려하여 제2 측정 정보(610)를 분해함으로써, 제1 PCB에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보 내지 제9 PCB에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보가 제1 PCB 내지 제9 PCB의 검사 순서에 따라 시계열적으로 결합된 제2 측정 정보(610)를 보다 정확히 분석할 수 있다. 또한, 분석 결과에 따른 제1 PCB에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보 내지 제9 PCB에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보의 변화를 판단함으로써, 스크린 프린터(101)의 결함을 결정할 수 있다.
일 실시예서, 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 대한 제1 측정 정보 역시 제1 인쇄 회로 기판의 복수의 패드들 각각의 특징에 따라 주기 정보, 추세 정보, 조건부 분산 정보, 평균의 이동 추세 정보 및 오차 정보로 분해될 수 있다. 인쇄 회로 기판 검사 장치(100)의 프로세서(130)는 제1 측정 정보로부터 분해된 주기 정보, 추세 정보, 조건부 분산 정보, 평균의 이동 추세 정보 및 오차 정보는 제2 측정 정보(610)로부터 분해된 주기 정보(620), 추세 정보(630), 조건부 분산 정보(640), 평균의 이동 추세 정보(650) 및 오차 정보(660)와 비교할 수 있다. 프로세서(130)는 비교 결과에 따라 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 적어도 하나의 솔더 페이스트의 이상 여부를 감지할 수 있다.
도 7a 및 도 7b는 본 개시의 다양한 실시예에 따른, 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지들을 도시한다.
일 실시예에서, 인쇄 회로 기판 검사 장치(100)의 프로세서(130)는 제1 인쇄 회로 기판에 대한 이미지(710)을 통해 머신-러닝 기반 모델의 학습에 이용된 적어도 하나의 이미지(720, 730, 740)를 생성할 수 있다. 프로세서(130)는 학습된 머신-러닝 기반 모델을 이용하여, 생성된 적어도 하나의 이미지와 스크린 프린터(101)의 적어도 하나의 결함 유형과의 관련성을 나타내는 값을 도출할 수 있다.
예를 들어, 머신-러닝 기반 모델이 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지(720)를 통해 학습된 경우, 프로세서(130)는 도 7a와 같이, 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지(720)를 생성할 수 있다. 생성되는 이미지(720)에는 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 정보가 표시될 수 있다. 예를 들어, 복수의 솔더 페이스트들 중 이상이 감지되지 않은 적어도 하나의 솔더 페이스트에 대해서는 검은색으로 표시하고, 이상이 감지된 적어도 하나의 솔더 페이스트에 대해서는 흰색으로 표시할 수 있다. 또한, 복수의 솔더 페이스트들의 이상 여부는 0 또는 1 값으로 표시될 수 도 있다. 예를 들어, 이상이 감지되지 않은 적어도 하나의 솔더 페이스트에 대응하는 픽셀 값은 0으로 설정하고, 이상이 감지된 적어도 하나의 솔더 페이스트에 대응하는 픽셀 값은 1로 설정할 수 있다.
또 다른 예로, 머신-러닝 기반 모델이 상기 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 대한 과납 이상 여부를 나타내는 이미지(730) 및 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 대한 소납 이상 여부를 나타내는 이미지(740)를 통해 학습된 경우, 프로세서(130)는 도 7b와 같이, 복수의 솔더 페이스트들에 대한 과납 이상 여부를 나타내는 이미지 (730) 및 복수의 솔더 페이스트들에 대한 소납 이상 여부를 나타내는 이미지(740)를 생성할 수 있다. 생성되는 이미지(730)에는 복수의 솔더 페이스트들의 과납 이상 여부가 표시될 수 있다. 생성되는 이미지(740)에는 복수의 솔더 페이스트들에 대한 소납 이상 여부가 표시될 수 있다.
또한, 프로세서(130)는 상술한 이미지들 와는 다른 적어도 하나의 이미지를 통해 머신-러닝 기반 모델이 학습된 경우, 상술한 이미지들 와는 다른 적어도 하나의 이미지를 생성할 수 있다.
도 8은 본 개시의 다양한 실시예에 따른, 머신 러닝-기반 모델에 대한 개념도이다.
일 실시예에서, 인쇄 회로 기판 검사 장치(100)의 프로세서(130)는 스크린 프린터(101)의 적어도 하나의 결함 유형에 따라 분류된 복수의 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 복수의 이미지들을 통해 머신-러닝 기반 모델을 학습시킬 수 있다. 이하에서는, 설명의 편의를 위하여 머신-러닝 기반 모델 중 하나인 CNN 모델을 중심으로 설명하나, 이에 제한되는 것은 아니며, 다양한 머신-러닝 기반 모델이 이용될 수 있다.
일 실시예에서, CNN 모델을 학습시키기 위해 이용되는 이미지로 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 대한 이상 여부를 나타내는 이미지, 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 대한 과납 이상 여부를 나타내는 이미지 및 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들에 대한 소납 이상 여부를 나타내는 이미지 중 적어도 하나가 이용될 수 있다.
예를 들어, 적어도 하나의 컨볼루션 레이어(convolution layer) 및 적어도 하나의 풀링 레이어(pooling layer)를 포함하는 CNN의 특징 추출 레이어(810)는 복수의 솔더 페이스트들에 대한 이상 여부를 나타내는 이미지의 특징들을 추출할 수 있다. 특징 추출 레이어(810)는 이미지의 특징을 추출하기 위하여 3x3 또는 5x5 필터를 사용할 수 있다. 3x3 또는 5x5 필터의 계수들은 적어도 하나의 결함 유형에 따라 분류된 복수의 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 복수의 이미지들을 통해 CNN이 학습되는 과정에서 결정될 수 있다.
또한, CNN의 완전 연결 레이어(fully connected layer)로 구성된 분류기(820)는 특징 추출 레이어(810)에서 추출된 특징들을 이용하여 복수의 솔더 페이스트들에 대한 이상 여부를 나타내는 이미지를 분류할 수 있다. 분류기(820)를 통해 도출되는 분류 결과는 복수의 솔더 페이스트들에 대한 이상 여부를 나타내는 이미지와 적어도 하나의 결함 유형과의 관련성을 나타내는 값을 포함할 수 있다.
상기 방법은 특정 실시예들을 통하여 설명되었지만, 상기 방법은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 광데이터 저장장치 등을 포함할 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 실시예들을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 개시가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
이상 일부 실시예들과 첨부된 도면에 도시된 예에 의해 본 개시의 기술적 사상이 설명되었지만, 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 이해할 수 있는 본 개시의 기술적 사상 및 범위를 벗어나지 않는 범위에서 다양한 치환, 변형 및 변경이 이루어질 수 있다는 점을 알아야 할 것이다. 또한, 그러한 치환, 변형 및 변경은 첨부된 청구범위 내에 속하는 것으로 생각되어야 한다.

Claims (22)

  1. 인쇄 회로 기판을 검사하는 장치에 있어서,
    스크린 프린터의 적어도 하나의 결함 유형에 따라 분류된 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지를 입력하여, 상기 스크린 프린터의 적어도 하나의 결함 유형과 상기 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지와의 관련성을 나타내는 적어도 하나의 값을 출력하도록 학습된 머신-러닝 기반 모델을 저장하는 메모리 - 상기 스크린 프린터의 적어도 하나의 결함 유형은 상기 인쇄 회로 기판에 인쇄된 솔더 페이스트의 이상을 초래할 수 있는 적어도 하나의 결함 유형임 -; 및
    상기 메모리와 전기적으로 연결된 프로세서
    를 포함하고, 상기 프로세서는,
    제1 인쇄 회로 기판에 대한 이미지를 이용하여 상기 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 적어도 하나의 솔더 페이스트의 이상을 감지하고,
    상기 적어도 하나의 솔더 페이스트의 이상을 감지한 것에 응답하여, 상기 복수의 솔더 페이스트들의 이상 여부를 나타내는 적어도 하나의 이미지를 생성하고 - 상기 적어도 하나의 이미지는 상기 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 이상이 감지된 제1 솔더 페이스트와 이상이 감지되지 않은 제2 솔더 페이스트가 구분되는 이미지임 - ,
    상기 생성된 적어도 하나의 이미지를 상기 머신-러닝 기반 모델에 입력하고,
    상기 머신-러닝 기반 모델로부터 상기 스크린 프린터의 적어도 하나의 결함 유형과 상기 생성된 적어도 하나의 이미지와의 관련성을 나타내는 적어도 하나의 값을 획득하고,
    상기 획득된 적어도 하나의 값에 기초하여, 상기 스크린 프린터의 적어도 하나의 결함 유형 중 상기 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 상기 스크린 프린터의 결함 유형을 결정하는, 인쇄 회로 기판 검사 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    상기 제1 인쇄 회로 기판에 대한 이미지를 수신하고,
    상기 수신된 제1 인쇄 회로 기판에 대한 이미지를 이용하여, 상기 복수의 솔더 페이스트들 중 상기 적어도 하나의 솔더 페이스트의 이상 여부를 감지하고,
    상기 적어도 하나의 솔더 페이스트의 이상이 감지되면, 상기 적어도 하나의 이미지를 생성하는, 인쇄 회로 기판 검사 장치.
  3. 제1항에 있어서,
    상기 프로세서는,
    상기 제1 인쇄 회로 기판에 대한 이미지를 통해 획득되는 상기 복수의 솔더 페이스트들에 대한 제1 측정 정보를 이용하여, 상기 복수의 솔더 페이스트들 중 상기 적어도 하나의 솔더 페이스트의 이상 여부를 감지하는, 인쇄 회로 기판 검사 장치.
  4. 제3항에 있어서,
    상기 제1 측정 정보는,
    솔더 페이스트에 대한 부피, 면적, 높이, 형상 또는 위치 중 적어도 하나를 포함하는, 인쇄 회로 기판 검사 장치.
  5. 제4항에 있어서,
    상기 메모리는,
    상기 제1 인쇄 회로 기판보다 앞서 상기 인쇄 회로 기판 검사 장치에 의해 이상 여부가 검사된 복수의 제2 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들에 대한 제2 측정 정보를 더 저장하고,
    상기 프로세서는,
    상기 제1 측정 정보와 상기 제2 측정 정보를 이용하여, 상기 복수의 솔더 페이스트들 중 상기 적어도 하나의 솔더 페이스트에 대한 이상 여부를 감지하는, 인쇄 회로 기판 검사 장치.
  6. 제5항에 있어서,
    상기 제2 측정 정보는,
    상기 복수의 제2 인쇄 회로 기판들 각각의 검사 순서에 따라, 상기 복수의 제2 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보가 시계열적으로 결합되어 생성되는, 인쇄 회로 기판 검사 장치.
  7. 제6항에 있어서,
    상기 프로세서는,
    상기 제2 측정 정보에 기초하여, 상기 복수의 제2 인쇄 회로 기판들 각각의 검사 순서에 따른 상기 복수의 제2 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보의 변화를 판단하고,
    상기 판단된 측정 정보의 변화에 기초하여, 상기 스크린 프린터의 적어도 하나의 결함 유형 중 상기 제1 인쇄 회로 기판에 인쇄된 적어도 하나의 솔더 페이스트의 이상과 관련된 상기 스크린 프린터의 결함 유형을 결정하는, 인쇄 회로 기판 검사 장치.
  8. 제1항에 있어서,
    상기 스크린 프린터의 적어도 하나의 결함 유형은,
    스퀴즈 블레이드 결함, 스퀴즈 블레이드 고정 결함, 지지대 결함, 테이블 결함, 그리드 락 설정 불량에 따른 결함, 솔더 페이스트의 방치와 솔더 페이스트의 반죽 불량으로 인한 결함, 솔더 페이스트의 부족에 의한 결함 및 스텐실 접촉 불량으로 인한 결함 중 적어도 하나를 포함하는 인쇄 회로 기판 검사 장치.
  9. 제1항에 있어서,
    상기 머신-러닝 기반 모델은,
    CNN(convolution neural network) 모델인, 인쇄 회로 기판 검사 장치.
  10. 제1항에 있어서,
    상기 프로세서는,
    상기 스크린 프린터의 적어도 하나의 결함 유형에 따라 분류된 복수의 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 복수의 이미지들을 통해 상기 머신-러닝 기반 모델을 학습시키는, 인쇄 회로 기판 검사 장치.
  11. 제10항에 있어서,
    상기 프로세서는,
    상기 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 상기 스크린 프린터의 결함 유형을 결정한 후, 상기 생성된 적어도 하나의 이미지를 통해 상기 머신-러닝 기반 모델을 학습시키는, 인쇄 회로 기판 검사 장치.
  12. 제1항에 있어서,
    상기 프로세서는,
    상기 획득된 적어도 하나의 값 중, 미리 설정된 임계값 이상인 값에 대응하는 상기 스크린 프린터의 결함 유형을 상기 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 상기 스크린 프린터의 결함 유형으로 결정하는, 인쇄 회로 기판 검사 장치.
  13. 컴퓨터 상에서 수행하기 위한 프로그램을 기록한 비일시적 컴퓨터 판독 가능한 기록 매체에 있어서,
    상기 프로그램은, 프로세서에 의한 실행 시, 상기 프로세서가,
    제1 인쇄 회로 기판에 대한 이미지를 이용하여 상기 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 적어도 하나의 솔더 페이스트의 이상을 감지하고,
    상기 적어도 하나의 솔더 페이스트의 이상을 감지한 것에 응답하여, 상기 복수의 솔더 페이스트들의 이상 여부를 나타내는 적어도 하나의 이미지를 생성하는 단계 - 상기 적어도 하나의 이미지는, 상기 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 이상이 감지된 제1 솔더 페이스트와 이상이 감지되지 않은 제2 솔더 페이스트가 구분되는 이미지임 - ;
    스크린 프린터의 적어도 하나의 결함 유형에 따라 분류된 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지를 입력하여, 상기 스크린 프린터의 적어도 하나의 결함 유형과 상기 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지와의 관련성을 나타내는 적어도 하나의 값을 출력하도록 학습된 머신-러닝 기반 모델에 상기 생성된 적어도 하나의 이미지를 입력하는 단계 - 상기 스크린 프린터의 적어도 하나의 결함 유형은 상기 인쇄 회로 기판에 인쇄된 솔더 페이스트의 이상을 초래할 수 있는 적어도 하나의 결함 유형임 -;
    상기 머신-러닝 기반 모델로부터, 상기 스크린 프린터의 적어도 하나의 결함 유형과 상기 생성된 적어도 하나의 이미지와의 관련성을 나타내는 적어도 하나의 값을 획득하는 단계; 및
    상기 획득된 적어도 하나의 값에 기초하여, 상기 스크린 프린터의 적어도 하나의 결함 유형 중 상기 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 상기 스크린 프린터의 결함 유형을 결정하는 단계
    를 수행하도록 하는 실행 가능한 명령을 포함하는 컴퓨터 판독 가능한 기록 매체.
  14. 제13항에 있어서,
    상기 실행 가능한 명령은,
    상기 제1 인쇄 회로 기판에 대한 이미지를 수신하는 단계;
    상기 수신된 제1 인쇄 회로 기판에 대한 이미지를 이용하여, 상기 복수의 솔더 페이스트들 중 상기 적어도 하나의 솔더 페이스트의 이상 여부를 감지하는 단계; 및
    상기 적어도 하나의 솔더 페이스트의 이상이 감지되면, 상기 적어도 하나의 이미지를 생성하는 단계
    를 더 수행하도록 하는, 컴퓨터 판독 가능한 기록 매체.
  15. 제13항에 있어서,
    상기 실행 가능한 명령은,
    상기 제1 인쇄 회로 기판에 대한 이미지를 통해 획득되는 상기 복수의 솔더 페이스트들에 대한 제1 측정 정보를 이용하여, 상기 복수의 솔더 페이스트들 중 상기 적어도 하나의 솔더 페이스트의 이상 여부를 감지하는 단계
    를 더 수행하도록 하는, 컴퓨터 판독 가능한 기록 매체.
  16. 제15항에 있어서,
    상기 적어도 하나의 솔더 페이스트에 대한 측정 정보는,
    상기 적어도 하나의 솔더 페이스트에 대한 부피, 면적, 높이, 형상 또는 위치 중 적어도 하나를 포함하는 컴퓨터 판독 가능한 기록 매체.
  17. 제15항에 있어서,
    상기 복수의 솔더 페이스트들 중 상기 적어도 하나의 솔더 페이스트의 이상 여부를 감지하는 단계는,
    상기 제1 측정 정보와 제2 측정 정보를 이용하여, 상기 복수의 솔더 페이스트들 중 상기 적어도 하나의 솔더 페이스트에 대한 이상 여부를 감지하는 단계
    를 포함하고,
    상기 제2 측정 정보는,
    상기 제1 인쇄 회로 기판보다 앞서 이상 여부가 검사된 복수의 제2 인쇄 회로 기판들 각각의 검사 순서에 따라, 상기 복수의 제2 인쇄 회로 기판들 각각에 인쇄된 복수의 솔더 페이스트들에 대한 측정 정보가 시계열적으로 결합되어 생성되는, 컴퓨터 판독 가능한 기록 매체.
  18. 제13항에 있어서,
    상기 머신-러닝 기반 모델은,
    CNN(convolution neural network) 모델인, 컴퓨터 판독 가능한 기록 매체.
  19. 제13항에 있어서,
    상기 실행 가능한 명령은,
    상기 스크린 프린터의 적어도 하나의 결함 유형에 따라 분류된 복수의 솔더 페이스트들의 이상 여부를 나타내는 복수의 이미지들을 통해 상기 머신-러닝 기반 모델을 학습시키는 단계
    를 더 수행하도록 하는 컴퓨터 판독 가능한 기록 매체.
  20. 제13항에 있어서,
    상기 결함 유형을 결정하는 단계는,
    상기 획득된 적어도 하나의 값 중, 미리 설정된 임계값 이상인 적어도 하나의 값에 대응하는 상기 스크린 프린터의 결함 유형을 상기 감지된 적어도 하나의 솔더 페이스트와 관련된 상기 스크린 프린터의 결함 유형으로 결정하는 단계
    를 포함하는, 컴퓨터 판독 가능한 기록 매체.
  21. 인쇄 회로 기판 검사 장치에서 스크린 프린터의 결함 유형을 결정하는 방법에 있어서,
    제1 인쇄 회로 기판에 대한 이미지를 이용하여 상기 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 적어도 하나의 솔더 페이스트의 이상을 감지하고,
    상기 적어도 하나의 솔더 페이스트의 이상을 감지한 것에 응답하여, 상기 복수의 솔더 페이스트들의 이상 여부를 나타내는 적어도 하나의 이미지를 생성하는 단계 - 상기 적어도 하나의 이미지는, 상기 제1 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들 중 이상이 감지된 제1 솔더 페이스트와 이상이 감지되지 않은 제2 솔더 페이스트가 구분되는 이미지임 - ;
    스크린 프린터의 적어도 하나의 결함 유형에 따라 분류된 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지를 입력하여, 상기 스크린 프린터의 적어도 하나의 결함 유형과 상기 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지와의 관련성을 나타내는 적어도 하나의 값을 출력하도록 학습된 머신-러닝 기반 모델에 상기 생성된 적어도 하나의 이미지를 입력하는 단계 - 상기 스크린 프린터의 적어도 하나의 결함 유형은 상기 인쇄 회로 기판에 인쇄된 솔더 페이스트의 이상을 초래할 수 있는 적어도 하나의 결함 유형임 -;
    상기 머신-러닝 기반 모델로부터, 상기 스크린 프린터의 적어도 하나의 결함 유형과 상기 생성된 적어도 하나의 이미지와의 관련성을 나타내는 적어도 하나의 값을 획득하는 단계; 및
    상기 획득된 적어도 하나의 값에 기초하여, 상기 스크린 프린터의 적어도 하나의 결함 유형 중 상기 이상이 감지된 적어도 하나의 솔더 페이스트와 관련된 상기 스크린 프린터의 결함 유형을 결정하는 단계
    를 포함하는 결함 유형 결정 방법.
  22. 인쇄 회로 기판을 검사하는 장치에 있어서,
    스크린 프린터의 적어도 하나의 결함 유형에 따라 분류된 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지를 입력하여 상기 스크린 프린터의 적어도 하나의 결함 유형과 상기 인쇄 회로 기판에 인쇄된 복수의 솔더 페이스트들의 이상 여부를 나타내는 이미지와의 관련성을 나타내는 적어도 하나의 값을 출력하도록 학습된 머신-러닝 기반 모델을 저장하는 메모리 - 상기 스크린 프린터의 적어도 하나의 결함 유형은 상기 인쇄 회로 기판에 인쇄된 솔더 페이스트의 이상을 초래할 수 있는 적어도 하나의 결함 유형임 -; 및
    상기 메모리와 전기적으로 연결된 프로세서
    를 포함하고, 상기 프로세서는,
    복수의 솔더 페이스트가 인쇄된 제1 인쇄 회로 기판에 대한 이미지를 수신하고,
    상기 제1 인쇄 회로 기판에 대한 이미지를 이용하여, 상기 복수의 솔더 페이스트 중 이상이 발생한 적어도 하나의 제1 솔더 페이스트를 검출하고,
    상기 적어도 하나의 제1 솔더 페이스트를 검출한 것에 응답하여, 상기 이상이 발생한 적어도 하나의 제1 솔더 페이스트만이 표시되고, 이상이 발생하지 않은 적어도 하나의 제2 솔더 페이스트는 표시되지 않는 적어도 하나의 이미지를 생성하고,
    상기 생성된 적어도 하나의 이미지를 상기 머신-러닝 기반 모델에 입력하고,
    상기 머신-러닝 기반 모델로부터 상기 스크린 프린터의 적어도 하나의 결함 유형과 상기 생성된 적어도 하나의 이미지와의 관련성을 나타내는 적어도 하나의 값을 획득하고,
    상기 획득된 적어도 하나의 값에 기초하여, 상기 스크린 프린터의 적어도 하나의 결함 유형 중 상기 이상이 감지된 적어도 하나의 제1 솔더 페이스트와 관련된 상기 스크린 프린터의 결함 유형을 결정하는, 인쇄 회로 기판 검사 장치.
KR1020190177812A 2019-12-30 2019-12-30 인쇄 회로 기판 검사 장치, 스크린 프린터의 결함 유형 결정 방법 및 컴퓨터 판독 가능한 기록 매체 KR102228957B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190177812A KR102228957B1 (ko) 2019-12-30 2019-12-30 인쇄 회로 기판 검사 장치, 스크린 프린터의 결함 유형 결정 방법 및 컴퓨터 판독 가능한 기록 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190177812A KR102228957B1 (ko) 2019-12-30 2019-12-30 인쇄 회로 기판 검사 장치, 스크린 프린터의 결함 유형 결정 방법 및 컴퓨터 판독 가능한 기록 매체

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020170177379A Division KR20190084167A (ko) 2017-12-21 2017-12-21 인쇄 회로 기판 검사 장치, 스크린 프린터의 결함 유형 결정 방법 및 컴퓨터 판독 가능한 기록 매체

Publications (2)

Publication Number Publication Date
KR20200006028A KR20200006028A (ko) 2020-01-17
KR102228957B1 true KR102228957B1 (ko) 2021-03-17

Family

ID=69370008

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190177812A KR102228957B1 (ko) 2019-12-30 2019-12-30 인쇄 회로 기판 검사 장치, 스크린 프린터의 결함 유형 결정 방법 및 컴퓨터 판독 가능한 기록 매체

Country Status (1)

Country Link
KR (1) KR102228957B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111899248B (zh) * 2020-08-05 2024-02-02 佛山市南海区广工大数控装备协同创新研究院 一种基于机器学习的自动pcb焊锡膏缺陷检测方法
US11644756B2 (en) 2020-08-07 2023-05-09 KLA Corp. 3D structure inspection or metrology using deep learning

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9916965B2 (en) * 2015-12-31 2018-03-13 Kla-Tencor Corp. Hybrid inspectors
US10360477B2 (en) * 2016-01-11 2019-07-23 Kla-Tencor Corp. Accelerating semiconductor-related computations using learning based models
KR102491546B1 (ko) * 2017-09-22 2023-01-26 삼성전자주식회사 객체를 인식하는 방법 및 장치
KR20190084167A (ko) * 2017-12-21 2019-07-16 주식회사 고영테크놀러지 인쇄 회로 기판 검사 장치, 스크린 프린터의 결함 유형 결정 방법 및 컴퓨터 판독 가능한 기록 매체
KR102579904B1 (ko) * 2018-01-31 2023-09-19 삼성전자주식회사 비전 검사 관리 방법 및 비전 검사 시스템

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
‘Solder Paste Scooping Detection by Multilevel Visual Inspection of Printed Circuit Boards‘, Csaba Benedek 등, IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS, 60(6), 2318-2331, 2013.6*
‘심층학습에 기반한 표면실장부품의 결함분류방법’, 김영규 등, 대한전기학회 학술대회 논문집, 15-16, 2017.10*

Also Published As

Publication number Publication date
KR20200006028A (ko) 2020-01-17

Similar Documents

Publication Publication Date Title
CN109946319B (zh) 印刷电路板检查装置、决定丝网印刷机的缺陷类型的方法及计算机可判读记录介质
JP6922168B2 (ja) 表面実装ラインの品質管理システム及びその制御方法
KR102106349B1 (ko) 인쇄 회로 기판 검사 장치, 솔더 페이스트 이상 감지 방법 및 컴퓨터 판독 가능한 기록 매체
US11386546B2 (en) System for creating learned model for component image recognition, and method for creating learned model for component image recognition
EP3736560A1 (en) Apparatus for inspecting substrate and method for determining fault type of screen printer
KR102228957B1 (ko) 인쇄 회로 기판 검사 장치, 스크린 프린터의 결함 유형 결정 방법 및 컴퓨터 판독 가능한 기록 매체
CN106168582B (zh) 检查装置及检查方法
CN113971654A (zh) 焊点检测模型训练方法、焊点检测方法及焊点检测装置
CN117274245B (zh) 基于图像处理技术的aoi光学检测方法及系统
CN117274258A (zh) 主板图像的缺陷检测方法、系统、设备及存储介质
TW202113599A (zh) 依據標準值建立檢測模型以確認焊接狀態之系統及方法
KR102174424B1 (ko) 서버 기반 부품 검사방법 및 그를 위한 시스템 및 장치
Nahar et al. Computer aided system for inspection of assembled PCB
CN113469944A (zh) 一种产品质检方法、装置和电子设备
CN112453750A (zh) 依据标准值建立检测模型以确认焊接状态的系统及方法
JPH08122267A (ja) マーク認識装置およびマーク認識方法
EP4134883B1 (en) Systems and methods for automated x-ray inspection
JP2021056004A (ja) 画像判定装置及び画像判定方法
CN111105109A (zh) 操作检测装置、操作检测方法及操作检测系统
US20210055235A1 (en) Method to Automatically Inspect Parts Using X-Rays
EP4254325A1 (en) Inspection of printed circuit board assemblies
WO2022196003A1 (ja) 品質評価装置及び検査管理システム
Khare et al. Defects Detection in Printed Circuit Board using Integrated Framework
Tuncalp et al. Automated Image Processing System Design for Engineering Education: The Case of Automatic Inspection for Printed Circuit Boards
KrishnaPriya DEEP LEARNING FOR FLAWS IN PCB DESIGN

Legal Events

Date Code Title Description
A107 Divisional application of patent
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant