TWI724288B - 焊錫製程方法 - Google Patents

Abstract

一種焊錫製程方法，包含以下步驟：量測一焊錫結構生成的溫度曲線；檢測並紀錄焊錫結構的最終成品；使用機器學習方式比對分析複數個焊錫結構的溫度曲線與對應的焊錫結構的最終成品之間的關係以找出焊錫結構的最終成品符合品管要求的一最佳溫度曲線模型。

Description

焊錫製程方法

本發明是關於一種焊錫製程方法，特別是關於一種控制焊錫品質的方法。

焊錫作業在電子產品生產過程中為一必須作業流程，無論是在穿孔元件或貼片元件皆須藉由此程序將元件固定於電路板上。焊點品質的優劣悠關產品的效能及壽命，故此製程之作業品質深受重視。目前在產線上，針對焊錫進行檢測的方式主要有：在線測試( In-Circuit-Test，簡稱ICT測試)、X光(X-RAY)檢測及自動光學檢查(Automated Optical Inspection，簡稱AOI檢測）。但在執行檢測作業時，上述檢測方式皆各有所限制。

ICT測試屬於電性測試，藉由事先在電路板上設計好的測試點，使用探針與電性檢測設備來檢測元件電路情況，了解是否有開路或短路問題。在設備成本考量上，ICT檢測設備及治具費用昂貴，需要大量生產的產線才能負擔成本。X-RAY檢測屬於穿透式非破壞性檢測，可對焊點進行內部影像觀察，包括是否有氣泡、錫橋、焊料不足…等，但無法對於空焊或冷焊進行有效的檢出。而AOI檢測則屬於光學影像檢測，僅能對焊點外觀進行檢測，對於焊錫點內部問題或接合面皆無法偵測，目前除了2D影像之外，亦有提出使用3D複雜影像技術，利用立體影像進行焊點觀察，但檢出成效仍不顯著。因僅憑外觀來檢測焊錫，其實差異並不大，使得AOI檢測參數難以調教，誤判率高。

本發明提出一種焊錫製程方法，解決先前技術的問題。

於本發明的一實施例中，一種焊錫製程方法包含以下製程方法。量測一焊錫結構生成的溫度曲線。檢測並紀錄焊錫結構的最終成品。使用機器學習方式比對分析複數個焊錫結構的溫度曲線與對應的焊錫結構的最終成品之間的關係以找出焊錫結構的最終成品符合品管要求的一最佳溫度曲線模型。

於本發明的一實施例中，一種焊錫製程方法包含以下製程方法。量測一焊錫結構生成的溫度曲線。檢測並紀錄焊錫結構的最終成品。使用機器學習方式比對分析複數個焊錫結構的溫度曲線與對應的焊錫結構的最終成品之間的關係以找出焊錫結構的最終成品被判斷為符合或不符合品管要求狀況的分類溫度曲線模型。

於本發明的一實施例中，使用非接觸方式量測焊錫結構生成的溫度曲線。

於本發明的一實施例中，焊錫結構生成的溫度曲線例如是加溫、進錫以及/或冷卻的溫度曲線。

於本發明的一實施例中，機器學習方式包含監督式學習。

於本發明的一實施例中，加熱焊錫結構使其溫度曲線符合最佳溫度曲線模型。

於本發明的一實施例中，使用雷射光或烙鐵加熱焊錫結構。

於本發明的一實施例中，使用紅外線溫度計量測焊錫結構生成的溫度曲線。

於本發明的一實施例中，不符合品管要求狀況包含焊錫結構的錫爆、空焊、冷焊或無焊錫。

於本發明的一實施例中，使用錫爆的分類溫度曲線模型藉以判斷焊錫結構的最終成品是否具有錫爆的狀況。

於本發明的一實施例中，使用空焊的分類溫度曲線模型藉以判斷焊錫結構的最終成品是否具有空焊的狀況。

於本發明的一實施例中，使用冷焊的分類溫度曲線模型藉以判斷焊錫結構的最終成品是否具有冷焊的狀況。

於本發明的一實施例中，使用無焊錫的分類溫度曲線模型藉以判斷焊錫結構的最終成品是否具有無焊錫的狀況。

綜上所述，本發明利用機器學習作為產生溫度曲線模型的方式，也可以使用或從機器學習模型再加入焊錫經驗整合成知識庫，根據知識庫所建立的判斷規則，來分析此次焊錫成效。與傳統焊錫檢測方法相比，本案將焊錫過程最重要的因素溫度作為考量因素，從加溫進錫到冷卻，每個時間點的溫度曲線將其記錄判斷，藉此分析實際現象導致的溫度改變合理性，優於傳統只能從最後的結果判斷方式，並且解決傳統方式之檢測限制。

以下將以實施方式對上述之說明作詳細的描述，並對本發明之技術方案提供更進一步的解釋。

為了使本發明之敘述更加詳盡與完備，可參照所附之圖式及以下所述各種實施例，圖式中相同之號碼代表相同或相似之元件。另一方面，眾所週知的元件與步驟並未描述於實施例中，以避免對本發明造成不必要的限制。

本發明提出一種利用溫度曲線判別焊錫品質且提升焊錫品質的焊錫製程方法。此焊錫製程方法包含前置的訓練方法與後續的檢測或生成焊錫的方法。

請參照第1圖，其繪示依照本發明一實施例之一種焊錫製程之機器學習的訓練方法。訓練方法100為一種機器學習的訓練方法，使用例如監督式學習（supervised learning）找出焊錫製程所需的溫度曲線模型。

在步驟102中，量測一焊錫結構生成的溫度曲線。量測溫度方式可以是接觸式或非接觸式的量測溫度方式，在生產製程中，非接觸式的量測溫度方式具有較不影響現有製程的優點。非接觸式的量測溫度方式例如可以是紅外線溫度量測，但不以此為限。焊錫結構生成的溫度曲線例如是加溫、進錫以及/或冷卻等的溫度曲線。

在步驟104中，檢測並紀錄焊錫結構的最終成品。檢測焊錫結構最終成品的方法可以是前述的ICT測試、X-RAY檢測、AOI檢測或焊錫切片檢測等。

在步驟106中，使用機器學習方式比對分析複數個焊錫結構的溫度曲線與對應的焊錫結構的最終成品之間的關係以找出焊錫結構的最終成品符合品管要求的一最佳溫度曲線模型，例如是使用回歸模型法（regression model）。具體而言，訓練方法100可以在焊錫生產線中，取樣量測複數焊錫結構生成的溫度曲線，後續並檢測並紀錄該些焊錫結構的最終成品。透過機器學習方式比對分析複數個焊錫結構的溫度曲線與對應的焊錫結構的最終成品測試結果之間的關係以找出焊錫結構的最終成品符合品管要求的一最佳溫度曲線模型。

在實際的焊錫生產線中，可能有少數的焊錫結構的最終成品不符合品管要求，仍然需作類似訓練方法100的動作，具體參照第2圖，其繪示依照本發明另一實施例之一種焊錫製程之機器學習的訓練方法200。

在步驟202中，量測一焊錫結構生成的溫度曲線。量測溫度方式可以是接觸式或非接觸式的量測溫度方式，在生產製程中，非接觸式的量測溫度方式具有較不影響現有製程的優點。非接觸式的量測溫度方式例如可以是紅外線溫度量測，但不以此為限。焊錫結構生成的溫度曲線例如是加溫、進錫以及/或冷卻等的溫度曲線。

在步驟204中，檢測並紀錄焊錫結構的最終成品。檢測焊錫結構最終成品的方法可以是前述的ICT測試、X-RAY檢測、AOI檢測、焊錫切片檢測或上述兩種以上的檢測組合等。在此需特別說明的是，X-RAY檢測、AOI檢測以及焊錫切片檢測的測試結果為影像，但是ICT測試的測試結果為電性測試，判斷焊錫結構是否有短路、斷路或開路。

在步驟206中，使用機器學習方式比對分析複數個焊錫結構的溫度曲線與對應的焊錫結構的最終成品之間的關係以找出焊錫結構的最終成品被判斷為不符合品管要求狀況的分類溫度曲線模型（classification model）。具體而言，訓練方法200可以在焊錫生產線中，取樣量測複數焊錫結構生成的溫度曲線，後續並檢測並紀錄該些焊錫結構的最終成品被判斷為不符合品管要求狀況。透過機器學習方式比對分析複數個焊錫結構的溫度曲線與對應的焊錫結構的最終成品被判斷為不符合品管要求狀況測試結果之間的關係以找出焊錫結構的最終成品之各種狀況的分類溫度曲線模型（classification model）。

訓練方法200之上述不符合品管要求狀況包含焊錫結構的錫爆、空焊、冷焊或無焊錫等狀況，但不以此為限。「錫爆」係指焊錫製程中焊錫結構爆裂濺錫的狀況；「空焊」係指焊錫結構從外觀看來是符合品管要求的，但若切開焊錫結構，焊錫結構的內部是中空的；「冷焊」係指焊錫製程中焊錫結構因為散熱太快而無法累積熱能到達銲錫熔化溫度，而造成的焊錫結構缺陷；「無焊錫」係指焊錫製程中欲焊接的位置並不存在焊錫，例如錫絲用完了、或者是送錫機構卡住、又或者是錫膏沒有塗布完全等，而造成的品質缺陷。

上述訓練方法100所得出的焊錫結構的最終成品符合品管要求的最佳溫度曲線模型。最佳溫度曲線模型例如是一個數學多項式或片段多項式，來符合完美（或符合品管要求）焊點時的溫度曲線。最佳溫度曲線模型於後續實際生產實可以使用此曲線為標準，即加熱焊錫結構使其溫度曲線符合最佳溫度曲線模型。加熱焊錫結構的方式可以是使用雷射光加熱，或者是使用烙鐵加熱。

舉例而言，若某階段的溫度曲線偏離最佳溫度曲線模型時，在以雷射光加熱焊錫結構的製程中，可即時調整雷射光的光束直徑或功率以修正焊錫結構的溫度曲線。若以烙鐵加熱焊錫結構的製程，則可利用調整供電瓦數或烙鐵筆筆頭的形狀或大小以修正焊錫結構的溫度曲線，藉以減少不良率或重工率。

上述訓練方法200所得出的焊錫結構的最終成品之各種狀況的分類溫度曲線模型則用以預測或判斷不良焊錫結構的種類，藉以減少檢測成本並利於安排正確的重工方式，具體如第3圖之檢測方法300。

請參照第3圖，其繪示依照本發明一實施例之一種焊錫製程之焊錫結構不良狀況的檢測方法300。

在步驟302中，量測一焊錫結構生成的溫度曲線。量測溫度方式可以是接觸式或非接觸式的量測溫度方式，在生產製程中，非接觸式的量測溫度方式具有較不影響現有製程的優點。非接觸式的量測溫度方式例如可以是紅外線溫度量測，但不以此為限。焊錫結構生成的溫度曲線例如是加溫、進錫以及/或冷卻等的溫度曲線。

在步驟304，將步驟302所得出的溫度曲線與各種不良焊錫結構之各種狀況的分類溫度曲線模型以找出最貼近的狀況。例如，不符合品管要求狀況包含焊錫結構的錫爆、空焊、冷焊或無焊錫等，將步驟302所得出的溫度曲線與錫爆的分類溫度曲線模型、空焊的分類溫度曲線模型、冷焊的分類溫度曲線模型或無焊錫的分類溫度曲線模型逐一比對後判斷焊錫結構的不良狀況。

請參照第4圖，其繪示依照本發明一實施例之一種焊錫結構的最終成品符合品管要求的最佳溫度曲線模型。此最佳溫度曲線模型係以雷射光加熱焊錫結構的製程所得出的溫度曲線模型。此溫度曲線模型包含進錫階段402的溫度曲線、（焊錫）浸潤階段404的溫度曲線以及（焊錫）固化轉換階段408的溫度曲線。其中浸潤階段404又可稱為吸熱或活性階段。此溫度曲線模型僅為雷射加熱焊錫製程之最佳溫度曲線模型的示例，並不代表所有焊錫製程的最佳溫度曲線模型，也不用以限制最佳溫度曲線的模型樣式。例如，進錫階段402可能不適用其他焊錫製程，即不具有進錫階段短暫溫度下降的溫度曲線。

請參照第5圖，其繪示依照本發明一實施例之一種焊錫結構的最終成品被判斷為無焊錫的分類溫度曲線模型。所謂「無焊錫」表示焊接過程中，欲焊接的位置並不存在焊錫而造成的品質缺陷。「無焊錫」的分類溫度曲線模型的主要特徵在於「無明顯的固化轉換階段」。具體而言，當比較第4圖的冷卻階段406與第5圖的冷卻階段502，冷卻階段502並無類似第4圖之固化轉換階段408的溫度曲線模型（即短暫維持約略相同溫度）。

請參照第6圖，其繪示依照本發明一實施例之一種焊錫結構的最終成品被判斷為空焊的分類溫度曲線模型。所謂「空焊」係指焊錫結構從外觀看來是符合品管要求的，但若切開焊錫結構，焊錫結構的內部是中空的。「空焊」的分類溫度曲線模型的主要特徵在於「冷卻階段溫度下降緩慢」。具體而言，當比較第4圖的冷卻階段406與第6圖的冷卻階段602，冷卻階段602明顯較冷卻階段406溫度下降緩慢。

上述雖然只繪示空焊、無焊錫等不符合品管要求狀況的溫度曲線，錫爆的分類溫度曲線模型或冷焊的分類溫度曲線模型亦能以上述機器學習的訓練方法分別找出。

綜上所述，本發明利用機器學習作為產生溫度曲線模型的方式，也可以使用或從機器學習模型再加入焊錫經驗整合成知識庫，根據知識庫所建立的判斷規則，來分析此次焊錫成效。與傳統焊錫檢測方法相比，本案將焊錫過程最重要的因素溫度作為考量因素，從加溫進錫到冷卻，每個時間點的溫度曲線將其記錄判斷，藉此分析實際現象導致的溫度改變合理性，優於傳統只能從最後的結果判斷方式，並且解決傳統方式之檢測限制。

雖然本發明已以實施方式揭露如上，然其並非用以限定本發明，任何熟習此技藝者，於不脫離本發明之精神和範圍內，當可作各種之更動與潤飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。

為讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂，所附符號之說明如下：100‧‧‧訓練方法102‧‧‧步驟104‧‧‧步驟106‧‧‧步驟200‧‧‧訓練方法202‧‧‧步驟204‧‧‧步驟206‧‧‧步驟300‧‧‧檢測方法302‧‧‧步驟304‧‧‧步驟402‧‧‧進錫階段404‧‧‧浸潤階段406‧‧‧冷卻階段408‧‧‧固化轉換階段502‧‧‧冷卻階段602‧‧‧冷卻階段

為讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂，所附圖式之說明如下： 第1圖係繪示依照本發明一實施例之一種焊錫製程之機器學習的訓練方法； 第2圖係繪示依照本發明另一實施例之一種焊錫製程之機器學習的訓練方法； 第3圖係繪示依照本發明一實施例之一種焊錫製程之焊錫結構不良狀況的檢測方法； 第4圖係繪示依照本發明一實施例之一種焊錫結構的最終成品符合品管要求的最佳溫度曲線模型； 第5圖係繪示依照本發明一實施例之一種焊錫結構的最終成品被判斷為無焊錫的分類溫度曲線模型；以及 第6圖係繪示依照本發明一實施例之一種焊錫結構的最終成品被判斷為空焊的分類溫度曲線模型。

100‧‧‧訓練方法

102‧‧‧步驟

104‧‧‧步驟

106‧‧‧步驟

Claims (12)

1. 一種焊錫製程方法，包含：量測一焊錫結構生成的溫度曲線，其中該焊錫結構生成的溫度曲線為選自加溫、進錫或冷卻的溫度曲線所組成的群組之一或其結合；檢測並紀錄該焊錫結構的最終成品之影像；以及使用機器學習方式比對分析複數個該焊錫結構的溫度曲線與對應的該焊錫結構的最終成品之間的關係，並使用回歸模型法以找出該焊錫結構的最終成品符合品管要求的一最佳溫度曲線模型。
2. 一種焊錫製程方法，包含：量測一焊錫結構生成的溫度曲線，其中該焊錫結構生成的溫度曲線為選自加溫、進錫或冷卻的溫度曲線所組成的群組之一或其結合；檢測並紀錄該焊錫結構的最終成品之影像；以及使用機器學習方式比對分析複數個該焊錫結構的溫度曲線與對應的該焊錫結構的最終成品之間的關係以找出該焊錫結構的最終成品被判斷為不符合品管要求狀況的分類溫度曲線模型，其中該不符合品管要求狀況包含該焊錫結構的錫爆、空焊、冷焊或無焊錫，該無焊錫的分類溫度曲線模型的主要特徵在於冷卻溫度曲線並無短暫維持約略相同溫度的固化轉換階段。
3. 如請求項1或2所述之方法，還包含：該機器學習方式包含監督式學習。
4. 如請求項1所述之方法，還包含：加熱該焊錫結構使其溫度曲線符合該最佳溫度曲線模型。
5. 如請求項1或2所述之方法，還包含：加熱該焊錫結構。
6. 如請求項5所述之方法，還包含：使用雷射光或烙鐵加熱該焊錫結構。
7. 如請求項1或2所述之方法，還包含：使用非接觸方式量測該焊錫結構生成的溫度曲線。
8. 如請求項1或2所述之方法，還包含：使用紅外線溫度計量測該焊錫結構生成的溫度曲線。
9. 如請求項2所述之方法，還包含：使用該錫爆的分類溫度曲線模型藉以判斷該焊錫結構的最終成品是否具有錫爆的狀況。
10. 如請求項2所述之方法，還包含：使用該空焊的分類溫度曲線模型藉以判斷該焊錫結構的 最終成品是否具有空焊的狀況。
11. 如請求項2所述之方法，還包含：使用該冷焊的分類溫度曲線模型藉以判斷該焊錫結構的最終成品是否具有冷焊的狀況。
12. 如請求項2所述之方法，還包含：使用該無焊錫的分類溫度曲線模型藉以判斷該焊錫結構的最終成品是否具有無焊錫的狀況。

Images