Dans un contexte d'automatisation croissante et de pénurie de main-d'œuvre dans le secteur de la fabrication microélectronique, l'amélioration de la fiabilité et de l'efficacité des systèmes de contrôle qualité est devenue cruciale. Ce projet présente une analyse basée sur les données d'une ligne d'assemblage de circuits imprimés (PCBA), axée sur le processus d'inspection de la pâte à braser (SPI) qui suit l'impression de la pâte à braser. Les systèmes SPI effectuent des mesures haute résolution des dépôts individuels de pâte à braser et signalent les défauts potentiels lorsque les mesures dépassent les limites de spécifications prédéfinies. Malgré leur sophistication technique, ces systèmes dépendent encore largement du jugement de l'opérateur pour la validation des défauts.
Les machines SPI peuvent générer un nombre important de faux positifs, ce qui impacte directement la charge de travail de l'opérateur et l'efficacité globale de la ligne. À mesure que les conceptions de circuits imprimés deviennent plus complexes et plus denses, le nombre de mesures de pâte à braser par carte peut atteindre des dizaines de milliers. Pour y remédier, nous appliquons une analyse statistique des valeurs aberrantes afin de filtrer et de réduire efficacement l'ensemble de données disponibles pour les ingénieurs procédés en charge de la ligne, permettant ainsi une investigation ciblée des dépôts de pâte à braser anormaux. Cette méthode permet d'identifier les défauts potentiels réels qui auraient pu être ignorés par le système SPI et l'opérateur, ce qui renforce la fiabilité du contrôle qualité et constitue une base solide pour des améliorations automatisées et basées sur les données des processus.
De plus, nous avons utilisé les capacités de visualisation JMP et l'intégration Python pour extraire l'image du défaut potentiel généré par le SPI et générer des rapports automatisés interactifs.
