Angesichts zunehmender Automatisierung und Arbeitskräftemangels in der Mikroelektronikfertigung ist die Verbesserung der Zuverlässigkeit und Effizienz von Qualitätskontrollsystemen von entscheidender Bedeutung. Dieses Projekt präsentiert eine datenbasierte Analyse einer Leiterplattenbestückungslinie (PCBA) mit Schwerpunkt auf dem Lötpasteninspektionsprozess (SPI), der auf den Lötpastendruck folgt. SPI-Systeme führen hochauflösende Messungen einzelner Lötpastenablagerungen durch und kennzeichnen potenzielle Defekte, wenn die Messwerte außerhalb der vordefinierten Spezifikationsgrenzen liegen. Trotz ihrer technischen Komplexität sind diese Systeme bei der Fehlervalidierung immer noch stark auf das Urteil des Bedieners angewiesen.
SPI-Maschinen können eine erhebliche Anzahl falscher Positivmeldungen produzieren, was sich direkt auf die Arbeitsbelastung des Bedieners und die Gesamteffizienz der Linie auswirkt. Da Leiterplattendesigns immer komplexer und dichter bestückt werden, kann die Anzahl der Lötpastenmessungen pro Platine in die Zehntausende gehen. Um diesem Problem entgegenzuwirken, wenden wir eine statistische Ausreißeranalyse an, um den den Prozessingenieuren der Linie zur Verfügung stehenden Datensatz effektiv zu filtern und zu reduzieren. Dies ermöglicht eine gezielte Untersuchung anomaler Lötpastenablagerungen. Diese Methode ermöglicht die Identifizierung potenzieller echter Defekte, die sowohl vom SPI-System als auch vom Bediener möglicherweise übersehen wurden. Dies trägt letztendlich zu einer zuverlässigeren Qualitätskontrolle bei und schafft eine solidere Grundlage für automatisierte, datengesteuerte Prozessverbesserungen.
Darüber hinaus haben wir die Visualisierungsfunktionen von JMP und die Python-Integration verwendet, um ein Bild des vom SPI generierten potenziellen Defekts zu extrahieren und einen automatisierten, interaktiven Bericht zu erstellen.
