Dans un contexte d'automatisation croissante et de pénurie de main-d'œuvre dans le secteur de la fabrication de microélectronique, l'amélioration de la fiabilité et de l'efficacité des systèmes de contrôle qualité est devenue essentielle. Ce projet présente une analyse basée sur les données d'une ligne d'assemblage de cartes de circuits imprimés (PCBA), axée sur le processus d'inspection de la pâte à braser (SPI) qui suit son dépôt. Les systèmes SPI effectuent des mesures haute résolution de chaque dépôt de pâte à braser et signalent les défauts potentiels lorsque les mesures s'écartent des limites de spécification prédéfinies. Malgré leur sophistication technique, ces systèmes restent fortement dépendants 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 des opérateurs et l'efficacité globale de la ligne. Avec la complexification et la densification croissantes des circuits imprimés, le nombre de mesures de pâte à braser par carte peut atteindre plusieurs dizaines de milliers. Pour pallier ce problème, nous appliquons une analyse statistique des valeurs aberrantes afin de filtrer et de réduire efficacement l'ensemble de données mis à la disposition des ingénieurs procédés, permettant ainsi une analyse ciblée des dépôts de pâte à braser anormaux. Cette méthode permet d'identifier les défauts réels potentiels qui auraient pu échapper à la fois au système SPI et à l'opérateur, contribuant ainsi à un contrôle qualité plus fiable et jetant les bases d'améliorations de processus automatisées et basées sur les données.
De plus, nous avons utilisé les capacités de visualisation de JMP et l'intégration Python pour extraire l'image du défaut potentiel généré par le SPI et générer un rapport automatisé interactif.
