Angesichts der zunehmenden Automatisierung und des Fachkräftemangels 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 Fokus auf den Lötpasteninspektionsprozess (SPI) nach dem Auftragen der Lötpaste. SPI-Systeme führen hochauflösende Messungen einzelner Lötpastenablagerungen durch und kennzeichnen potenzielle Defekte, sobald die Messwerte außerhalb vordefinierter Spezifikationsgrenzen liegen. Trotz ihrer technischen Raffinesse sind diese Systeme bei der Defektvalidierung weiterhin stark auf das Urteilsvermögen der Bediener angewiesen.
SPI-Maschinen können eine erhebliche Anzahl falsch positiver Ergebnisse liefern, was die Arbeitsbelastung der Bediener und die Gesamteffizienz der Produktionslinie direkt beeinträchtigt. Mit zunehmender Komplexität und Bestückungsdichte von Leiterplatten kann die Anzahl der Lötpastenmessungen pro Platine Zehntausende erreichen. Um dem entgegenzuwirken, wenden wir eine statistische Ausreißeranalyse an, um den Datensatz für die Prozessingenieure der Produktionslinie effektiv zu filtern und zu reduzieren. Dies ermöglicht eine gezielte Untersuchung anomaler Lötpastenablagerungen. Mit dieser Methode lassen sich potenzielle, tatsächliche Defekte identifizieren, die sowohl vom SPI-System als auch vom Bediener übersehen worden sein könnten. Dies trägt letztendlich zu einer zuverlässigeren Qualitätskontrolle bei und schafft eine solide Grundlage für automatisierte, datengestützte Prozessverbesserungen.
Darüber hinaus nutzten wir die Visualisierungsfunktionen von JMP und die Python-Integration, um ein Bild des potenziellen Defekts zu extrahieren, der vom SPI erzeugt wurde, und um einen automatisierten, interaktiven Bericht zu erstellen.
