SMT生产中的常见问题及优化方法

SMT生产中的常见问题及优化方法

王宝玉

（中国电子科技集团公司第五十八研究所，江苏 无锡 214000）

摘 要：本文论述了如何利用多变量分析（MVA）、测量系统分析（MSA）和实验设计（DOE）来分析和提高表面贴装技术（SMT）制造中的工艺质量。优化了印刷过程中的关键工艺参数（锡膏高度），减少了焊接不良造成的缺陷。本文通过统计过程控制（SPC）和DOE的联合使用，为提高表面贴装技术制造的可焊性提供了一个很好的解决方案。

关键词：SMT；生产；常见问题；优化；方法

引言

SMT（表面贴装技术）是制造许多电子产品（如蜂窝、寻呼机等）的前线。它有三个过程：焊膏印刷、器件贴片和回流焊。PCB的锡膏印刷是第一个也是最重要的过程，因为它决定了关键的质量特性（锡膏高度）。经过缺陷统计显示，在产线生产的印刷电路板中，有近3%的缺陷是因为锡膏高度，这导致了巨大的质量损失。优化锡膏高度并保持其良好控制是当务之急。锡膏高度公差为5.5-8.5微米，目标为7微米。通过对过程监控样本数据的分布分析，我们发现，由于过程没有得到充分优化，过程分布偏离了目标。

一、问题来源分析

在确定锡膏高度的变化之前，研究了测量系统的能力，以确保测量仪器具有可接受的重复性和再现性（R&R）。使用的测量仪器是一个三维激光仪，选择了三名操作员，并从过程中随机抽取了10PCB。三名操作员对10个零件进行了3次试验。对于每一个试验，操作员都会按随机顺序进行测量。根据测量数据，我们计算了方差分析和方差分量估计。公差的R&R%为10.86%，测量系统的总偏差来自重复性。测量系统的能力基本上是可以接受的，变化的主要来源不是由测量引起的。

为了确定锡膏高度变化的主要来源，使用多变量分析进行了变量来源分析。在MVA中，总变化分为3类：件内变化、件对件变化和时间对时间变化。在研究中选择了4个时间点（上午9点、上午11点、上午13点、下午16点），并在每个时间点取样3块PCB，选择5个位置测量每个PCB上的锡膏高度（见表1）。方差分量估计通过方差分析（ANOVA）计算（如表2所示）。

表1多变量分析数据

表2方差分量估计

从表1中我们可以看出，变化的主要来源是印刷电路板内部，占65%。总方差的38%。第二位和第二位之间的差异占34.62%。由于方差估计为负，不同时间点之间的差异不显著。

利用多变量分析中收集的数据，我们进行了工艺能力研究，以验证焊料印刷工艺是否可行。图1是由JMP软件生成的histograma、outlier box图和normal quantile图，表3是过程能力表。

图1直方图和正态分位数图

表3过程能力表

从直方图、正态分位数盒图和过程能力分析可以明显看出，尽管过程是正态分布的，但过程偏离了目标值。Cp勉强合格，但Cpk较低。这意味着这个过程需要优化。

二、外部测量系统是非常重要的

制造过程可以总结为一系列受不同的多个因素影响的行动，所有这些因素都会导致最终结果。在SMT制造中，产生变化的原因通常如下：

机器－物料－方法－人员－环境－测量

在一个过程中，经常有很多原因导致变化。我们通常将可以识别的变异原因与无法识别的变异原因分开。有一种自然的“背景噪音”，由许多不可避免的变化组成。有时会发生变化的具体原因，如材料不正确、工具损坏或测量错误；这些原因被称为“系统性”原因。只有变化的偶然原因的过程被称为处于统计控制或稳定状态。为了尽量减少这些变化的原因，并减少“背景噪声”，使用一个测量系统作为参考是相对的。所有机器都应该使用相同的参考和工具进行控制。

自校准和自控系统与严格的计量政策和ISO标准不兼容。一般来说，测量工具的精度应至少是其测量精度的6到10倍。如果要测量的机器正在测量自身，则无法进行此操作。同样，这不能与贴片机或锡膏印刷配合使用。

三、工艺优化

为了优化这个过程，我们进行了因果分析。通过仔细分析每个因素，选择了三个主要的可调输入变量（印刷速度、压力和角度）。每个输入变量的电平设置如表4所示。因为我们不太确定这些输入变量之间是否存在相互作用。为了同时优化锡膏的平均高度和范围，进行了实验[3]的两级全因子设计。实验的目的是将目标值达到7um，并将锡膏高度的变化降至最低。在实验过程中，我们测量了每个PCB的5个位置，并在每个实验运行中产生了3PCB，并计算了每个PCB的平均高度和范围。每次实验运行的实验输出响应是每次实验运行中测量的3个PCB的平均高度和平均范围。为了得到实验的纯误差，并检查两级全因子实验的线性假设，我们在全因子基础设计下增加了3个中心点（见表5）。

对实验数据的模型拟合表明，三个主效应（X1、X2、x3）以及印刷速度和压力之间的相互作用（X1·X2）对平均高度有显著影响。印刷速度对PCB上的锡膏高度范围有显著影响。在筛选了模型中不显著的影响后，我们重新调整了模型，以获得表6和表7所示的平均高度的输出响应。很明显，该模型是显著的，模型中的影响也是显著的。

表4输入变量的级别设置

表5实验数据

表6 平均高度输出的方差分析

表7 平均高度输出的参数估计

根据表7，我们可以得出平均锡膏高度的公式。

同样，我们可以根据每个实验运行中锡膏范围的模型拟合来推导范围公式。

通过残差正态性检验、等方差检验和输出独立性检验对模型进行了验证。流程优化的目标是找到输入变量设置，以减少R和hittarget（Y=7.0mil）。很明显，x2（印刷速度）=-1（实际印刷速度为20毫米/秒）的产量最小R，估计最小R=0.04。那么X2-1的第一个方程是

在模型拟合中，x3（角度）对Y的影响小于X1（压力）。根据工程经验，我们将X1=-1（实际压力为skg）和x3=-0.547（实际角度为52度）设置为Y=7mil。

四、结束语

为了验证实验结果，我们在新的工艺参数设置下进行了工艺能力分析，发现工艺质量得到了改善，缺陷率降低。Cp和Cpk分别提高到1.77和1.73。为了控制工艺，不断提高工艺质量，我们实施了Xbar-R控制图来控制锡膏高度的变化。

参考文献：

[1]郭嘉. 面向SMT产线的质量预测方法研究[D].西安电子科技大学,2021.DOI:10.27389/d.cnki.gxadu.2021.001437.

[2]王文丰.论SMT生产中的常见问题及解决办法[J].山西电子技术,2021(05):50-51+54.

[3] 王友善.SMT生产关键工艺探析[J].时代农机,2020,47(02):39+41.

[4] 孙景. 基于MES的SMT生产线智能制造改进[D].北华航天工业学院,2019.