1.4.2 SMT全过程控制和管理

1.过程描述

焊膏印刷、元器件贴装、再流焊接与元器件外形是工艺窗口的选配过程。全部固有的工艺变量如焊膏印刷量、再流焊温度曲线，连同机器参数（如印刷压力、贴片机的能力系数、再流焊炉传送帯速度等）放在一起进行分析与整体优化。这些固有的工艺变量使得SMT组装部门能够对某个产品通过一组统计数据，使得简单的选配过程可在不同的生产线上通过优化工艺窗口来进行。

2.利用工艺过程控制手段防止缺陷

通过使用光学检测系统来监控生产线，可以减少PCBA制造过程中的缺陷和返修成本。

绝大部分电子设备组装线都会产生一些缺陷或错误，例如，焊膏印刷机可能堆积了过量的焊膏造成污染，也可能因焊膏量过少而造成焊料量不足；元器件贴装机可能没有把元器件贴放在适当的位置上或方向不对等。这些错误都降低了PCB组装的一次通过率，有时候这些缺陷在短期内就能暴露出来，不过大部分情况下都是过一段时间后才能暴露出来。

为了捕获这些缺陷，许多公司使用自动光学检测（AOI）设备来定位缺陷，并由工人在组装线的末端进行修复。当厂商能够接受返修和现场故障的成本时，这个策略看起来不错，但是对于那些正在利润空间很小的市场上竞争的PCBA厂商来说，这些成本是不可接受的。

PCBA厂商更聪明的做法是使用AOI来帮助生产线管理者获得定量的检测信息，他们可以利用这些信息调整生产工艺，从而在第一时间减少缺陷。具备更低缺陷率的PCBA一次通过生产，可降低成本，节约时间，并可减少返修人员。

通过使用AOI系统来进行过程监控，厂商可以实现下述目标：

① 在启动一条新生产线的时候，发现将逐渐显现出来的质量问题；

② 在现有生产线上保持高质量的生产；

③ 缩短进行改变所需的调整时间。

例如，可以使用AOI系统从100万个PCBA中获取并分析数据。这些数据可使管理人员在生产变化造成缺陷之前就实时地进行调整，这些轻微的过程纠正可以持续保持缺陷数量在一个较低的水平上。

AOI也可以帮助生产线管理者顺利地组装新的PCBA，以便第一次就可以进行正确的组装。

3.缺陷原因追踪

为了揭示产生缺陷的根本原因并采取正确的行动，一个生产线管理者必须判断缺陷的发生是随机的还是由于生产系统的问题造成的。使用AOI系统，管理者可以收集定量的光学检测数据，这些数据可阐明问题的模式，从而发现问题的起源。

许多工程师都了解那些决定“接受/不接受”的光学检测质量数据，但是他们可能没有理解对变化数据的需求，这些数据来源于对焊料量、元件放置等相关信息的定量测量。为了提供有用的结果，AOI系统提供的可变数据的可重复性和精确度必须比诸如贴装机这样的组装设备高出一个数量级。举例来说，一个安装了用于检测0402贴装元件放置偏移的AOI系统，必须具备100μm的精度和±1μm的可重复性。

国外某公司使用Landrex Technologies的Optima 7200 AOI系统，检测过许多公司的PCBA组装工艺，分析了贴片后的工艺质量。这个分析包含了各种类型的PCBA，如应用于蜂窝电话、PC和服务器的PCBA。Optima 7200作为一个贴片后检测系统可提供诸如元器件丢失、元器件错误和标签错误等质量数据。该系统也可精确测量元器件的位置，提供变化数据。通过在几个不同层次对这些数据进行认真的分析，就可以快速提高一次通过的PCBA的产能。

数据的收集和分析需要花费时间、耐心和金钱。通常情况下，生产线经理和AOI专家花费了大量的时间来努力保持生产线的启动和运转，却几乎没有时间来收集用于后续系统分析的数据。新型AOI系统可以提供高精度的测量，有助于将生产线精确的检测信息转化成更低的缺陷率和更高的利润。

实践证明，在PCBA的生产过程中使用光学检测可以减少缺陷。下面的例子描述了PCBA生产商使用AOI来提高产能的几种途径。

① 机器级分析：即使对AOI数据的简单分析也会发现“宏观”的缺陷模式。案例研究发现，一个生产线经理检测了3台不同贴片机组装的100万块PCBA。在分析了某时间段的组装缺陷数据后，发现一台贴片机造成了71%的缺陷（见图1.2）。当生产人员调整了这台机器减少了缺陷以后，一次通过的产能提升了。在这个案例中，AOI系统跟踪了特定的缺陷类型及其起因。

② 元器件级分析：有时，PCBA组装产能下降的根本原因仅仅与一小部分元器件有关。在一个时间段内，通过分析一系列PCBA的AOI数据，质量数据显示PCBA上元器件放置位置正确与错误的关系排列图，如图1.3所示。

从图1.3中发现，有三个元器件（BGA封装的MICRO8、0805C-CT钽电容和SOT晶体管EMT3-x）造成了绝大部分的缺陷。当生产线经理调整了生产设备，对该三个元器件进行了正确放置之后，PCB组装的缺陷率下降了80%。

③ 同一块板上的元器件级的分析：在检测中，收集了同一个元器件位置的变化数据。对这些数据的分析发现了这些元器件的预期位置和AOI系统实际检测到的位置之间的关系。在这个案例中，回顾了一种类型的PCBA上所有元件的放置信息。分布图显示了预定位置和实际位置之间的差异，如图1.4所示。

图1.4中的每一个点表示PCBA上的一个元器件，每一个矩形标识表示一个特殊的元器件类型。内部和外部的小圆圈分别表示4mil和8mil的生产工艺限制。从图中可以看到五种元件类型——H11、U2、J5、U4和C33——产生了绝大部分的缺陷。这些元器件中的一个或多个在生产设备上实际的放置位置和预定位置之间的误差超过了8mil。

如果更加仔细地观察这些数据，就会发现标号为J3、U6、U5和H115的元器件在PCBA组装过程中不怎么产生缺陷，因为它们的放置误差都在8mil的生产工艺控制限度以内。但是，元器件放置设备将它们放在超过了预定4mil的位置。如果不采取任何纠正措施，这些元件的放置可能会逐渐偏移而超出8mil的限制，从而导致组装缺陷。

图1.5（a）显示了生产线1较多的缺陷，但大部分元器件放置都控制在距离目标4mil的范围内。而图1.5（b）虽然显示了较少的缺陷，但元器件放置的精度比较差，贴装机放置的大部分元件件都偏离了中心。如果不纠正这些中心定位问题，很快就可能因为元器件放置的偏移更加偏离中心“目标”位置，导致生产出更多有缺陷的PCBA。在对几个相同PCB的数据进行分析后，呈现出相同的变化数据“信号”，这揭示了一个系统级的生产问题。