表面贴装技术中回流过程元件偏移的数据驱动预测模型
系统与控制
2020-01-28 v1 机器学习
系统与控制
应用统计
机器学习
摘要
在表面贴装技术（SMT）中，焊接焊盘上的已贴装元件在回流过程中会发生移动。该能力称为自对准，是熔融焊膏流体动力学行为的结果。此能力在 SMT 中至关重要，因为不准确的自对准会导致悬出、立碑等缺陷，而在另一方面，它可使元件在期望位置或其附近完美自组装。本研究的目的是开发一种机器学习模型，用于预测回流过程中元件在 x 与 y 方向的移动以及旋转。我们的研究由两步组成：（1）研究实验数据以揭示自对准与元件几何、焊盘几何等多种因素之间的关系；（2）应用先进的机器学习预测模型，利用支持向量回归（SVR）、神经网络（NN）与随机森林回归（RFR）预测元件偏移的距离与方向。结果表明，RFR 预测元件偏移的拟合优度平均值分别为 99%、99% 与 96%，预测误差平均值分别为 13.47 (um)、12.02 (um) 与 1.52 (deg.)（对应 x、y 与旋转方向的元件偏移）。该改进为贴片机中参数的未来优化提供了能力，以控制最佳贴装位置并最小化由自对准引起的固有缺陷。
引用
@article{arxiv.2001.09619,
title = {Data-Driven Prediction Model of Components Shift during Reflow Process in Surface Mount Technology},
author = {Irandokht Parviziomran and Shun Cao and Krishnaswami Srihari and Daehan Won},
journal= {arXiv preprint arXiv:2001.09619},
year = {2020}
}