本期專訪｜黃乾怡教授：生產線的偵探-深入製造現場，解決實際問題

產學處 呂珮玲專員/採訪報導

關鍵字：電子構裝/ SMT製程/ TRIZ系統性創新/大數據分析/品質與可靠度工程/智慧瑕疵偵測/智慧型焊點失效影像分析

過去數十年來，3C產品迅速普及化，消費性電子產品躍升為全球電子市場的主流；然而，巨量的市場需求，不但沒有為台灣的電子製造業帶來豐沛的利潤，反而造成了一股不小的壓力。因為消費者對於電子產品品質與可靠度的要求日趨嚴苛，他們要求電子產品的體積必須再減小，功能卻須更繁雜，這些技術性的因素大幅提升了產品在製造上的精密度與困難度。同時，也由於環保意識的抬頭，以歐美先進國家為首，逐漸要求各種電子產品在製造過程中，禁用了包含鉛、鎘、汞等有毒的重金屬，這些非技術性的問題無形中更是增加了企業的生產成本。上述種種的困難，全面衝擊著我國的電子產業。

曾擔任國內電子大廠高階主管，現任教於本校工管系的黃乾怡教授對此困境念茲在茲，成立了「電子製造與品質技術產學聯盟」，期望在產學合作的支援下，能為台灣電子製造業提供一份助力。該聯盟擁有非常豐富的研發能量，以電子製造與品質技術領域研究為主軸，配合技術理論導向與產業研發實務經驗，垂直整合及橫向交流之產業聯盟。建立核心技術，如 (1)無鉛環保與微小化製程參數優化；(2)電子製程良率模擬與預測；(3)產品可靠度試驗與壽命分析；(4)電子產品故障預測與健康管理；(5)系統性創新與發明性問題解決；(6)量產資料探勘與製程改善；(7)智慧瑕疵偵測與失效辨識等，應用於國內電子製造相關之上、中、下游產業界。藉由建構技術合作聯盟，進一步協助國內電子製造業者提昇競爭能力及產品價值。

以下就四項專業技術予以介紹：

透過系統性創新讓方法上的突破不再是一個偶然

過往多以腦力激盪或試誤法進行創新製程之開發，但多需憑靠運氣且無法全面搜尋所有可能的解決方案，在高度競爭的電子產業，此方法無法超越國內外之同業競爭。相對的，萃智-發明性問題解決理論(TRIZ)為系統性創新思考方式，能有效辨識機會並解決問題。TRIZ藉由「功能分析」釐清工程系統中各元件間之功能關係，從中探索功能缺點。再利用「因果衝突鏈分析」(CECCA)判定各功能缺點之因果關係，進而指出關鍵性缺點及衝突所在，再決定衝突問題所對應之TRIZ工程參數。對照Altshuller矛盾矩陣表找到發明原則，為引導發想之觸發解進而產生解決工程問題之解決方案。黃教授透過系統性創新理論，打破底填晶片過去可能因為膠水結合不良而無法重新製作的問題，發明點膠PCB錯誤後的補救措施，提出雷射聚焦移除電子元件、可重工之元件托座與可拆換式PCB各種可重新點膠的解決方案，大幅降低成本，這個創新的製程，也已獲得美國與我國的發明專利。

利用機器學習建構智慧瑕疵偵測與分類系統

近年來，自動化光學檢測(AOI)廣泛應用於新興高科技產業及傳統產業，業者多將AOI閾值設定嚴格以防止漏判，導致嚴重之過篩，於是仍需在AOI檢測後再安排人工進行複檢。本團隊協助「同欣電子」及「華騰國際」等業者針對車用電子產業陶瓷散熱基板及DRAM模組，建構自動化視覺檢測系統，依照業者既有準則正確判定產品是否存在瑕疵。深度學習迭代過程中，自動設定及更新影像處理及演繹推理運算所需的參數，以YOLOv3網路架構所建立之瑕疵分類檢測模型可達到準確率99%，同時分辨瑕疵種類及其發生位置，以提升檢測準確率與效率，達到降低目檢人力成本並解決業者招工困難的窘境。

智慧型焊點失效影像特徵化系統

在所有電子產品中，印刷電路板（PCB）與晶片的接合，最常使用的方法為焊接；然而大部分的電子產品故障，除了元件本身斷裂外，焊接點幾乎是最常發生問題的所在。在過去，檢修人員必須倚靠肉眼，來辨識有問題的焊點位置與情況；但近年來由於電子產品的體積越趨小巧，印刷電路板、晶片及各元件的焊點都變得十分細微，以人工來找尋有瑕疵的焊接點，已越來越困難。對此，黃教授結合了聯盟成員，如「緯創資通」、「啟碁科技」、「一寶實達」等公司共同開發一套「智慧型焊點失效影像特徵化系統」的檢視機制。這是將有問題的元件，先經過一種特別設計的染色流程，使有問題的焊點部位能現形，之後，再透過顯微鏡以數位辨識的方式，由電腦來客觀地判斷，如此，既可免除人工檢驗的誤判，也能更有效率的進行維修，甚至可以借此分析、釐清產品發生問題的原因，以便後續品質的改善。

PCBA大數據分析並建構智慧決策規則

資料探勘在工業4.0發展過程中扮演關鍵角色，分析實際生產環境中所產生的巨量資料並進行預測，以輔助生產決策，並藉由智慧型系統的整合落實工業中的實質應用。在電子製造產業方面之應用包含生產排程、故障診斷系統、製程改良、缺陷分析、良率提升等。本團隊針對車用電子製造業者陶瓷基板實際生產環境，蒐集機台製程、檢測資料以及生產報表之巨量資料，探討影響製程瑕疵率的相關屬性，進行數據分析以取得有價值之資訊。使用分類與迴歸樹(CART)演算法建構製程瑕疵率預測模型，探索目標變數與輸入變數間的關係，決定影響汙瑕疵率之關鍵屬性，判斷造成製程瑕疵的根本原因並提出改善建議，將失效經驗回饋至設計端、材料選用、製程參數及生產環境管控等，以減少瑕疵的發生。