跳到主要內容區

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

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: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

123

 

  臺北科大工業工程與管理系

  黃乾怡教授

  學歷:

美國紐約州州立大學系統與工業工程 博士

美國紐約州州立大學機械與工業工程 碩士

淡江大學機械工程 學士

  經歷:

  緯創資通全球製造技術 總監

  臺北科技大學工業工程與管理系 助理教授

  北科技大學工業工程與管理系 副教授

  北科技大學工業工程與管理系 教授

 

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。

123

 

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。

123

 

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。

123

 

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。

 

瀏覽數: