挠性电路板制造过程自动监测和智能分析系统及方法技术方案

本发明专利技术提供了挠性电路板制造过程自动监测和智能分析系统及方法。首先，系统包括基本资料模块、参数采集模块、综合数据库模块、智能数据分析模块以及监测显示与数据报表模块参数采集模块包括显微镜自动数据采集装置和铜厚测试装置；其次，通过显微镜自动数据采集装置采集刻蚀工序的线宽、线距和钻孔工序的孔径，采用铜厚测试装置测量铜厚，统计工序缺陷数据；最后，采用多元统计过程控制方法、神经网络和支持向量机为基本分析方法，对所采集的数据进行智能分析，预测工序和生产线异常，对产生的异常源进行识别。本发明专利技术实现对挠性电路板制造过程和质量的自动监控，提高工序稳定性和产品良率。

【技术实现步骤摘要】

本专利技术涉及烧性印制电路板（FlexiblePrintedCircuitBoard，简称烧性电路 板）制造过程的自动监测和智能分析
，具体涉及挠性电路板制造过程自动监测和 智能分析系统及方法。
技术介绍
挠性电路板被广泛应用于具有小型化、轻量化、可移动等要求的电子产品中，包括 显示驱动芯片、摄像头模组、射频功能模组、微机电系统模组、指纹识别模组、金融1C卡等， 涉及计算机、移动通讯、显示器、仪器仪表、医疗器械、智能卡等以及航空航天、国防军工等 各个领域，在电子产品越来越小、越来越薄的发展趋势下，挠性电路板将进一步取代硬质电 路板，迎来更大的发展空间。 挠性电路板制造加工工艺较为复杂，就一般的制造流程而言，需经过层压铜箱、贝占 感光干膜、激光直写曝光、显影、刻蚀、剥膜、激光钻孔、电镀铜、阻焊油墨、通断测试和成型 等工序。其中，关键工序主要包括：刻蚀、激光钻孔、铜减薄等。 为了提尚烧性电路板制造的稳定性和良率，在烧性电路板的制造过程中，可对烧 性电路板关键工序的主要物理参数和缺陷进行自动监控，从而在出现关键工序异常时及时 采取应急措施，降低产线故障的风险。这种自动监控系统将有助于降低企业成本，因而越来 越受到企业的重视。挠性电路板关键工序的主要物理参数为线宽、线距和孔径大小；而涉及 到的产品缺陷主要包括断路、短路、线路缺口、凸起、残铜等。对这些挠性电路板关键物理参 数进行自动检测和监控，可及时发现关键工序的异常情况，并可对一定时间周期内的数据 进行统计和分析，以改进和优化挠性电路板制造流程。 在现阶段的挠性电路板制造行业中，传统人工检测仍为检测的主要方法。但随着 线宽线距越来越小，图像密度越来越高，传统人工检测因检测时间长、误报率高而无法满足 产业需求。针对挠性电路板的关键工序，通过模式识别技术进行图像拼接和处理，将挠性电 路板关键物理参数与存储在计算机内的标准参数进行对比，判断出关键工艺的状态异常， 从而对异常工序进行处理，实现关键工序的自动化检测和监控。
技术实现思路
针对现有技术中存在的技术问题，本专利技术的目的是：提供一种对挠性电路板制造 关键工序的生产过程进行自动监控、缺陷识别、缺陷原因分析的智能化监测与智能分析系 统、装置及方法。 为实现上述目的，本专利技术所提供如下技术方案： 挠性电路板制造过程自动监测和智能分析系统，包括基本资料模块、数据采集模 块、综合数据库模块、智能数据分析模块以及监测显示与数据报表模块。数据采集模块包括 显微镜自动数据采集装置、铜厚测试装置和其他数据采集装置，主要用于采集挠性电路板 制造过程各工序的关键物理参数以及挠性电路板质量数据；基本资料模块包括工序信息和 质量检验规范，主要用于挠性电路板各工序质量和缺陷检验时作为评判和检验的标准信息 资料；智能数据分析模块包括：采用多元统计过程的T2控制方法对单工序的异常情况进行 预测，采用融合神经网络和支持向量机的方法预测挠性电路板制造整线的异常，采用基于 遗传算法优化的神经网络对挠性电路板制造过程的异常源进行识别；主要实现对挠性电路 板生产过程智能质量控制、生产过程的自动异常状态识别和异常定位，为维护人员排除异 常故障提供参考；综合数据库模块主要用于存储数据采集模块所采集的数据、工序信息资 料和质量检验规范信息以及智能分析模块所产生的分析结果和数据报表。 进一步地，所述的基本资料模块的工序信息主要包括：1)工序人员名单，记录工 序工作人员及其负责工序；2)设备信息，包括设备的名称、类别和型号等基本信息；基本资 料模块的质量检验规范包括：IPC-6013B《挠性印制板的鉴定及性能规范》、企业内部制定的 质量检验规程等。 进一步地，所述的显微镜自动数据采集装置包括：上位机系统和显微镜检测平台。 上位机系统包括运动控制模块和显微镜视觉控制处理模块。显微镜检测平台包括电动精密 载物台、变换杆、电机控制箱、显微镜固定支架、显微镜、光源和数字摄像头。显微镜安装在 显微镜固定支架上，数字摄像头安装在显微镜上方，光源安装在显微镜正后方，电动精密载 物台安装在显微镜的正下方，且与电机控制箱连接。显微镜视觉控制处理模块与数字摄像 头相连接，运动控制模块与电机控制箱相连接。电机控制箱内安装有伺服驱动器、电源，伺 服驱动器通过控制卡与上位机连接。 进一步地，所述上位机系统通过运动控制模块和显微镜视觉控制处理模块采集图 像，并识别出各关键工序对应的挠性电路板关键物理参数和缺陷数据。其中，所述显微镜自 动数据采集装置对应的挠性电路板关键工序为刻蚀工序和激光钻孔工序；关键物理参数包 括线宽、线距、孔径大小等；缺陷数据主要包括断路、短路、线路缺口、凸起、残铜等。 进一步地，所述上位机系统包含运动控制模块，负责移动放置挠性电路板的电动 精密载物台。上位机通过运动控制模块发出采集图像命令后，电机控制箱内伺服驱动器驱 动伺服电机，分别控制X、Y轴运动导轨移动电动精密载物台，配合数字摄像头、光源采集图 像。 进一步地，所述上位机系统包含显微镜视觉控制处理模块，负责控制数字摄像头 通过显微镜放大后获取挠性电路板局部图像、图像拼接和图像处理，并根据挠性电路板工 序的生产过程标准数据，实现对数据的比较，最终显示带有缺陷区域及具体缺陷细节的挠 性电路板图像。 进一步地，所述的铜厚测试装置包括铜厚测量仪器和数据通信软件，铜厚测量仪 主要用于测量铜箱的厚度，数据通信软件主要用于数据的铜厚数据的采集和传输。 进一步地，所述的综合数据库主要用于存放关键工序的基本信息、采集的初始数 据以及数据的统计信息和进行智能分析的最终结果，包括各物理参数的统计信息、工序或 者产线是否异常的诊断结果和存在异常时的异常源信息；所有数据信息，最终以报表的形 式存放在数据库中，供工程师和管理人员实时查询。 所述的挠性电路板制造过程自动监测和智能分析系统的监测和分析方法，包括对 挠性电路板制造过程的铜减薄、蚀刻、钻孔等关键工序的监控，具体包括以下步骤： 1、根据用户选择查看的工序，该算法将从数据库模块查询并读取相应的参数数据 集。 2、待步骤1完成后，根据该数据集所包含的数据类型判断是否进行预处理，如果 是计量值类型，则将参数数据集中的所有数据进行标准化预处理，如果是计数类型，则将参 数数据进行比例化处理。 3、待步骤2完成后，根据参数变量类别和标准化后的数据，建立多变量统计T2模 型，对所选择工序的异常情况进行可视化监控。如果T2控制图检测到生产异常波动是失控 状态，则发出警报并且上传到监控显示与数据报表模块，否则不作出反应。 对挠性电路板制造过程的全工序的异常识别设计一种智能分析方法，包括以下步 骤： 1、根据用户选择，读取挠性电路板制造全工序异常识别的训练数据或者待监控数 据。根据数据集所包含的数据类型判断是否进行预处理，如果是计量值类型（包括线宽、 线距、孔径和孔圆度），则将参数数据集中的所有数据进行标准化预处理，如果是计数类型 (包括各种缺陷在统计时间内的发生的个数），则将参数数据进行比例化处理。 2、待步骤1完成后，神经网络方法提取特征。 3、待步骤2完成后，如果用户选择训练模型，则用正常和异常的特征数据，训练支 持向量机模型，采用高斯核函数并且使用网格法确定相关参本文档来自技高网...

【技术保护点】
挠性电路板制造过程自动监测和智能分析系统，包括基本资料模块、参数采集模块、综合数据库模块、智能数据分析模块以及监测显示与数据报表模块，其特征在于：参数采集模块包括显微镜自动数据采集装置和铜厚测试装置，主要用于采集挠性电路板制造过程关键工序的关键物理参数以及挠性电路板质量数据；基本资料模块包括工序信息和质量检验规范，主要用于挠性电路板各工序质量和缺陷检验时作为评判和检验的标准信息资料；智能数据分析模块包括：采用多元统计过程的T2控制方法对单工序的异常情况进行预测，采用融合神经网络和支持向量机的方法预测挠性电路板制造整线的异常，采用基于遗传算法优化的神经网络对挠性电路板制造过程的异常源进行识别，主要实现对挠性电路板生产过程智能质量控制、生产过程的自动异常状态识别和异常定位，为维护人员排除异常故障提供参考；综合数据库模块主要用于存储数据采集模块所采集的数据、工序信息资料和质量检验规范信息以及智能分析模块所产生的分析结果和数据报表。

【技术特征摘要】

【专利技术属性】
技术研发人员：罗家祥，李致富，吕斯俊，王加朋，李康婧，胡跃明，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44