Qualitätsoptimierung in der Elektronikfertigung mit Hilfe von Data Mining Techniken

Eine wesentliche Forderung an die Fertigung elektronischer Produkte is ein hohes Qualitätsniveau（six sigma Forderung 3.4 σ）.由于产品的设计和复杂的材料和零件的设计是最好的，韦尔登仍然是确定性的，并且是单变量的，因此可以得到过程、材料和零件。在实践中，通过一个参数化的Vielzahl来确定Wechselfenkungen的状态是不现实的，因为Versuchsumfang das ökonomisch sinnvolle Mauritiesdeutlich überschüt。名义变量与分类统计学Ansätzen努尔unzureichend modelliert韦尔登进行了比较。数据挖掘方法主要是对数据进行挖掘，并对数据进行多变量分析。因此，在建筑结构设计中，材料、工艺、几何形状和建筑结构的影响和影响是韦尔登的重要因素。Die Erfüllung von Qualitäts- und Zuverlässigkeitsanforderungen elektronischer Baugruppen韦尔登durch die Spezifikation von Merkmalen gemessen.这种机械、光学和电气设备是自然的，也是韦尔登的标准设备。这是一个典型的数据挖掘技术分析工具，它是Lotkontaktstellen中的Anteil an Störstellen（Voids）。这是一种对空性教育的影响，如Lotpaste（z.B. Legierung，Körnung，Flussmitteltyp，Halogenitgehalt），Leiterplatte（Material）und Layout（Padgeometrien），verwendete Komponenten（z.B. BGA，QFN，passive Bauelemente），Lötverfahren（Konvektion，Dampfphase，einschließlich Prozesseinstellungen）韦尔登multivariat untersucht.因此，需要对韦尔登进行诊断、筛选和验证。Mit Hilfe dieser Informationen können Vorhersagemodelle（mittels Finite Elemente Methode）zur Zuverlässigkeit aufgebaut韦尔登，die eine fundierte Bewertung von Einflüssen bei Änderungen in der Versorgungskette，Änderungen an Prozessparametern sowie neuen Layouts ermöglichen.

Eine wesentliche Forderung an die Fertigung elektronischer Produkte ist ein hohes Qualitätsniveau (six-sigma Forderung 3,4 DPM). Obwohl sich die Anforderungen an Produkte ständig ändern und komplexe Versorgungsketten mit wechselnden Materialien und Bauteilen bestehen, werden noch immer deterministische und univariate Annahmen über Prozesse, Materialien und Belastungen getroffen. Statistisch verlässliche Aussagen über Wechselwirkungen mit einer Vielzahl von Parametern sind in der Praxis nicht realisierbar, da der Versuchsumfang das ökonomisch sinnvolle Maß deutlich überschreitet. Nominale Variablen können zudem mit klassischen statistischen Ansätzen nur unzureichend modelliert werden. Die Data Mining Methodik verarbeitet Massendaten, die nominal wie metrisch skaliert sein können und analysiert diese multivariat. Haupteinflüsse und Wechselwirkungen zwischen Materialien, Prozessen, geometrischen Abmaßen und den Anforderungen des Kunden können so in der Baugruppenmontage erkannt werden. Die Erfüllung von Qualitäts- und Zuverlässigkeitsanforderungen elektronischer Baugruppen werden durch die Spezifikation von Merkmalen gemessen. Diese Merkmale können mechanischer, optischer und elektrischer Natur sein und nominal oder metrisch erfasst werden. Eines dieser messbaren Merkmale ist der Anteil an Störstellen (Voids) in Lotkontaktstellen, der exemplarisch mittels Data Mining Techniken analysiert wird. Einflüsse auf die Void-Bildung, wieLotpaste (z.B. Legierung, Körnung, Flussmitteltyp, Halogenitgehalt),Leiterplatte (Material) und Layout (Padgeometrien),verwendete Komponenten (z.B. BGA, QFN, passive Bauelemente),Lötverfahren (Konvektion, Dampfphase, einschließlich Prozesseinstellungen)werden multivariat untersucht. Weiterhin sollen Prognoseverfahren hinsichtlich der Dichte, Größe und Verteilung von Voids erarbeitet werden. Mit Hilfe dieser Informationen können Vorhersagemodelle (mittels Finite Elemente Methode) zur Zuverlässigkeit aufgebaut werden, die eine fundierte Bewertung von Einflüssen bei Änderungen in der Versorgungskette, Änderungen an Prozessparametern sowie neuen Layouts ermöglichen.