文章

作者：Paul Groome，Machine Vision Products

发表于《US-Tech》，2018 年 2 月

当 Machine Vision Products, Inc.（MVP）在 25 年前成立时，手机仍处于起步阶段，便携式电子设备几乎不存在。制造业的绝大部分仍以通孔技术为主，i486 是主要的计算平台，而 Windows 3.1 则被认为是华丽且新颖的操作系统。George T. Ayoub 博士创立公司时，还没有人见过智能手机、平板电视、MP3 播放器、固态硬盘、GPS 系统、混合动力汽车、数码照片，以及许多如今无处不在的技术。谁又能预见互联网将带来的巨大影响？

1993 年，美国手机用户数量增长到 1100 万，而到了 2017 年，约 81% 的人口（大约 2.65 亿人）拥有手机。当时，Sparc 处理器——MVP 最初使用的计算机平台——仅包含 80 万个晶体管。而如今 MVP 系统使用的 Xeon 处理器最多可包含 72 亿个晶体管。公司成立时，全球只有 50 台互联网（WWW）服务器。如今，全球超过 50% 的人口可以访问互联网。

电子技术与制造业的发展速度呈指数级增长。因预测集成电路晶体管数量每两年翻倍而闻名的英特尔前总裁 Gordon Earle Moore，如今一定会感到自豪。

新的挑战正在到来

MVP 一直致力于提供创新、解决方案和能力，以满足快速变化的市场需求。这些能力包括 AOI/SPI/3D AOI 的统计过程控制（SPC）、多光谱照明、多摄像头检查、键合线检查以及芯片（die）计量。

在 1990 年代早期，1 至 2 mil（25–50 μm）的分辨率可能足以检查一块 486 主板。而到了 2017 年，0.4 至 0.6 mil（10–15 μm）的分辨率已足以应对基础元件组装。但未来关键电子硬件将需要个位数微米级的分辨率。

下一代芯片级元件正给 SMT 检查带来巨大挑战，其几何尺寸小至 5 mil（125 μm），焊点甚至小于 1 mil（25 μm）。即便是电路板的热膨胀，也可能显著改变元件位置，因此需要特殊的对位技术。凭借 2020、850、Spectra、Supra 和 Ultra 平台，MVP 已具备应对下一代集成需求的能力。

迈向 2020 年代

任何制造商的关键目标都是：

• 提高制造关键阶段的质量

• 提高产量

• 降低成本

虽然“缺陷检测成本每往后一个工序增加 10 倍”的经典规则如今不再完全准确，但其核心原则依然成立。

以汽车行业为例：

• 在引线框（lead-frame）工序检测到缺陷可能只需不到 1 美元

• 在 SMT 过程中发现缺陷可能需要 10–300 美元

• 产品进入市场后发现缺陷可能高达 1000–3000 美元

越早发现缺陷，质量越高、成本越低。该原则适用于整个电子制造业。不同市场的倍数因行业而异：

• 消费电子约为 10 倍

• 高可靠性产品约为 100 倍

• 军工/航空航天可高达 1000 倍

为了迎接未来的新挑战，MVP 已扩展其系统范围，以满足更复杂的检查需求。公司提供前端半导体工艺（wafer、die、切割后检查），后端工艺（引线框与键合线检查、die 位置计量、表面与基板检查、封装检查、混合与多芯片模块检查），以及 SMT 工艺（背板、锡膏、贴片前、回流后、三防涂层检查）。

前端工艺（Front-End Processes）

最新一代 850 平台提供了全自动薄膜框架（film frame）晶圆处理，用于表面和切割后检查。可识别表面损伤、异物（FM）和边缘损伤。系统可配置为支持最高至 100 级洁净室环境。

公司还提供晶圆环框（ring frame）的全自动处理、双面检查、缺陷标记和缺陷映射。

后端工艺（Back-End Processes）

MVP 的后段解决方案分为两大平台：850 系列和最新的 2020 平台。

所覆盖的工艺包括键合线、die、边缘、表面、异物、共晶、引线框、BGA、凸点（bump）、助焊剂、锡膏检查等。

每一种解决方案均配备：

• 高分辨率远心光学系统

• 3D 激光扫描

• 共焦成像

• 3D 投影成像

这些能力使平台具备极高的灵活性。系统还提供强大的对位工具，允许在检查过程中动态对位 die、键合线与基板，并根据单个器件实时计算检查条件。

SMT 组装

在 SMT 组装领域，MVP 提供几乎覆盖所有工艺需求的解决方案。基于其在半导体前后段工艺的经验，MVP 将相同的技术、分辨率与 3D 工具带入 SMT 行业。

公司持续面对新的设计、工艺与挑战。通过与客户的紧密协作，公司能够识别制造趋势，并基于这些趋势优化缺陷检测系统的应用位置。这种开发策略使 MVP 能够提供适用于当下、未来以及未来数十年的解决方案。

在为您的制造流程制定检验策略时，需要考虑许多因素。同时，市面上有许多声称能够满足您的检验需求的产品——那么您如何决定应该使用哪一种系统？如何判断人工检验、基于模板/对比的 AOI、或基于测量的 AOI 的可行性？应该使用何种分辨率？应该使用哪种相机？需要输出哪些数据？您需要测量数据、属性数据，还是两者都需要？

这些问题数不胜数，而本文的目标是区分哪些变量真正重要，哪些变量会让 AOI 选择过程变得复杂。为此，本文将讨论五个确保 AOI 在您的制造流程中成功部署的关键变量。

图 1 – 结构性 DPMO 率

♦ 1. 问自己：为什么要购买 AOI 系统？为了缺陷覆盖？

您首先应该问的问题是：为什么要购买 AOI？

理想的答案应该是：为了检测缺陷。然而根据以往经验，有些用户在评估系统时甚至忽略了这一点。

在查看缺陷覆盖率时，您是否了解自己的制程，以及 SMT 制造中可能出现的缺陷？例如焊接缺陷（立碑、开路、焊料量等）、存在/缺失、元件尺寸测量、错误元件等。了解这类信息并知道如何使用这些数据，是做出检验决策的关键。

许多行业组织可帮助您确定良率与潜在缺陷。根据内部研究和行业标准，DMPO（每百万机会缺陷数）可作为定义缺陷检测要求的基准（见表 1 和表 2）。

在评估缺陷检测能力时，需要考虑以下因素：

图 2 – 典型制程缺陷 DPMO 率

♦ i. 检测技术：模板匹配 vs. 基于测量的 AOI 平台能力

AOI 系统主要有两种技术：

1. 基于模板的比较系统（template matching）

2. 基于规则的测量系统（rule-based measurement）

核心区别是：是否进行实际测量。

基于规则的系统会：

• 测量元件的宽度、长度、位置

• 根据该位置测量每支引脚上的实际焊料量

• 根据元件标记进行 OCR/OVR

这些物理测量可帮助系统找到正确的元件，并计算焊料百分比。

而模板式系统仅检查存在/缺失，并将焊点与“良品焊点”比较，这可能造成 大量虚警。

在真实 SMT 制造中，缺陷遵循表 2 的 DPMO 分布：焊接缺陷、立碑、开路等。因此，选择能准确检测焊点的系统非常重要。

另一个常见问题：

是否需要使用倾斜相机？

通常不建议，因为：

• 校准复杂

• 容易受到 PCB 翘曲影响

若了解回流焊机理，单相机 + 远心镜头 + 三色光源也能实现等效覆盖，无需倾斜相机。

图 1 的示例中，第 25 脚开路。使用三色光源时：

• 不良焊点呈红色

• 良品呈绿色

差异非常明显。

图 3 – 使用四色光照的单相机系统检测 J-lead 缺陷

♦ ii. 检测工具箱：系统有哪些工具/算法可用？

技术不断演进，因此必须了解 AOI 工具箱的灵活性，以及系统的未来能力。

您应思考：

• 系统会一直用于后回流吗？

• 将来是否会移动 AOI 的站位？

• 您当前与未来的制造路线图是什么？

某些 AOI 系统只专注于单一任务：锡膏、预回流、后回流、后波峰焊等。

经验丰富的 AOI 供应商则提供：

• 单机覆盖整条产线

• 集成 2D/3D 技术

• 微电子与半导体检验能力

这将最大化 AOI 投资的回报率（ROI）。

图 4 – 检测技术

♦ iii. 虚警率及其对缺陷覆盖的影响

缺陷覆盖的关键因素之一是：虚警率（false call rate）。

虚警越多：

• 维修员的工作量越大

• 真实缺陷越容易被遗漏

Solectron 在 IPC 的研究表明：

• 当虚警 > 3000 ppm 时

  • 新手操作员正确判断率 <5%

  • 资深操作员正确率下降超过 50%

低虚警是成功导入 AOI 的关键，有助于：

• 提升整体质量

• 降低成本

• 提高真实缺陷检出率

图 5 – 低虚警的优势

♦ iv. 您的缺陷覆盖率是多少？如何获得准确报告？

电测系统（ICT、Flying Probe）会生成完整的覆盖率报告，但大多数 AOI 无法做到。

只有少数高端供应商：

• 提供经过验证（validated）的缺陷覆盖报告

• 覆盖 AOI 检测到的所有缺陷类型

这是制定整体测试策略的关键。

♦ 2. 改善制程与提供制程反馈

图 6 – 基于测量 AOI 的参数化数据优势

AOI 的目标不仅是发现缺陷，还必须帮助您理解：

• 制程是否在漂移？

• 是否存在即将导致缺陷的趋势？

若关注制程改善，需要 变量数据（测量），而不仅是 属性数据（好/坏）。

图 4 中：

• 上图：基于测量 AOI 的位置测量数据，显示偏移趋势

• 下图：普通 AOI 的属性数据，仅在超过阈值后才显示不良

测量系统能在失控前及时发出警告，有助于实施 SPC 制程控制。

♦ 3. 编程时间

“多快才算快？”

需要考虑：

1. 初次编程时间

2. 持续调试/维护时间

示范演示往往在 1–2 小时内完成程序，但不代表真实生产环境的效率。

对于模板型系统，应问：

• 程序是否检测所有缺陷（特别是焊接）？

• 下一批产品的虚警率会不会上升？

对于基于规则的系统：

• 是否有元件库？能否长期减少编程时间？

• 虚警是否更低？长期维护是否更轻松？

♦ 4. 稳定性、支持能力与 MTBF

必须确认：

• AOI 公司是否会长期存在？

• 是否有本地支持团队？

• 系统设计是否具有高 MTBF 与高可靠性？

许多大型企业因利润与管理问题退出了 AOI 市场，导致用户设备无人维护。

可靠供应商通常具有：

• 专注 AOI 的单一业务

• 技术领先性

• 全球本地化支持团队

在硬件可靠性方面：

• 线性运动系统比起“走停式”系统更可靠

• 制造工艺与材料也影响 MTBF

应用与硬件支持至关重要，尤其随着人员流动，供应商必须具备持续培训与支持能力。

♦ 5. 分辨率与吞吐量

常见误解：像素越多，性能越好。

真实情况更复杂，包括：

• 相机灵敏度

• 实际分辨率 vs. 视野（FOV）

• 运动平台稳定性

• 同分辨率条件下的吞吐量

示例：

系统 A：

• 1.4MP 高灵敏度

• 12 µm 分辨率

• 7 平方英寸/秒

系统 B：

• 3MP 低灵敏度

• 25 µm 分辨率

• 同等速度，但性能差很多

分辨率必须与元件尺寸匹配（见表 3）。

理解“分辨率 vs. 吞吐量”的关系非常重要。

♦ 结论

不要犯将 AOI 评估集中在单一指标上的常见错误。

不应只看：

• 像素

• 演示编程时间

必须综合考虑：

• 缺陷覆盖率

• 制程位置的灵活性

• 是否提供测量数据

• 实际吞吐量

• 厂商稳定性

• 系统可靠性

• 编程与维护时间

• 总体拥有成本 (TCO)

缺陷覆盖率永远是采用 AOI 的首要理由。

若您了解自己的制造流程，并聚焦真实缺陷，AOI 将始终为您提供：

• 最大价值

• 最佳 ROI

• 更高总体品质

作者：Paul Groome，Machine Vision Products, Inc.

发表于《US-Tech》2009年5月刊

在当前的经济环境中，优化制造成本，尤其是测试与检测成本，是大多数公司最优先考虑的事项。然而，我们仍然需要确保发往客户的产品具有最高的质量水平。

通过慎重选择制造过程中使用的测试与检测策略，可以同时实现成本降低与质量提升。要达到最低成本下的最高质量，关键在于理解各种解决方案所提供的优势与缺陷覆盖能力。

如今大多数测试与检测技术已经存在很长时间。许多技术起源于 20 世纪 80 年代末，当时制造工艺主要基于通孔技术（Through-Hole）。

那么，既然 SMT 表面贴装工艺已经问世超过 15 年，为什么我们仍在使用相同的设备与测试方法？

大多数我合作过的制造商仍坚持使用 20 年前的测试方式：ICT、目检、MDA 和功能测试。

但这真的是确保流程质量与最低成本的最有效方法吗？

答案是否定的。

在绝大多数情况下，全功能 AOI（Full AOI）与边界扫描（Boundary Scan）组合即可定位所有生产与电气缺陷。

如果我们观察当今的制造流程，可以看到大量自动化测试与检测技术，包括：

ICT 测试系统、MDA、全功能 AOI、比较式 AOI、功能测试（FT）、Boundary Scan（BScan）、自动 X 光检测（AXI）以及飞针测试（FP）。

图 1 – 常见封装 DPMO 典型数据

每个平台都具备不同能力，可以以不同的成本与诊断分辨率定位不同类型的缺陷。那么问题来了：

面对当今 SMT 组装的挑战，我应该选择哪些解决方案？

♦ 一、为当今制造流程制定测试与检测策略

制定测试与检测策略的第一步，是理解制造过程中会产生哪些缺陷，以及客户要求的质量水平。

组件类型、板级密度以及使用的工艺设备，会决定最终装配的质量。

今日元件的 DPMOJ（每焊点百万缺陷机会数）范围从低于 50 到高于 15,000，

其中 BGA/Area Array 结构最易贴装并实现可靠回流，而细间距引脚器件则往往具有最高缺陷率。

图 1 与图 2 展示了 MVP 客户中常见的 DPMOJ 数据。

如果您是 iNEMI 或 IPC 成员，还可以使用其工具计算工艺能力、预期良率与缺陷率。

对测试与检测系统来说，关键是：

系统能力必须与制造工艺能力相匹配，才能确保最高良率。

♦ 二、系统能力：捕获一个缺陷的成本是多少？

如图 3 所示，不同测试与检测工具具有不同的能力与成本。以下重点讨论目前可用于生产线上的测试方式。

In-Circuit Test（ICT）与 MDA

ICT 的优势在于能够对数字器件提供功能测试覆盖。

然而，生成完整测试模型所需的时间使得大多数客户如今只能使用电容开路技术，测试能力退化为“引脚级测试”。

并且 ICT 存在以下问题：

• 无法测试并联器件，例如去耦电容

• 无法测试具有多电源/地引脚的器件

• 实际缺陷覆盖率通常只有 65–75%

• 随着 PCB 密度或信号频率提高，可测试性进一步下降

在成本方面：

• ICT 系统价格：5 万 ~ 50 万美元以上

• 大型板卡（>5000 Nets）夹具 + 程序的成本：可能超过一台 AOI 的购买价

• 小板成本也常达到 2 万美元，并需 2–3 周制作

结合其高成本、低覆盖以及数字器件功能测试逐渐减少的趋势，使得 ICT 越来越不具成本效益。

♦ 三、自动 X 光检测（AXI）

AXI 提供对隐藏式焊点（如 BGA）的最高检测能力。

但它也存在严重限制：

• 价格昂贵：45 万 ~ 75 万美元

• 往往无法满足 SMT 产线的节拍要求

• 虚警率高（>5000 ppmJ）

• 编程复杂且缓慢

除非应用场景为极高价值产品的大批量关键焊点检测，否则 AXI 通常不具备经济可行性。

♦ 四、Boundary Scan（边界扫描）

20 世纪 90 年代作为 JTAG 标准发布，随着 ICT 访问减少，其使用率近年来快速提升。

优点包括：

• 数字故障覆盖率最高

• 缺陷捕获成本最低

• 系统成本仅 1 万 ~ 2.5 万美元

• 可用于数字元件功能验证、ISP、Flash 编程

只要设计工程师正确实现 JTAG 链接，Boundary Scan 是最具成本效益的数字测试方法。

♦ 五、自动光学检测 AOI — 全功能 AOI vs 比较式 AOI

两类 AOI 原理区别巨大：

● 全功能 AOI（Full / Metrology-Based AOI）

✔ 测量组件与焊点真实尺寸

✔ 抗工艺变化能力强

✔ 提供最高缺陷覆盖

✔ 可以输出测量数据，用于 SPC 与过程控制

✔ 可用于微电子与半导体检测

✔ 重复性高、误判率低

例如 MVP 的三色（Tri-Color）倾斜光照技术，可在无需斜角相机的情况下获得卓越焊点检测能力。

● 比较式 AOI（Comparative AOI）

✔ 依赖“黄金模板”进行图像比较

✔ 首件编程速度快

但：

✘ 对工艺变化极为敏感

✘ 高虚警率

✘ 随着生产批次累积误差不断扩大

✘ 无法提供测量数据

比较式 AOI 看似容易，却在量产中表现最差。

♦ 六、选择正确的测试与检测策略

图 5 展示了各种技术的总缺陷覆盖能力。

要实现最低成本下的最高覆盖，最佳组合通常是：

全功能 AOI + Boundary Scan

该组合提供：

• 100% 元件覆盖

• 被动件数值检测

• 所有数字器件的功能验证

• 极低的长期维护成本

• 编程时间短（通常 < 半天）

• 可实现过程控制（SPC）

要实现这一点，全功能 AOI 必须具备：

• 高分辨率成像

• 三色光 Tri-Color 焊点检测方式

• 全测量/计量能力

• 快速编程工具（如 MVP ePro）

这是一种明显领先于传统 ICT/MDA 的策略。

作者：George T. Ayoub 博士，MVP 公司总裁兼首席执行官

高速 AOI 检测解决方案在过去 20 多年中已在多个行业领域获得了广泛认可，例如传统 SMT、汽车行业和 PCB 制造业。其创新的解决方案、内建的高质量、可靠性、低维护需求以及先进的高速检测能力，吸引了全球众多行业领先企业以及高产量制造巨头的采用。

去年，MVP 推出了另一条创新产品线，这些产品已在电子行业的多个领域彻底革新了 AOI 技术。面向封装应用，这一新平台旨在满足并超越当今复杂的高产量制造（HVM）装配需求。由于平台可配置性强，使其成为复杂及混合 C4 + SMT 装配线中多种应用的高速 AOI 理想选择。

♦ 针对封装应用的新型检测平台

市场对新型电子产品的需求增长迅速，对更精巧的外观、更强的移动性以及更高的集成功能的需求不断提升。严格的设计要求推动体积在三维空间持续缩小。而集成功能的增加，则推动 SMT 元件的种类增多、特征尺寸缩小、封装高度降低。这样的趋势为产品集成带来了重大挑战，尤其是在封装装配领域。

具备实时检测能力，并能提供适当的“反馈钩子”以输出有意义且易于理解的信息，使复杂的装配线能更高效地管理上下游流程，例如产线合格率、设备利用率、整体生产效率及盈利能力。该平台正是为满足上述因素而设计，以应对当今及未来的 AOI 需求。

根据应用需求，平台可配置不同的电光学系统与/或物料处理系统，以满足多种加工要求。但所有应用均基于同一平台架构。不同配置间的共通性显著提高复杂装配线的整体利用率。经过基本培训后，设备操作员可以在不同工站之间快速转换，因为所有配置共享相同的操作系统与用户界面。其他重要优势包括备件管理与设备维护。由于绝大多数组件在所有配置中均可共用，备件库存数量减少，问题排查更容易，定期维护也得以简化。

所有配置均配备高稳定性的花岗岩平台，以提高整体检测精度。高精度框架与花岗岩平台配套使用，配合单个 400 万像素彩色相机与可编程 LED 光源，可实现高速在线图像采集，视野分辨率可达 3–25 μm/像素。可选装远心镜头，以进一步提升特定应用所需的检测精度。

物料处理系统经过精心设计，以确保最大灵活性，并兼容 JEDEC 料盘、金属载具、裸 PCB 以及薄片加工需求。所有平台均可配置为单轨或双轨。为了更精准的板材定位与处理，可选配支撑平台与自动夹板系统。平台并充分考虑了上下游通信需求，支持灵活的 PLC 控制、SMEMA 接口以及全自动化能力，可将工具性能与特定工艺配方数据传输至产线管理服务器。

平台配备功能强大的集成 SPC 模块。大量有价值的检测结果会被持续收集，并可实时绘制成多种图表格式，帮助故障分析并维持高良率的装配线。提供离线编程与调试功能，以最大限度减少生产中断。基于 CAD 的库式编程软件则大幅缩短新配方的创建与测试时间。

随着封装技术的不断发展，尤其是有机封装与薄型封装工艺的兴起，对 AOI 的需求持续增长。MVP 850G 平台正是为满足当前与下一代封装装配需求而专门设计的。该工具可配置用于执行：3D 锡膏检测、无需荧光添加剂的 2D 助焊剂检测、C4 Die 及 SMT 元件前后回流检测、C4 环氧底填（扩散、质量、焊趾等）检测、表面缺陷（划痕、损伤等）检测、键合线检测、胶水与密封剂检测、传统 SMT（前/后回流）检测等多种应用。平台可根据装配布局与工艺要求选择在线或离线模式。

♦ Die 放置测量系统（Die Placement Metrology System）

MVP 曾受某主要客户委托，开发一套能对贴装在基板上的 Die 进行高精度测量与检测的解决方案。由于 Die 的贴装精度直接关系到产品的可靠性，MVP 工程团队与管理层因此启动了一项开发高精度测量及检测工具的项目。

系统必须是一套稳健的计量型解决方案，其能力要求包括：

• X/Y 平移重复性：1.3 μm

• X/Y 平移再现性：< 2 μm

• 旋转角度重复性及再现性：≤ 0.007°

• 不同机台之间的整体测量精度差异：≤ 10 μm

凭借多年在多个行业领域积累的检测经验，项目团队着手定义能满足客户要求的新型检测工具。该工具不仅要能在回流前后检测 Die 的贴装情况，还需能够检测 Die 表面的划痕与不规则缺陷。

系统必须额外支持检测如下表面贴装元件：0204、0201、0603 IDC、0402、阻值网络，甚至脚距达 12 mil 的 QFP。

为了满足这些需求，团队开发了专有电光学模块。分辨率研究显示，16 μm 像素尺寸足以在速度与精度之间取得平衡。电光学模块采用远心镜头，并配备三色光源与白光源，从而确保表面贴装缺陷清晰可见，同时提高边缘信噪比。

平台软件内置多种检测算法，包括亚像素边缘检测、表面缺陷检测、SMT 回流前后检测以及计量算法。

另一个重大挑战是检测节拍要求。系统必须实现每小时 3000–4000 UPH 的处理能力。为达到这一目标，系统采用并行的基准点识别与检测策略，从而在检测周期中大幅节省时间。

系统还要求具备双轨功能，以便与现有生产设备配套运行，实现整线 UPH 不下降。进一步的挑战包括：系统需支持 SECS/GEM 与批次代码（Lot）追溯功能。

系统可用率也是关键参数，最低要求为 98.5%。平台不仅达成了该标准，实际表现超过 99%。

接下来的图表展示了平台如何不仅满足客户规格，而且大幅超越规格。

♦ 重复性与再现性 Sigma 指标

♦ 与基准系统比对测试

下图展示了某一计量系统的结果。对 16 个具有不同 X 偏移量的 Die 进行测量，并分别使用基准系统与新的 Die 贴装计量系统进行评估。线性回归拟合得到的斜率为 1.032，R² 值为 0.99。偏差（Bias）为 1.4147 μm。

MVP 不仅成功交付了首台工具，并且随后向同一客户提供了 50 多套类似系统，这些系统均通过了严格的测试程序才被正式验收。

随着从传统 SMT 检测向微电子检测能力的拓展，MVP 再次证明了其优势在于高性能、灵活且创新的检测解决方案。

刊登于《Advanced Packaging Magazine》2006年4月

作者：George T. Ayoub 博士，MVP Inc. 总裁兼首席执行官

线键合（wire bond）技术在电子封装行业的许多领域中，在可预见的未来仍将持续繁荣。多年来，该行业的主要趋势包括：互连数量的持续增加、线路微型化、行业对于组装速度的重视，以及每个互连点的成本降低。线键合设备已跟上这些趋势，并变得更加复杂、可靠、快速且精确。然而，线键合检测缺乏自动化手段来确保线键合互连的完整性，而这一点直接影响最终产品的质量。随着互连数量的增加，产生缺陷元件的机会呈倍数增加。由于线键合发生在生产流程的末端，与流程开始阶段即可检测并纠正的缺陷相比，一个不良互连的成本要高得多。因此，不良互连是一个影响产品成本和质量的风险。

目前，大多数线键合检测方法仍为人工方式，使用显微镜进行目视检查、接触检测或借助光学/ X 射线传感器的半自动检测。这些检测方法速度慢、耗费人力、成本高。由于这些限制，这些方法通常仅用于抽样检测。人工方法——无论是目视还是传感器辅助——都远非完美，并受到人为检查固有的可变性影响。由于缺乏自动测量，它们具有主观性并依赖操作者。接触检测通过物理接触来测试线键合的牢固性。这种方法速度慢，并且可能因接触或静电损伤而造成风险。所有这些方法都仅限于线键合检测，这是另一个缺点。检测工具的能力应该涵盖芯片（die）放置的测量，并检查线键合区域附近其他元件的焊点质量。目前急需一种高效、可靠的检测方法，其应具备：有效、安全、可靠、基于测量、能够检测所有线键合失效模式，且足够灵活，可以测量和检测其他电子元件，并且速度足够快，能够跟上生产节奏并对 100% 的产品进行检测。

与封装行业的演进相并行，基于规则的自动光学检测（AOI）已成为 PCB 装配流程中所有步骤的一种有效检测和测量方法。AOI 已成为一种成熟、可靠的工具，用于检测锡膏、元件放置和焊点，并已被广泛用于提升质量与降低组装成本。AOI 的显著进步得益于相机技术的发展以及快速、经济的计算平台的出现。如今的 AOI 使用快速、灵敏的相机传感器，以及大量可编程 LED 光源，由复杂的检测与测量算法驱动，能够满足以生产线速度执行 100% 检测的要求。这带来了更高的缺陷覆盖率、更高的检测速度以及更低的误判与漏检率。与此同时，AOI 的编程难度也在不断降低，使其得以广泛普及。自然就会产生这样一个问题：AOI 技术能否满足线键合后检测（post-wire-bond inspection）的严格要求？

这个问题的答案是“可以”。过去，AOI 行业无法满足线键合后检测的要求。直到最近，还不存在能够满足所有要求的通用设备。而现在，一种新工具的出现，为线键合后检测的多个方面提供了有效的解决方案。能够从芯片与焊盘之间复杂且多变的背景中提取出导线，是线键合后检测的一个关键部分。要实现这一点，需要智能化照明与检测算法协同工作，提高导线与背景之间的信噪比。该检测工具使用大型彩色相机传感器，以及定制的、可编程的多角度 LED 光源，这些光源以不同角度照射线键合点。由于导线的金属表面会反射光线，因此相对于背景，它可能呈现黑色或白色，具体取决于照射角度的高度。提高信噪比的关键在于利用所有角度的光，以更有效地将导线从背景中分离出来。该任务由专有的复杂算法与光源协同完成。算法会检查导线是否出现在芯片与焊盘的正确区域内，然后评估其在芯片与焊盘上的连接质量，并检查这些区域是否存在划痕。接着，算法会跟踪导线，并检查其连续性、直线性以及相对于拟合直线的最大偏差。回路高度则通过不同照明角度下导线反射的特征来确认其是否符合公差要求。所有算法均按顺序使用数字滤波器，以提取特征并在每一步中使用测量方式检查信号特征。

芯片（die）相对于理想位置的平移和旋转，将通过多个边缘窗口以亚像素精度进行测量，从而将误差降至最低。芯片的注册定位依赖于平台的机械精度，以及准确的对准点（fiducial）和 CAD 数据。该工具还能够测量电路中其他元件的位置，并确定焊点质量，将任何缺陷标记出来。

大型传感器与专有的帧采集器允许在相机移动过程中进行“动态”图像采集，以满足分辨率与速度的要求。为了确保目标区域有足够的像素，视野会被设计得较小。此外，系统配备了照明装置，以保证图像质量和景深。无论是细线还是粗线，其照明和算法方法是一致的；然而相机的分辨率（以微米/像素衡量）会根据检测速度需求而变化，以达到最佳检测效率（见图 1 和图 2）。

该工具不仅限于检测合格/不合格，还通过对测量变量和属性数据进行统计过程控制（SPC），来帮助提升生产良率。SPC 模块是系统的组成部分，可实时跟踪任何测量数据，如果数值超出预期范围，操作员可以采取纠正措施。防止缺陷产生对于保持流程受控至关重要。根据报警设置，系统可以停止生产线并点亮黄色或红色指示灯，为操作员提供视觉反馈。

初步结果显示，该工具能够在复杂背景下成功跟踪厚度为 0.5 至 10 mil 的导线。测量精度和重复性的数据表明，芯片的平移可在三倍标准差范围内达到 <10 微米的精度，其旋转角度的测量精度可小于 0.05 度。这项创新是首次尝试解决线键合后检测的挑战。未来的工作将继续提升信噪比、扩展多层线键合的缺陷覆盖范围，并提高检测速度。

发表于 Advanced Packaging，2004 年 9 月 — 作者：George T. Ayoub

对于 Flip Chip 和 BGA 组装厂而言，助焊剂（Flux）检测一直是一个挑战，因为包括 AOI（自动光学检测）在内的检测系统无法准确看到该材料，因此无法在保持产线速度的情况下对其进行检测。特别是对于 Flip Chip，助焊剂检测是控制工艺的重要部分，并且可以防止高成本错误的发生。幸运的是，一种利用 UV（紫外线）照明的机器视觉解决方案经过多年研究开发，能够检测来自助焊剂沉积的缺陷。这项技术在高产量制造线上已成功应用超过三年，它用专门的 UV 光替代可见光 AOI 光源，使其匹配基板和助焊剂的特性，以实现优化的检测结果。

♦ BGA/CSP 封装中助焊剂检测的重要性

助焊剂在 BGA/CSP 封装装配工艺动态中起着关键作用。最终装配中的大量缺陷可追溯到助焊剂或锡膏沉积不良。例如，一些最终装配缺陷源于助焊剂相对于预期焊盘的对准不良、助焊剂厚度/用量不足、助焊剂过量或涂抹造成的污染。在过程早期检测这些合格/不合格类型（属性数据）的缺陷可显著降低装配成本。此外，许多制造商都同意，通过相关的测量变量来控制助焊剂沉积过程，以检测趋势并防止缺陷的发生非常重要。这需要一个能够测量过程关键变量的系统（变量数据）。通过提供关键工艺参数的实时信息，制造商可以采取纠正措施，防止返工和生产损失。

♦ 技术挑战：使“不可见”变为“可见”

助焊剂检测过程对 AOI 制造商来说一直是一个挑战，因为可见光无法很好地成像助焊剂材料，因此无法对其进行检测。高角度或低角度的可见光照明都会因助焊剂与背景之间的低信噪比而受到影响。然而，当助焊剂在 UV 光照射下时，它会在可见光范围内产生荧光，并且可通过适当的滤光片捕捉该信号，从而消除任何非来自助焊剂荧光的背景光。在这些条件下，助焊剂与背景之间的信噪比显著增强。获得良好信噪比的关键在于滤光片和照明的适当设计——这些都是专有的——并且必须适应助焊剂本身以及基板材料（陶瓷及可能的 FR4），同时消除可见背景光。（参见图示“A”——可见光与 UV 光下的图像。）

♦ 挑战：在线系统的速度与分辨率

图像采集参数在系统能力中起着重要作用。两个重要参数是检测速度和适当的光学放大率（分辨率）。二者相关，因为采集速度与所采集像素数量成反比，而像素数量又与放大率平方成线性关系。此外，对小区域进行照明需要大量光线以及足够数量的目标像素。为了满足非常快的节拍时间和高分辨率的要求，系统采用了多摄像头、适当 UV 照明以及专用电子设备。多个摄像头（在本例中使用三个）将视野从方形扩展为矩形，同时不牺牲分辨率。专用电子系统允许摄像头并行采集，并将采集速度与处理器速度匹配。使用 UV 二极管则确保了系统的长寿命和稳定性，这在需要让一个检测程序在不同系统或产线上不做修改地运行时尤为重要。

该系统还能够在 UV 和/或普通可见光下测量锡膏的参数，使其在控制锡膏沉积过程中极具价值。用于提取位置、面积、焊盘覆盖率和亮度的算法基于斑点分析（blob analysis），并且仅应用于感兴趣区域。

♦ 缺陷检测、测量变量与 SPC

利用 UV 荧光技术，该系统不仅能检测合格/不合格（属性数据）缺陷，还能通过对测量变量进行 SPC（统计过程控制）来提高产率。它测量助焊剂沉积的位置、面积、焊盘覆盖率和亮度。亮度通过计算锡膏斑点的中值灰度获得。虽然理想情况下应测量助焊剂的高度和体积，但在此 UV 技术中，这些测量依赖于助焊剂和基板的材料特性，因此不能在所有情况下作为绝对测量值。许多逻辑理由和实验结果证明亮度与助焊剂高度相关。实际上，亮度取决于助焊剂中荧光材料的数量，因此应与体积线性变化。然而，这种线性关系并非总是绝对的，并且取决于环境。因此，在解释亮度测量时应谨慎，因为其他材料也可能产生荧光并增加噪声。所描述的方法已被证明在生产环境中有效，通过使用亮度以及位置、面积和焊盘覆盖率作为测量参数，为采用 SPC 方法控制最终工艺质量提供了一种逻辑且充分的途径。

在生产环境中，实时过程控制已被证明能够通过跟踪趋势和防止缺陷发生来提升工艺价值（参见图示“B”——实时数据图表），并成为系统的关键组成部分。根据报警设置，系统能够停止生产线或点亮黄色或红色指示灯，以向操作员提供视觉反馈。

♦ 结论

该技术已在在线检测中成功应用超过三年。系统具有 2.5% 至 8% 范围内的 GRR 能力。它能够在保持较快的生产线速度的同时，实现 10–20ppm 的误报率和低于数 ppm 的误判率。通过在工艺早期控制缺陷并使用 SPC 监控趋势，已经取得了良好成果。未来的工作将继续提高信噪比，并将该技术扩展到不同的基板和助焊剂类型。

发表于 SMT Magazine，2001年6月

作者：George T. Ayoub 博士，MVP Inc. 总裁兼首席执行官

尽管自动光学检测（AOI）已成功集成到许多生产线上，但对于检测过程而言，仍有大量有用的数据尚未被使用。如何做到？答案是统计过程控制（SPC）……以及一个“催化剂”。

简单来说，统计过程控制（SPC）是一种通过统计分析来监控、控制和改进流程的方法。其四个基本步骤包括测量流程、消除流程变异以获得一致性，以及监控和改进流程以达到最佳目标值。

在整个电子制造行业中，SPC 的实施总体上是成功的。质量总体提高，同时责任意识增强，因为数据（其中部分是由自动光学检测系统 AOI 收集的）可用于监控缺陷并指示系统性能不佳的情况。然而，SPC 常规应用中存在一个固有缺陷：数据不是实时的。通常，信息被分析、发现问题并进行调整——这一过程往往是在数小时甚至数天之后。在这段识别缺陷与纠正之间的时间里，可能已经生产了数千块不完美的电路板，导致高成本和不断上升的报废率。

在当今利润空间紧缩的环境中，无论对 OEM 还是代工厂来说，首次即成功至关重要。浪费时间和资源去制造不良 PCB 或低效运行昂贵的 SMT 生产线，是完全不可接受的。因此，在一个理想环境中，SPC 应该是实时的。但它将如何运作？理想情况下，当流程偏离预设规范时，操作员应立即得到通知，并收到即时纠正的行动建议。最重要的是，不应等到第二天早上的 SPC 会议才发现问题。实现这一结果的关键是将先进的 AOI 与 SPC 方法结合：将传统检测信息作为生产线上的核心工具。实时 AOI/SPC 的目标是更高的产能、更高的良率、更高的生产线效率以及更低的制造成本。

将 AOI 与 SPC 相连接

利用现代复杂 AOI 系统所能生成的标准缺陷数据和变量测量，可以创建一种实时检测/缺陷系统，使操作员在任何流程超过预设限制时立即收到警报。这本质上就是实时 SPC：一个持续监测生产线性能、检测每块板的问题、检查贴装操作、测量送料器和喷嘴功能，并严格控制过程变异以优化性能、产能、一次通过率和总体质量的系统。

实时 SPC 的关键在于两个因素：

• 快速且精确的 AOI，可执行回流前与回流后的焊点测量

• 一组使用 RS485 网络收集数据的“简单”生产线控制器

这些数据随后立即被发送到一个智能信息维护网络，该网络将电路参考转换为特定机器、送料器和喷嘴的信息。该网络还允许来自印刷机、贴片机、回流炉和 AOI 系统的数据互相传输。

这种集成提高了生产线的性能，并构建了一个开始能够识别各设备产生问题的专家系统。在工程部门设定的过程控制限值基础上，系统会立即向“故障”设备提供操作员指令和纠正措施。其他关键数据，如最佳与平均循环时间、运行/堵塞/缺料/停机时间、以及喷嘴和送料器的前十类问题，也都可以实时捕获和分析。

这种结果被称为“动态过程控制”（Dynamic Process Control，DPC），因为在运行过程中，它超越了实时 SPC，增加了声音警报，并通过可视化显示面板主动建议应该采取的纠正措施。通常无需控制图表和复杂程序，因为机器显示界面在所有设备上都是统一的。此外，DPC 对提高质量控制、实时生产线平衡、库存管理以及产能预测也十分有帮助。

DPC 的成就

通过计算最佳与平均循环时间，制造商可以——通常是首次——真正了解其生产线的实际利用率。操作员普遍认为其生产线的利用率达到 75% 或以上，但没有实时数据支持。而在某些情况下，添加 DPC 系统很可能揭示利用率远低于 75%；但在同时，它会立即定位问题、提出纠正措施，使生产线迅速恢复到满载运行。

例如，DPC 可用于提升贴片设备的利用率，通过追踪故障喷嘴和送料器回到其制造商，或将不良元件定位到特定料卷，从而快速优化生产线以适应产品变化。

额外开发的模块可执行其他实时任务，例如设置验证模块，通过验证每个料卷的可接受料号来消除物料混装错误。其他模块包括：在制品（WIP）追踪模块，用于记录面板在流程中的移动；物料追溯模块，用于将现场缺陷追踪到来自某供应商的特定组件；物料管理模块，用于跟踪物料消耗并警告物料短缺；以及 AOI 与贴片机之间的检测反馈模块，用于提醒操作员潜在的送料器问题。

最后，DPC 可用于验证生产线设置，确保产品第一次就正确制造，避免昂贵返修和增加运营成本。由于所有信息都存储在标准数据库中，工程师和制造人员可以轻松使用 Access 等标准工具生成报告。数据也可集成到客户自身的信息管理系统。

AOI 与 SPC 的不足之处

将 AOI 数据与放置在 SMT 生产线各处的软件和数据采集模块结合，可将静态 SPC 转变为实时的 DPC。在运行中，所有系统警告都由预设限制触发。系统会推荐具体的纠正措施，并在数据采集模块上显示指令。整个系统可通过网络从世界任何地方在线访问特定机器、喷嘴和送料器的实时信息。

虽然 DPC 可作为实时的“成绩单”，显示生产线和设备运作情况并提供有力数据，但它的目的不是寻找“责任归属”。相反，将 AOI 与硬件/软件结合用于数据采集与分析，是追求更高质量与更佳生产性能的一项强大工具。

鉴于加速产品上市时间（time-to-market）的压力，以及第一次就正确制造产品的经济必要性，传统 AOI 和 SPC 已无法提供优化生产线和保障质量所需的全部信息（如停机、运行、延迟时间等），更无法实时提供。不久之前，在 AOI 和 SPC 被电子制造商广泛采用之前，质量水平和生产线优化几乎是“猜出来的”——基于轶事证据和事后现场故障。有了 AOI，缺陷检测变得更为精确，制造商第一次能实时“看到”问题。随着 SPC 的加入，生产线优化和质量控制再度提升，工程师第一次拥有能够用于监控生产线并进行调整的硬数据（尽管仍然是事后分析）。

DPC 则承诺通过改变传统 AOI 与 SPC 的方式，使整个系统更加完整。

SMT：Dynamic Process Control 是 Machine Vision Products Inc. 的注册商标。