【文章內容簡介】 程師解決質量不良及制程的變異，并提供適當?shù)母纳茖Σ邽槠渲饕繕?。本診斷系統(tǒng)利用下列兩個主要模塊發(fā)展完成：1) 制程參數(shù)設定模塊，2) 初始化機器參數(shù)設定模塊。制程參數(shù)設定模塊主要是提供制程參數(shù)之仿真(如溫度設定、錫膏厚度、完整制程等)。而初始化機器參數(shù)設定模塊，其主要是針對舊有或新增之產(chǎn)品之機器參數(shù)，作一適當?shù)慕ㄗh。其系統(tǒng)發(fā)展架構如圖九所示。 ???? ???? ??a ??? ???c ???????s ????m ? ???? ??? ?????? ??????g? ????? ??????? 圖九、 系統(tǒng)發(fā)展架構以下逐一敘述這兩模塊之建立流程：一、以實驗設計方式量測制程因子利用顯著因子設計一 200 組的實驗于一般生產(chǎn)中，并收集記錄其結果，此類資料將成為往后模糊類神經(jīng)模式訓練時的學習數(shù)據(jù) (Learning data)。實驗方法及流程如圖十所示。14 / 33 ??? ??? ???? ??? ??? s??? ? ?e ??y ? ? ???? ???? ?? ?? ??? ?? ?? ???? ???? ???? ??? ??? ? ???y ? ?d ??? ???y ??? ??l ??? ??s ??n ??? ?? ???s ?圖十、 實驗計劃與流程 其程序如下：1. 收集統(tǒng)計制程品管方面的相關數(shù)據(jù)與數(shù)據(jù)在實際生產(chǎn)環(huán)境下，透過計算機網(wǎng)絡聯(lián)機收集實時的制程品管數(shù)據(jù)，以作為模糊類神經(jīng)網(wǎng)絡模式訓練之用。其收集對象包含：1) 錫膏印刷制程因子－如刮刀壓力、刮刀速度、離板間距、錫膏黏度、鋼版開孔方式、印刷厚度、印刷面積、印刷偏移量、及印刷分辨率等。2) 零件取置置程因子－如零件擺置偏移量。3) 回焊制程因子－如預熱斜率(Preheating slope)、浸潤溫度(Soaking Temperature)、尖峰溫度(Peak temperature)等。再將此類資料依據(jù)領域專家所預先設訂模糊化及數(shù)量化之準則，計算其焊性(Solderability)評核分數(shù)，以作為模糊類神經(jīng)網(wǎng)絡模式訓練時測試數(shù)據(jù)(Test data)。其焊性評分標準及公式如下：表 、焊性檢查標準15 / 33 撬 撬? 撬 ????? ????? ????? ???? ???? ???? ?????? ????? ??? ????? ??L164。 ??0X ?? ?? ?? ?? ?? 撬 撬? 撬 ???? ???? ???? ???) ?????? ???? ?????? ?????? ?? ?? ?? ?? SAPFLSOTNBLAScoreitySolderab ????二、運用模糊集群分析法(Fuzzy Clustering)將 SPC 資料分類并去除多余重復之資料這里所使用的模糊集群分析法是所謂的模糊中心法(Fuzzy Cmeans), 其主要目的是在一群數(shù)據(jù)中找尋虛擬區(qū)隔界面，而落于其間的數(shù)據(jù)群體即可稱為一個集群(Cluster)，在集群中找出其中心值即可代表此一族群。此功能已并入 fuzzyTECH 軟件中。假設虛擬區(qū)隔界面為 , 而其集群中心 v1,v2,…, vc 之計算公??CA,.2,1??式如下： ????mnkkikkiixAv??1三、使用模糊類神經(jīng)網(wǎng)絡模式建立相關的診斷規(guī)則將上述淬取后數(shù)據(jù)當作訓練數(shù)據(jù)，而前面實驗設計所得的數(shù)據(jù)作為訓練數(shù)據(jù)，再運用模糊類神經(jīng)網(wǎng)絡模式進行規(guī)則的淬取，并賦予每條規(guī)則適當?shù)臋嘀兀鳛榻⑾到y(tǒng)知識庫時的信賴度水平。一個模糊類神經(jīng)系統(tǒng)學習示意圖，如圖十一所示、制程上主要的規(guī)則推理架構如圖十二所示，而模糊類神經(jīng)學習策略如圖十三所示。16 / 33 ???n ??? ???? 圖十一、模糊類神經(jīng)系統(tǒng) ?? ?? ?? ?? ?? ?? ?? ??? ??? ???? ??? ?? ?? ?? 圖十二、制程上主要的規(guī)則推理架構 ??? ?? ??? ??C ??a ? ?y ??? ? ?????g ??? ???? ? ????? ?????+ ????? ? ??? g .????? ?s ? ?d ? ???t 圖十三、模糊類神經(jīng)學習策略 (fuzzyTECH 軟件上 )經(jīng)無數(shù)次的學習過程后，其最終學習結果，如表二所示。表 模糊類神經(jīng)學習結果17 / 33 錫膏印刷制程 回焊制程 焊性評估 Proc./BlockState/RulesBlock1 IBlock2 IIBlock1 IIIBlock2 IV Block1 VMax Dev. 起始值 Max Dev. 訓練值 Avg. Dev. 起始值 Avg. Dev. 訓練值 淬取規(guī)則數(shù) 205 354 222 268 231決策空間圖 (附錄) 至 . 至 .五、領域專家檢查上述所建立的診斷規(guī)則，刪除異常狀況的規(guī)則經(jīng)由模糊類神經(jīng)網(wǎng)絡所建立的知識庫，需再經(jīng)領域專家運用其專有的制程知識，將不可能或差異甚大的規(guī)則予以去除，并匯集成一精化規(guī)則庫。六、智能型表面黏著診斷系統(tǒng)產(chǎn)生將匯集的規(guī)則庫編譯(pile)成 fuzzyTECH 之”ftr”二進制文件，加上 Visual Basic之適當?shù)某绦蚧纯尚纬梢粋€制程參數(shù)診斷系統(tǒng)。系統(tǒng)架構如圖十四所示。此系統(tǒng)可以在 Windows 98 及 Windows NT 之操作系統(tǒng)下運作。系統(tǒng)需求：1. 計算機 486 以上，配有 16 M 以上之記億體及 10 M 以上的硬盤空間。2. fuzzyTECH 模糊系統(tǒng)軟件 ( 以上)，以作在線學習功能。3. MS Excel 以產(chǎn)生圖表18 / 33 ?????? ??? ?? ???? ?? ?? ?l ?? ?i ?i ?. ?r ?? ?r ?? ?r ?? ?r ?i ?. ?r ??????t ???e ?i ?. ?l ?i ?. ?l ?? ?l ?? ?l ?? ?l 圖十四、系統(tǒng)產(chǎn)出架構圖陸、表面黏著制程診斷系統(tǒng)之運作當診斷系統(tǒng)運作時，下面這兩模塊(SMT 制程診斷模塊與 SMT 制程參數(shù)初始模塊)，將提供適當?shù)慕ㄗh與解決方案。以下將逐一介紹這兩模塊之運作情形。(一) SMT 制程診斷模塊此模塊的主要的目的是提供制程改善的對策及建議制程參數(shù)的設定值，以輔助作業(yè)員或工程師處理不良制程及機器參數(shù)設定錯誤所產(chǎn)生的問題。其操作制程改善流程如圖十五所示：19 / 33 ?? ?? 綨溦 綨溦? ?? ??抽? 亥? 亷熸 ??? ?? ?? ?璨 ? ?? ?? ?? ?璨 ?廘?? ?? ?? ?? ?毛 ?? ?? ?? ?毛玻箵 ?? ?? ?? ?窼 ?? ?? ?玻 箵? 忂璨 ?? ?? ?? ? ? ?? ? 檰殲 泄 ? ?? 玹? ?涸 ?? ? ?? 喤玻 箵毛 ?? 紉? ?玹? ?涸 ?? ?紛 ?咽 ?廷 ?綨溦 綨溦檰殲 玻箵 殲? 紉? ??? ??玹? ?涸 ?? ?璨 ? 玹? ?涸 ?? ?璨 ?? ?? ?? ?? ? ?? ?? ?? ?檰殲 泄? ?璨 ?? ? 檰殲 泄? ?璨 ?? ??? ?? ?? ? ?? ??