标准的新标准——从数据到信息

我们今天对制造标准的主要挑战是它们具有确定性。例如，对于BGA的X射线检查，标准是每个球的最大空隙为30%。本标准确定BGA组件是否通过或失败。现在，没有什么可以说，一个有29%空位的球不会失败，也没有什么可以说，一个球有31%空位不能工作。可以理解的是，对于一个制造过程，你需要设置一些明确的参数来定义什么是合格和什么是不合格，否则为一个制造过程设置质量标准就变得非常复杂。

现在，重要的是要记住，这些确定性阈值，例如BGA上每个球的最大空隙率为30%，是在从生产线的仪器中收集数据非常昂贵的时候开发的。而且，这种数据的上下文化，意味着输入从各个工具收集的所有数据并将其插入上下文的过程，更为昂贵。在某些情况下，这在技术上是不可行的。

那么，工业4.0和设备制造商的其他举措发生了什么变化？答案很简单：数据更可用。个别仪器已经收集了大量数据。但这些数据并没有被使用或上下文化。数据越来越便宜了。然而，上下文之外的数据有另一个名称，叫做noise。另一方面，上下文化的数据称为信息。

在Creative Electron公司，我们提出了一种新的观点，根据实际性能和测试数据，而不是任意设定数字，来设定生产线的通过和失败阈值。我们将收集数据并确定什么是传递，什么是失败，而不是设置确定性的数字，比如30%的无效值。因此，废料被最小化，因为您只需返工或报废那些您真正需要拒绝的零件，因为您知道它们很可能会失败。更重要的是，您可以更好地了解在哪里设置通过或失败参数。

在某种程度上，这是目前正在为合格投资者做的事情。目前还没有明确的关于取消合格投资者资格的指示。因此，当我们的客户提出要求时，我们建议他们遵循组件制造商的指导方针，根据具体组件和应用程序的工作原理。

这个新的解决方案是如何工作的？

以一个带有BGA的新板为例。在正常的NPI（新产品介绍）过程中，您将组装几个板，并对BGA进行X光检查，测量每个球上的空隙，并检查每个球上的空隙是否低于25%或30%，这取决于您正在开发的产品类别。

我们建议仍然收集数据，但不使用简单的通过或失败阈值，我们建议测试并使用测试数据来确定阈值。因此，我们收集越来越多的数据来设置一个动态阈值，该阈值可以根据实际测试的结果向上或向下移动。这样我们就可以使用实际的测试数据来微调我们的制造阈值。

我们可以使用几个测试参数来确定大容量的通过或失败。回到我们的qfn例子，如果有一个温度带组件应该工作，我们可以放置组件，并用X射线系统测量我们在qfm上有多少空隙，使用红外线或激光温度计，我们可以确定是否遵循温度引导。

智能工厂解决方案不仅仅是收集数据，而是智能地使用这些数据做出更快更好的决策。我们认为这是一个很好的例子，可以使用整个生产线中派生的数据来创建更高效、更有效地使用X射线和返工资源。

关于格伦·托马斯博士

格伦·托马斯博士是检验市场上久经考验的资深专家，拥有二十多年开发和销售X光系统的经验。Thomas博士领导创新电子的潜在客户开发和品牌战略。他还负责管理公司与国内外销售渠道的关系。他帮助公司创造了世界上最好的X光检查系统，为客户提供了无与伦比的价值。Thomas博士曾担任行政领导职务，并在诸如Faxitron、Micro Focus Imaging、Radsource Technologies、X射线成像解决方案和Lixi等公司的成长过程中发挥了重要作用。

Thomas博士拥有电气工程学士学位和麦迪逊威斯康星大学的博士学位。