锡膏制程实验检验标准

1订定电子工业物料检测标准—锡膏测试及评估程序研发摘要在政府推动成为科技岛政策带动下，电子构装及电子组装产业已成为国内的龙头产业。在该产业竞争激烈的环境之中，业者无不积极提升其产品良率及可靠度。而电子业中锡膏乃是最重要的工业物料之一，锡膏之特性直接影响产品良率及可靠度。而业者在筛选适用于其生产环境与制程参数的锡膏物料时，往往耗费可观的时间及金钱尝试错误，却不一定能找到适用的物料。本研究旨在制定一套标准的锡膏特性之测试及评估程序，供业界作为物料筛选的准则。决定各测试项目及其参数，并评估各种国内业界普遍使用之锡膏种类，以实验设计等统计方法对测试结果加以验证。测试结果将供业者参考，以缩短物料筛选的时间，并改善其产品良率与可靠度，进一步提升我国电子业之竞争力。关键词：表面黏着技术、电子构装、电子组装、锡膏、物料筛选、实验设计壹、绪论一、研究背景与研究目的近年来，亚洲电子构装业(Packaging)及组装业(Assembly)已角足全世界。随着大批主机板代工生产的订单如排山倒海涌入，表面黏着技术(SurfaceMountTechnology/SMT)已成为台湾业界耳熟能详的名词。而SMT技术的开发与研究，乃是电子产业长期竞争力的基础。以目前最具潜力的笔记型计算机业而言，国际著名大厂分别委托国内计算机业者代工生产(OEM)，国内业者并大量提供其自己品牌的计算机。于公元1999年以后，台湾将生产并提供全球笔记型计算机总数量的二分之一强。SMT制程相对于传统穿孔式安装更具挑战性，因此业者必须更加谨慎地规划其制程与选择合适的物料，以提升产品良率(Yield)与可靠度(Reliability)。随着产业外移与国际市场竞争的压力，过去尝试错误(Trial&Error)并从中加以改进的对策已不再可行。电子工业「物料选择」及「制程优化」的“KnowHow”将是各国业界研发的重点方向。北美及欧洲如SurfaceMountInternational、IEEE、NEPCON等国际专业学术会议，以至台湾工业技术研究院所主持的SMTA(SurfaceMountTechnologyAssociate)，皆旨在提升业界制程能力，以因应未来先进电子组装/构装技术的挑战。2随着大批代工生产的订单涌入台湾，加上本土计算机业的蓬勃发展，电子业已然成为台湾重点工业之一。业者为保持其竞争力，无不致力于降低生产成本，并提升制程能力。工业物料，如锡膏(SolderPaste)的质量乃影响组装质量最重要的一环。反观国内业者对锡膏筛选的信息仍旧匮乏。本研究旨在制定一套标准的锡膏测试/评估程序，供业界作为物料筛选的准则。本研究将决定影响产品良率及可靠度的各测试项目及其参数，并评估各种国内业界普遍使用之锡膏型号，测试结果将供业者参考。本研究提供一套SMT工业物料筛选的准则，进而帮助业者改善其组装良率与可靠度，以提升本国电子组装业的竞争力。二、表面黏着技术简介由于消费者偏好于体积小、重量轻的电子产品，电子业者无不绞尽脑汁思考如何在最小面积的印刷电路板(PrintedCircuitBoard)上布置最多功能的组件(Component)，利用表面黏着技术取代传统穿孔制程的组装方式因而日益普遍。一般而言，表面黏着制程可分为以下三阶段[1,2]：(1)钢板印刷(StencilPrinting)以钢板印刷机上的刮刀将锡膏经由钢板孔洞(StencilAperture)，涂布在印刷电路板上相对应的铜垫上。移去钢板后，锡膏便以适当的形状留在铜垫上。(2)组件置放(ComponentPlacement)组件置放机(PlacementMachine)上的取置吸嘴将组件自供料站(Feeder)上拾起，经过影像对位处理后，以恰当的压力将组件置放在正确的位置上，即使得每一组件接脚皆与相对应的锡膏涂布点接触。(3)回流焊接(ReflowSoldering)在回流焊炉(ReflowOven)中，设定适当的温度曲线(TemperatureProfile)，将助焊剂(Flux)活化、熔化锡膏，冷却后便能形成一良好焊点(SolderJoint)。三、锡膏特性对表面黏着制程之影响表面黏着制程中，锡膏为最重要的物料之一，锡膏之特性在电子组装整体制程中扮演极重要的角色。在钢板印刷制程中，锡膏的黏稠度(Viscosity)及流动状态(Rheology)对其在印刷过程中渗入钢板孔洞现象有决定性的影响。此外，锡膏应能保持固定的几何形状，以不至于与相邻的涂布点接触而造成短路。于是，锡膏的质量将直接影响组装成品的良率与可靠度。3本研究对国内电子组装大厂进行问卷调查，选择六种业者使用最多或即将采用的锡膏型号进行锡膏检测实验。所挑选的锡膏之金属成份皆为锡：铅=63:37。一般工业标准将锡膏依其金属颗粒大小之分布分类为六种(Type)如表1-(1)所示。本研究所探讨的六种锡膏为Type3及Type4。TYPENoneLargeThanLessThan1%LargeThan80%MinimumBetween10%MaximumLessThan1160150150-75202807575-45203504545-25204403838-20205302525-15156201515-55表1-(1)锡膏中金属颗粒大小之分类[1]四、订定电子工业物料检测标准之重要性电子业俨然成为我国的明星产业，并深刻影响国家政策及经济盛衰。业者为保有其竞争力，皆致力于降低生产成本，并改善制程能力。但国内业者在评选适用于其生产环境及制程参数的工业物料时，通常只就在生产在线观察到的现象加以判断，如此一来，将耗费时间尝试错误，逐渐加以改善。这样的作法除增加成本，又不一定能从中发现影响物料特性的变量及其效应。针对电子业中最重要的物料--锡膏而言，业者常须要耗费大量时间与金钱由制程上发生的错误及不良品中判断适用的锡膏型号。虽然业者可由各锡膏供货商得到锡膏特性的相关讯息，但锡膏供货商为销售其产品，可想而知，如此的讯息常有夸大之嫌而不能全面采信。由此观之，必须订定一套电子工业物料检测标准，并衡量其适用性，以供业者作为评选锡膏物料之参考并进一步提升其竞争力。贰、实验设计目前，国内业者在进行电子物料(如锡膏特性)之检测时，多就在生产在线所观察到的现象加以判断，鲜少从事进一步之统计分析。如此一来，将需耗费更时间尝试错误并从中加以改进(Trial&Error)。为提升国内业者之生产竞争力，本研究旨在订定一套电子工业中锡膏物料检测标准，并对检测结果进一步作4统计分析，以了解各锡膏之间的异同，亦可了解各变量对锡膏特性的影响程度及方向。因此，本研究采用实验设计与变异数分析以确保实验效率以及推论之正确性。实验设计(DesignofExperiments)是利用重复性(Replication)与随机性(Randomization)，使特定因子以外的其它已知或未知因子的影响相互抵销，以净化观察特定因子之影响效果，故能提高分析结果之精确度。变异数分析(AnalysisofVariance/ANOVA)是探讨介于一个反应变量(ResponseVariable)与一个或多个解释变量(ExplanatoryVariable)或预测变量(PredictorVariable)之间的关系[4]。而所谓因子(Factor)就是实验者在研究中所要研究的解释变量或预测变量。许多实验牵涉到研究两个或更多因子的效应(Effect)。一般而言，因子设计(FactorialDesigns)对多因子(Multifactor)研究最具效率。一个因子的主效应(MainEffect)乃是由此因子之层级(Level)改变，所造成反应变量的改变。因子之层级即为该因子的特殊形式。在单因子研究中，一个处理(Treatment)对应到一个因子层级；而在多因子研究中，一个处理是各个因子层级的一种组合。另外在一些实验中，某因子层级间反映变量的差异在其它因子的各层级下是不一致的，此称为因子间具有交互作用(Interaction)[3]。一、样本大小的选择业者在评选锡膏物料时，通常仅就在生产在线所观察到的现象加以判断，如此将耗费时间从尝试错误中加以改善。如此造成成本的增加，又不一定能发现影响锡膏特性的变量及其效应。另一方面，若实验样本数不足，则所搜集的数据根本不具代表性。因此，在从事实验之前，需决定适当的样本数，方能以最少的时间及成本获得最多的信息。在任何实验设计问题中，决定样本大小(SampleSize)乃是一关键决策。所谓决定样本大小即决定实验之重复次数(Replication)。一般而言，为检测较小的效应之实验所需样本数多于检测较大效应所需的样本数。本研究采用信赖区间估计法(ConfidenceIntervalEstimationMethod)[3]以决定实验所需的样本数。任何两个层级或处理的平均值之差，如ji的一个100(1－α)%信赖区间为nMSEtyyaNji2,2..(1)其中.iy为第i个层级或处理的观测值之平均值，而.jy为第j个层级或处理的观测值之平均值，N=a×n为观测值之总个数，a为层级或处理之个数，n为样本数，MSE(MeanSquareforError)为误差平方和(SumofSquareforError/SSE)之均方。利用(1)式，可得信赖区间准确度为nMSEtaN2,2(2)5在实验之前，希望任何两层级平均数之差异的信赖区间为±P，而在先行试验(PilotTest)之观测值中得到标准差之估计值为PT。首先任意指定n=ni，以22PT作为MSE的一个估计值，则信赖区间准确度成为iPTaanPnti2,22(3)(3)式中，若PiP，即依此样本数ni所得到之信赖区间大于所希望之信赖区间。于是继续尝试n=ni＋1，同理得到信赖区间准确度为iiPTaanPnti2)1(,22(4)重复相同步骤直到n=nx，而PiP，即样本数为nx时，信赖区间将小于预期之信赖区间。若在(3)式中PiP，即依此样本数n=ni所得到之信赖区间小于所期望之信赖区间，亦即较所要求的更加精确，但考虑实验所需之总样本数、成本与时间，以足够多的样本满足实验之要求即可。故再尝试n=ni－1直到n=nx＋1，即此时Px＋1P，则取n=nx可满足预期之信赖区间。二、变异数分析变异数分析是利用F统计量作检定，应用于基于母体为常态分配，以及各小母体的变异数相等的基本假定。但事实上，只要母体分配不呈现极端偏斜，各小母体变异数相差不多，则F检定的结果会相当合理且有效率。在本研究中，以订定之检测程序搜集锡膏特性之相关数据，并应用变异数分析对各种影响锡膏特性的因素加以推论，以探讨各因素对锡膏特性的影响性是否显著。同样地，业者在评选适用于其生产环境的锡膏时，除了需对各种锡膏特性充分了解外，尚需对会造成锡膏特性改变的因素分析其影响的显著性，并针对这些因素改变其制程参数，以利产品良率及产能的提升。三、处理平均之间成对比较－Duncan多重全距检定法业者在了解影响锡膏特性的因素之外，最有兴趣的便是各锡膏之间的异同程度，以决定适于其制程参数的锡膏。变异数分析为检定数个具有共同变异数之常态母体的平均数相等与否的有效方法。当决策6结论为拒绝虚无假设H0时，则表示所有的平均数并不全相等，但各平均之间的异同程度却是必须关注的重点。本研究以Duncan多重全距检定(Duncan’sMultipleRangeTest)[3]做为检定方法。先将a个处理平均值依递增顺序排列，每个平均值的标准差为nMSESiy.(5)再从Duncan显著全距表得到),(fpr的值，其中p=2,3,…,a，其中α是显著层级，而f为误差的自由度。将这些全距转变为a－1个最小显著全距为.),(iyapSfprR(6)其中p=2,3,…,a之后自最大及最小的差异开始，与Ra相比。接着最大与次小的差异与Ra－1相比，持续如此比较直到最大的平均值与其它所有平均值比较过为止，最后，计算次大与最小的平均值之差异并与Ra－1比较。此过程持续进行到所有可