一种FPC制造关键工序自动监控与智能分析系统.pdf

《一种FPC制造关键工序自动监控与智能分析系统.pdf》由会员分享，可在线阅读，更多相关《一种FPC制造关键工序自动监控与智能分析系统.pdf（8页完整版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 103676868 A (43)申请公布日 2014.03.26 CN 103676868 A (21)申请号 201310661277.4 (22)申请日 2013.12.09 G05B 19/418(2006.01) G01N 21/88(2006.01) (71)申请人 华南理工大学 地址 511458 广东省广州市南沙区环市大道 南路 25 号华工大广州产研院 (72)发明人 胡跃明 齐雯 罗家祥 (74)专利代理机构 广州市华学知识产权代理有 限公司 44245 代理人 蔡茂略 (54) 发明名称 一种 FPC 制造关键工序自动监控与智能分析 系统 (57)。

2、 摘要 本发明公开了一种 FPC 制造关键工序自动监 控与智能分析系统， 包括工序监控触发模块、 数据 采集模块、 数据存储模块、 数据智能分析模块、 评 价模块。 通过所述的工序监控触发模块、 数据采集 模块、 数据存储模块、 数据智能分析模块、 评价模 块可有效解决通过 FPC 精细线路的线宽、 线距等 物理参数和主要 FPC 缺陷类型如导线锯齿、 线路 缺少、 残铜等的监控和分析， 实现对 FPC 制造关键 工序的工作健康状况的判断和评价， 对工序异常 情况做到及早的预防和控制， 从而提高整个 FPC 制造过程的稳定性、 效率和产品良率。 (51)Int.Cl. 权利要求书 1 页 说明。

3、书 4 页 附图 2 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书1页 说明书4页 附图2页 (10)申请公布号 CN 103676868 A CN 103676868 A 1/1 页 2 1. 一种 FPC 制造关键工序自动监控与智能分析系统， 其特征在于， 包括 ： 工序监控触发模块， 用于触发 FPC 检测装置发生动作 ； 数据采集模块， 用于采集 FPC 制造过程中的关键物理参数和缺陷数据 ； 数据存储模块， 用于对采集的 FPC 关键物理参数数据、 缺陷数据和智能分析结果进行 管理， 以实现对数据的查询、 筛选和展示 ； 数据智能分析模块， 采用统计控制。

4、、 HHT 变换和神经网络的方法对数据进行分析， 计算 工序制程能力的评价要素 ； 评价模块， 根据数据智能分析模块的评价结果， 对关键工序的健康状况做出综合评价， 判断出异常状况， 实现制造过程的自动监控。 2. 根据权利要求 1 所述的一种 FPC 制造关键工序自动监控与智能分析系统， 其特征在 于 ： 所述数据采集模块通过 FPC 检测装置和质量检测手段采集与各关键工序对应的 FPC 关 键物理参数和 FPC 缺陷数据， 其中， 所述 FPC 关键物理参数包括铜线的线宽、 线距、 孔径大 小 ； 所述 FPC 缺陷数据包括导线锯齿、 线路缺少、 残铜、 线路损伤、 金面贴锡 ； 不同的工。

5、序对 应的相关 FPC 物理参数和缺陷类型不完全相同。 3. 根据权利要求 1 所述的一种 FPC 制造关键工序自动监控与智能分析系统， 其特征在 于 ： 所述数据存储模块存储FPC制造过程中的FPC关键物理参数和主要缺陷， 以及对数据进 行智能分析的中间数据和分析结果 ； 同时， 也存储了 FPC 关键物理参数和主要缺陷在各制 造工序健康工作状态下的标准数据， 用于实现对数据的比较 ； 其可对数据进行查询和筛选， 可对数据进行预处理， 以便进行数据分析。 4. 根据权利要求 1 所述的一种 FPC 制造关键工序自动监控与智能分析系统， 其特征在 于， 所述数据智能分析模块包括 ： 判断计算模。

6、块， 使用统计控制方法判断采集的数据的统计特征， 同时通过 HHT 分析方 法对采集的信号进行精确变换， 提取信号特征 ； 统计模块， 统计生产线的缺陷率、 物理参数范围、 CPK 制程能力， 根据信号特征采用神经 网络的方法对工序健康状态进行识别， 得出初步结论移交评价模块。 5. 根据权利要求 1 或 2 所述的一种 FPC 制造关键工序自动监控与智能分析系统， 其特 征在于 ： 所述 FPC 检测装置能够检测出被测对象的主要缺陷和物理参数信号并形成文档数 据。 权 利 要 求 书 CN 103676868 A 2 1/4 页 3 一种 FPC 制造关键工序自动监控与智能分析系统 技术领域。

7、 0001 本发明涉及柔性电路板 （FPC） 制造关键工序的自动监控技术领域， 尤其是指一种 通过对关键工序对应的 FPC 物理参数和缺陷数据的监控和进行智能分析， 实现对 FPC 制造 过程中的工序异常状况进行早期预防和控制的自动监控系统， 需要用到信号分析技术、 统 计过程控制分析技术、 状态识别方法等。 背景技术 0002 业内习知， FPC 的制造加工工艺较为复杂， 就一般的制造流程而言， 需经过铜箔开 料、 钻孔、 压干膜、 曝光、 显影刻蚀、 在线检测、 剥膜、 贴覆盖膜、 电镀、 外型冲切和测试等工 序。 FPC的制造水平主要由精细线路的制造水平决定， 因此精细线路的制造工序成为。

8、FPC制 造过程中的关键工序， 主要包括 ： 激光钻孔、 曝光、 显影刻蚀。 这些工序的工作状态是FPC良 率的决定因素。 0003 FPC 制造过程精密， 为了实现制造的稳定性和高度自动化， 提高 FPC 良率， 从制造 过程中 FPC 的主要物理参数和缺陷出发， 对关键工序进行监控， 以便在出现关键工序异常 时及时采取应急措施， 以降低产线故障的风险， 将有助于降低企业成本， 越来越受到企业重 视。在 FPC 生产的整个流程中涉及到的 FPC 参数包括线宽、 线距和孔径大小等， 涉及到的产 品缺陷主要包括导线锯齿、 线路缺少、 残铜、 线路损伤、 金面贴锡等。对这些 FPC 关键参数和 缺。

9、陷的监控和分析， 可推测出关键工序在制造过程中的健康状况。 0004 在现阶段的 FPC 制造行业中， 一方面物理参数和缺陷数据往往孤立地存在， 几乎 没有企业对这些数据加以利用， 另一方面 FPC 关键工序需要监控， 其基本任务包括运行状 态监控、 状态异常检测以及异常的早期预报和控制。针对 FPC 制造流程， 利用关键工序的 FPC 参数数据和生产过程中的 FPC 缺陷数据， 通过统计过程控制和信号分析方法， 判断出关 键工艺的状态异常， 对工序的健康状况进行评估， 从而进行异常的早期预报和控制， 实现关 键工序的自动化监控。 发明内容 0005 本发明的目的在于克服现有技术的不足， 提供。

10、一种能提升生产线自动管理能力、 实现关键工序早期异常判断和控制的 FPC 制造关键工序自动监控与智能分析系统。 0006 为实现上述目的， 本发明所提供的技术方案为 ： 一种 FPC 制造关键工序自动监控 与智能分析系统， 包括 ： 0007 工序监控触发模块， 用于触发 FPC 检测装置发生动作 ； 0008 数据采集模块， 用于采集 FPC 制造过程中的关键物理参数和缺陷数据 ； 0009 数据存储模块， 用于对采集的 FPC 关键物理参数数据、 缺陷数据和智能分析结果 进行管理， 以实现对数据的查询、 筛选和展示 ； 0010 数据智能分析模块， 采用统计控制、 HHT 变换和神经网络的。

11、方法对数据进行分析， 计算工序制程能力的评价要素 ； 说 明 书 CN 103676868 A 3 2/4 页 4 0011 评价模块， 根据数据智能分析模块的评价结果， 对关键工序的健康状况做出综合 评价， 判断出异常状况， 实现制造过程的自动监控。 0012 所述数据采集模块通过 FPC 检测装置和质量检测手段采集与各关键工序对应的 FPC 关键物理参数和 FPC 缺陷数据， 其中， 所述 FPC 关键物理参数包括铜线的线宽、 线距、 孔 径大小 ； 所述 FPC 缺陷数据包括导线锯齿、 线路缺少、 残铜、 线路损伤、 金面贴锡 ； 不同的工 序对应的相关 FPC 物理参数和缺陷类型不完全。

12、相同。 0013 所述数据存储模块存储 FPC 制造过程中的 FPC 关键物理参数和主要缺陷， 以及对 数据进行智能分析的中间数据和分析结果 ； 同时， 也存储了 FPC 关键物理参数和主要缺陷 在各制造工序健康工作状态下的标准数据， 用于实现对数据的比较 ； 其可对数据进行查询 和筛选， 可对数据进行预处理， 以便进行数据分析。 0014 所述数据智能分析模块包括 ： 0015 判断计算模块， 使用统计控制方法判断采集的数据的统计特征， 同时通过 HHT 分 析方法对采集的信号进行精确变换， 提取信号特征 ； 0016 统计模块， 统计生产线的缺陷率、 物理参数范围、 CPK 制程能力， 根。

13、据信号特征采用 神经网络的方法对工序健康状态进行识别， 得出初步结论移交评价模块。 0017 所述 FPC 检测装置能够检测出被测对象的主要缺陷和物理参数信号并形成文档 数据。 0018 本发明与现有技术相比， 具有如下优点与有益效果 ： 0019 1、 将生产过程中的 FPC 关键物理参数和 FPC 缺陷信息进行综合分析， 对关键工序 进行健康状况评价， 做到信息及时反馈和工序异常的早期预报 ； 0020 2、 通过该自动监控和智能分析系统， 提高生产过程的信息化、 自动化， 提高实时性 管理 ； 降低生产线故障风险， 从而降低生产成本， 提高生产效率。 附图说明 0021 图 1 为本发明。

14、的流程框图。 0022 图 2 为本发明 FPC 制造过程的自动监控系统流程图。 0023 图 3 为本发明 FPC 制造过程的自动监控系统内部数据流程图。 具体实施方式 0024 下面结合具体实施例对本发明作进一步说明。 0025 参见图 1 所示， 本实施例所述的 FPC 制造关键工序自动监控与智能分析系统， 包 括 ： 0026 工序监控触发模块， 用于要求采集某关键工序相关数据时， 触发系统的数据采集 模块， 触发 FPC 检测装置发生动作 ； 0027 数据采集模块， 用于采集 FPC 制造过程中的关键物理参数和缺陷数据 ； 0028 数据存储模块， 用于对采集的 FPC 关键物理参。

15、数数据、 缺陷数据和智能分析结果 进行管理， 以实现对数据的查询、 筛选和展示 ； 0029 数据智能分析模块， 采用统计控制、 HHT 变换和神经网络的方法对数据进行分析， 计算工序制程能力等评价要素 ； 说 明 书 CN 103676868 A 4 3/4 页 5 0030 评价模块， 根据数据智能分析模块的评价结果， 对关键工序的健康状况做出综合 评价， 判断出异常状况， 实现制造过程的自动监控。 0031 所述数据采集模块通过 FPC 检测装置和质量检测手段采集与各关键工序对应的 FPC 关键物理参数和 FPC 缺陷数据， 其中， 所述 FPC 关键物理参数包括铜线的线宽、 线距、 孔。

16、 径大小等 ； 所述 FPC 缺陷数据包括导线锯齿、 线路缺少、 残铜、 线路损伤、 金面贴锡等 ； 不同 的工序对应的相关 FPC 物理参数和缺陷类型不完全相同。 0032 所述数据存储模块存储 FPC 制造过程中的 FPC 关键物理参数和主要缺陷， 以及对 数据进行智能分析的中间数据和分析结果 ； 同时， 也存储了 FPC 关键物理参数和主要缺陷 在各制造工序健康工作状态下的标准数据， 用于实现对数据的比较 ； 其可对数据进行查询 和筛选， 可对数据进行预处理， 以便进行数据分析。 0033 所述数据智能分析模块包括 ： 0034 判断计算模块， 使用统计控制方法判断采集的数据的统计特征，。

17、 同时通过 HHT 分 析方法对采集的信号进行精确变换， 提取信号特征 ； 0035 统计模块， 统计生产线的缺陷率、 物理参数范围、 CPK 制程能力， 根据信号特征采用 神经网络的方法对工序健康状态进行识别， 得出初步结论移交评价模块。 0036 所述 FPC 检测装置为 AOI（自动光学检测） 、 成品质量检测或者具体物理参数的检 测设备， 能够检测出被测对象的主要缺陷和物理参数信号并形成文档数据， 具有高可靠性、 高精度、 低成本等特点。 0037 参见图2所示， 对某个关键工序进行监控时， 本实施例上述的FPC制造关键工序自 动监控与智能分析系统的具体情况如下 ： 0038 步骤S1。

18、， 采集FPC关键物理参数和FPC缺陷数据， 通过相应工序识别码触发数据采 集模块， 由数据采集模块通过 FPC 检测装置和质量检测手段采集与各关键工序对应的 FPC 关键物理参数和 FPC 缺陷数据。 0039 步骤 S2， 将以上采集的数据放入数据存储模块中， 更新系统中通过其他手段收集 的 FPC 缺陷数据。 0040 步骤 S3， 对 FPC 关键物理参数和 FPC 缺陷数据进行分析， 采用统计控制分析方法， 计算出数据的特征， 如均值、 方差等 ； 运用 HHT 变换， 对数据提取幅值、 频率等信号特征。 0041 步骤 S4， 计算 CPK 制程能力、 生产线的缺陷率、 关键物理参。

19、数的范围 ； 根据信号特 征采用自适应神经网络的方法对工序状态进行识别， 判断关键工序是否处于稳定的工作状 态。 0042 步骤 S5， 在系统的评价模块中， 对某个关键工序， 从数据存储模块中选择该工序对 应的数据分析结果， 从数据的统计特性、 CPK 制程能力、 工序健康状态等以图形、 表格形式展 示， 并进行综合评价。 0043 此外， 本发明所述的FPC制造关键工序自动监控及智能分析系统， 将对监控FPC生 产过程中的刻蚀显影工序的运行状态进行监控。如上所述 FPC 关键工序的自动监控方法执 行以下步骤 ： 步骤 S1， 采集刻蚀显影工序的关键工序参数和 FPC 缺陷信号 ： FPC 。

20、刻蚀显影后 的铜线线宽、 刻蚀显影工序的缺陷数据、 产品质量检测出的缺陷数据 ； 步骤 S2， 将以上采集 所得的线宽和缺陷数据存入数据存储模块， 利用数据存储模块进行初步的查询和筛选 ； 步 骤 S3， 基于统计控制方法计算线宽数据的特征， 如均值、 方差等 ； 采用 HHT 的信号分析方法 说 明 书 CN 103676868 A 5 4/4 页 6 分析出线宽变化的幅值、 频率等特征 ； 步骤 S4， 在工序的统计模块中， 计算刻蚀显影的缺陷 率、 CPK 制程能力等， 根据线宽变化幅值、 频率信息、 刻蚀显影工序的缺陷率、 FPC 缺陷数据 等， 采用自适应神经网络的识别方法， 对工序。

21、健康状态进行识别 ； 步骤 S5， 将线宽的均值、 方差与工序正常生产情况下的标准进行对比， 综合自适应神经网络方法识别出的工序健康 状态， 判断出该刻蚀显影工序是否存在状态异常， 若出现状态异常， 则进行异常的早期预报 和控制， 实现刻蚀显影工序的自动化监控。 0044 由上述情况可以看出本发明提供的 FPC 制造关键工序自动监控及智能分析系统 可以用于监测FPC生产工序的FPC参数和缺陷， 并对数据进行分析， 对工序的健康状况做出 综合评价。若系统得出工序生产有异常， 就会给出警告， 提醒工作人员检查。因此， 本发明 的FPC制造关键工序自动监控及智能分析系统可以解决背景技术中所涉及的FP。

22、C制造过程 中对关键工序的自动监控。该系统做到了监控关键工序的监控状态， 从而减少了因个别关 键工序存在故障而导致整个 FPC 制造产线停止和良率减小的风险， 提高整个加工过程的稳 定性和 FPC 良率。本发明的 FPC 关键工序自动化监控并不局限于从上述物理参数和缺陷的 数据分析监控一个关键工序， 而可以从制造企业要求监控的工序出发， 采集工序的关键参 数和 FPC 缺陷， 对这些数据进行智能分析， 并对工序工作健康状况进行监控。 0045 参见图 3 所示， 显示了本实施例上述 FPC 制造关键工序自动监控及智能分析系统 的内部数据流程， 其具体情况如下 ： 触发信号被送入工序监控触发模块。

23、， 工序触发装置启动 数据采集模块采集工件的物理参数和缺陷数据 ； 接着将这些数据送入数据存储模块， 将这 些数据与数据存储模块中的基准数据对比， 剔除采集错误数据， 并将初整理数据送到分析 模块分析信号特征 ； 分析模块中的判断计算步骤通过统计控制方法和 HHT 方法对送入的信 号分别进行粗略和详细的判断， 并将判断结果传入统计分析步骤中 ； 在统计分析步骤中， 使 用自适应神经网络和 CPK 计算的方法， 对整个工件生产过程的关键工序物理参数和 FPC 缺 陷进行计算， 统计其缺陷率等， 并将这些数据传入评价步骤 ； 在评价模块中， 具体将上一步 的计算结果进行综合评定， 对关键工序工作健。

24、康状况的综合评价， 判断出异常状况， 给出评 价结果。 0046 总之， 综上所述， 本发明的 FPC 制造关键工序自动监控及智能分析系统可有效解 决通过 FPC 精细线路的线宽、 线距等物理参数和主要 FPC 缺陷类型如导线锯齿、 线路缺少、 残铜等的监控和分析， 实现对 FPC 制造关键工序的工作健康状况的判断和评价， 对工序异 常情况做到及早的预防和控制， 从而提高整个 FPC 制造过程的稳定性、 效率和产品良率。这 相比现有技术， 本发明是一款为 FPC 制造产业量身定制的专业监控和智能分析系统， 值得 推广。 0047 以上所述之实施例子只为本发明之较佳实施例， 并非以此限制本发明的实施范 围， 故凡依本发明之形状、 原理所作的变化， 均应涵盖在本发明的保护范围内。 说 明 书 CN 103676868 A 6 1/2 页 7 图 1 图 2 说 明 书 附 图 CN 103676868 A 7 2/2 页 8 图 3 说 明 书 附 图 CN 103676868 A 8 。