Alex Stepinski阐述了测试和检测的关联性，提出了制造工艺掌控未来发展方向的观点。

 

Barry Matties：Alex，对于测试和检测产品级和工艺级两个级别您有什么看法？我认为您一定会有不同的做法。

 

Alex Stepinski：PCB行业一直依赖于即时测试。测试判断的是100% 存在的缺陷，而不是潜在缺陷，这是行业的起点。随着时间的推移，针对潜在缺陷的测试方法不断发展。例如，IBM在十几年前开始做CAF测试、短路测试，后来还在试验箱内模拟回流焊测试。作为大型OEM，这种方法提高了其产品的可靠性。

渐渐地，这些理念传播至整个行业，并开发出更多的方法。现在，我们在IPC的D型附连板上进行OM测试，以确保导通孔可靠性。CAF方法并没有改进太多，而是缓慢、稳定发展，但更为普遍。但是即时测试仍然是大多数人的选择。通常通过回归测试来确定可靠性，而不是通过直接测量，其中需要做很多推断；进行即时测试需要有探针和夹具测试设备，根据参数（高阶军用参数、IPC 标准参数、特殊参数）来进行测试。

这就是目前行业采用的主要方法。我的观点是，在整个制程中利用传感器替代测试设备实现无损测量；同时为生产工艺构建模型，并根据模型进行验证。这是整个行业未来的发展方向，例如，过去我们多采用2D的AOI，有时还需要配合电气测试；现在越来越多地采用3D的AOI。AOI上安装了更多的传感器，可以实现直接测量。此外，传统信号完整性测试的挑战在于无法利用自动化。市场上有一些针对性的工具，但应用并不广泛。

归根结底，是使用快速显微镜还是3D背钻技术来感知内部平面层的位置。

如果采用这些方法，并将它们与使用二维码之类的序列化集成，就可以绘制整个在制板，了解半固化片和芯材的厚度，以及特征的宽度和高度。重点是如何获取信息，像其他行业一样将所有信息放入数据库，然后分析、预测将发生的情况，并进行点验证。

这是市场未来发展的方向。数字化转型在许多行业非常普遍，在PCB制造中有很多现成的传感器、质量分析技术可用。但我们几乎不使用重力测量工具进行工艺控制。此外还有一些成像技术可以观察表面粗糙度，以确保表面是清洁的。这些工具都被开发应用于其他行业，而PCB行业才刚刚开始采用。

 

Matties：谁负责推动这项工作？不是质量经理，也不是已具备相关技能的员工。你的特别之处在于善于创新，要推动这种变革，该如何促进大家沟通、交换信息，需要做什么?

 

Stepinski：我认为，PCB生产是低利润业务，研发费用非常高，而且需要一些专门的研发资源来评估这些技术。目前海外有一些研发机构，如AT&S是最大的有研发能力的PCB工厂之一，其总部设在奥地利。

但是必须有一定的规模才能负担得起研发支出。这对小型工厂来说可能是挑战，而且市场上还没有真正的规划蓝图。一旦有了案例，所有人都可以复制它，这似乎是PCB行业通常的做法。我认为只要有可以借鉴的案例，它就会复制传播开来。

 

Matties：要想变革，必须能看到回报。如何衡量回报？如何证明是有回报的？

 

Stepinski：根据我的经验，其中许多投资的内部回报率非常好。归根结底，就是要了解所有的成本。行业内通常还停留在50年前的做法，即按价格购买；在很多情况下，我们没有考虑质量的总成本。这是由于缺乏对制程的了解，对成本组成以及由于质量导致后续流程损失的理解不充分。从整体上考虑，可以配置很多小额投资；即使在小型PCB工厂，也可以通过避免报废实现高回报。

我之前提到的理念和一切信息都有预先的数据库，这没有什么特别的，很多行业现在都在这么做。云计算的成本已经大幅下降。为公司购买云空间、一次启动一个工艺并构建数据库并不难。从最高的净现值(net present value，简称NPV)开始投资，然后逐渐扩展。当成为一家数字化工厂后，就可以预测一切结果。

因为我最近去学校学习了相关课程，收获了很多新观点，此外我新建了一座高科技工厂，所以我的观点可能与那些没有进行数字化转型的企业以及没有学习过这类课程的人略有不同。

Nolan Johnson：人们会被自己的想法所束缚。从理论上讲，这不正是工艺控制、测试和检测所面临的挑战吗吗?

 

Stepinski：目前市场有很多推动因素，推动PCB制造的主要因素之一是数字化转型。在未来的10年里，我们将看到更多的自动化，其中软件方面确实是需要较大变革的重点。其他行业也如此。我建议所有PCB工厂都能获得免费Coursera账户，只需支付100美元，就可以学习数字化转型课程。学习Python以及如何将其应用于业务。做一些数据工程、数据科学。从现在就开始这样做吧，因为最先开始学习新生事物的公司将会在竞争中立于不败之地。这是我的个人观点。

 

Johnson：无损传感器是从工艺内部进行测量，而不是在PCB或成品上测量，对吗？

 

Stepinski：是的。

 

Johnson：我认为，对于PCB制造来说，这是一种思维上的转变——工艺是正确的，那么生产出来的产品就是合格的。

 

Stepinski：理论上讲是这样的。这在很大程度上是由传统规范决定的。工厂将采用客户能接受的方法，如果不遵守这一点，就是不明智的，因为管理层会责罚员工，而客户也不会接受产品。不过，这是一个很大的谬论。开发其他方法很有意义，挑战在于一成不变的“我们是这样测量的”观念，所以必须花更多的力量来说服行业变革。

根据我的经验，在这个过程中应该使用一些工具，其中就包括3D显微镜，以此避免制作切片，只使用切片进行最终验收。这会带来相应的好处。

如果可以与客户达成协议，使用3D显微镜、3D背钻和类似的工具来模拟信号完整性，那么只需在最后进行采样并进行回归测试；这种做法在现有的工厂中也很有意义。传统规范会引发一些不利因素。这就是目前PCB行业的市场和文化。

 

Johnson：使用3D显微镜是如何提升跟踪质量能力的？达到预期结果了吗？

 

Stepinski：这些工具的使用让我们对制造工艺有了不同的看法。工厂利用这些工具能够消除堆叠式微导通孔故障并完成以前达不到的公差，从而提升产品质量。

 

Johnson：测试、检查与工艺之间存在相关性吗？

 

Stepinski：是的。重要的是要有数据池，这是市场上的新流行词。很少有工厂有数据池。在亚洲可能会有一些，但在美国目前还没有。数据链接允许拥有一个存储所有信息的存储库，可以将数据关联在一起进行分析，并能提出抽样计划，以最小化总成本、提高质量，并为客户增加价值。我认为这是一个巨大的机会，在其他行业很常见，并不是件难事，可以直接利用很多现成的学习经验和资源来实现。

 

Happy Holden：我同意。我们需要有好的人工智能案例研究，因为要提出所有创新想法并不容易。但是，把别人的想法付诸实施或进行头脑风暴要容易得多。

 

Stepinski：人工智能需要具备很多要素才能成功。首先是在工艺变量基础上保证工艺能力。不能用糟糕的设备做人工智能，这是行不通的。需要高水平的工艺控制能力，才能确保优化工艺的同时不会改变工艺。

下一步是数据工程，确保所收到的数据是良好的，且可以正确的格式运行。通常，这是智能化中最重要的部分。再次，在工艺工程之后，是软件部分。一旦实现了这些，就进入了数据科学领域，这是了解一切状况的核心算法。最后，就可以通过分析和反馈来跟进。

需要具备所有这些才能使工艺流程正常运转。除了对准其他都可以利用人工智能来实现吗?当然可以，包括电镀和蚀刻。但是你需要先使第一块运行起来，并且知道这个工艺是可行的。必须进行研究并确定这一点，因为人工智能需要良好的过程质量能力（Cp）才能取得良好的过程管理能力（Cpk）。如果Cp差，也得不到好的Cpk。这就是基本的数据统计。如果全部正确执行，它将为您提供设备自身功能的最佳Cpk。我认为这在市场上是非常好的机会。增值的潜在机会很多，同时如果Cp已经存在，那么在没有新设备投入的情况下也可降低成本。

篇幅有限，本文节选刊登，更多内容可点击这里查看，文章发表于《PCB007中国线上杂志》12月号，更多精彩原创内容，欢迎关注“PCB007中文线上杂志”公众号。

 

#PCB  #制造工艺与管理  #测试与检验  #Alex Stepinski  #数据  #