微组装行业BSG-MOM方案

随着5G、人工智能、云计算、区块链、智能制造等新技术不断发展和应用，微电子产业得到了快速的发展，而随着微组装技术发展、应用和管理的不断创新，微组装制造面临着不断发展的新工艺、新材料、新装备、新技术和创新管理模式的挑战，如何结合智能制造来提升微组装业务的整体管理水平成为当下关注的热点。本文从微组装工艺和业务出发，研究和探讨如何构建微组装领域的智能工厂整体方案，通过提升微组装领域的智能制造水平，帮助企业实现更短交期、更高质量、更低成本、敏捷响应的目标，全面提升微组装的核心竞争力。

一. 微组装技术

微组装技术是综合运用高密度多层基板技术、多芯片组装技术、三维立体组装技术和系统级组装技术，将集成电路裸芯片、薄/厚膜混合电路、微小型表面贴装元器件等进行高密度互连，构成三维立体结构的高密度、多功能和高频、模块化电子产品的一种先进电气互联技术。从微组装技术上，可大致分为三个层次：

1级（芯片级）：通过陶瓷载体、TAB和倒装焊结构等方式对单芯片进行封装。

2级（组件级）：在各种多层基板上组装多种裸芯片、载体IC组件、倒装焊器件以及其他微型元器件，并加以适当封装和散热，形成电子组件或微系统，可以实现较高的性能密度，集成较大的无源元件，最有效地使用芯片组合。

3级（印制电路板级）：在大面积的多层印制电路板上组装单芯片封装器件、多芯片组件、微组件或微系统以及其他功能元器件，形成大型电子部件或整机系统。

在微组装技术应用的生产线或工厂中，涉及的主要关键工艺技术包括丝键合技术、多层基板布线、芯片焊接和检测、封装材料和密封、电路分割等，而这些关键工艺过程能否完全按照要求执行和管理，将直接影响产品的性能和质量。

二. 微组装现状

目前微组装在航天、超级计算等高尖领域的应用十分广泛，普遍存在多品种、小批量、定制化，产品质量要求十分严格。微组装加工是包含物理、化学、机械、材料、光学等领域的多学科应用和管理的过程，性能指标要求高、制造过程复杂、技术难度大，因此对微组装制造企业带来了很大的挑战：

目前微组装工艺技术在不断发展，客户个性化需求程度越来越高，经常出现需求或技术变更导致工艺变更，特别是针对航天产品，加工周期长，边设计边生产情况十分普遍，工艺不稳定和频繁变更导致生产计划和调度疲于应付变化，无法有序管理。

微组装工艺复杂性决定了生产准备的复杂性，过程要求很高，例如导电胶、环氧树脂等特殊物料，为了给加工过程提供质量受控的物料，使用前需要将冷藏状态的导电胶取出，按要求进行定时的回温、搅拌处理。人工管控不严谨，易导致导电胶变质，产生质量波动。

电子封装的目的是为电子元器件提供稳定可持久运行的环境，电子元器件及其他特殊物料对环境十分敏感。例如引线框架必须存储在氮气柜中，湿敏材料元器件对环境湿度有要求等，各类物料对存放物流过程的环境、状态的要求各不相同，依靠经验的管理是具有风险的。

目前微组装加工过程大多采用自动化设备完成，例如烘干炉、倒装机、引线键合机、贴片机等，设备来自不同国家、不同厂商，对设备的信息获取方式也各不相同，如果想要采集设备信息，需要耗费大量精力，数据的真实性、完整性、实时性也无法满足。

微组装工艺产品质量要求十分严格，一个工艺过程的质量问题将直接导致整个产品性能指标不合格，甚至是产品报废。例如金球弧高、拉力测试不合格可能导致金丝与芯片之间的链接开裂，导致产品失效。因此需要对加工过程中的质量进行严格把控。

微组装产品出厂前，需要对产品从设计工艺、生产和质检等过程信息进行归集，形成产品数据包，然而这些信息往往散布在不同部门、不同系统中，数据归集的成本高、效率低。

三. 智能工厂发展趋势

近年来，智能制造在全球范围内快速发展，对国际产业发展和分工格局带来了深远影响，智能制造已成为制造业转型升级重要趋势，随着“中国制造2025”的发布，国家在大力推进智能制造在各行业的深入应用，基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式逐步进入试点示范和标杆落地的过程。

对于微电子领域，一方面迫切需要提升智能制造能力和管理水平；另一方面随着美国对中国科技战的升级，大量军工和芯片电子领域企业被列入实体清单。严峻的形式迫使我们不断提升自主创新能力，强化产品和技术的升级，提升自身的核心竞争力。

对于微电子产品的智能制造升级，“中国制造2025”规划提供了发展方向，智能化工厂相关先进应用技术是提升微组装产品加工效率和产品质量的关键。针对微组装本身工艺复杂、技术条件不足的情况，以及对产品加工的严格质量要求和产品交付周期的限制，微组装产品制造需要从传统加工模式向智能制造工厂制造模式转变，如图1所示，建立智能工厂、产线，解决生产工艺、物料管理、设备采集、质量管理等过程管理中的问题，建立数字化、自动化、智能化的工厂，提升产品质量和效率。

图1 电子组装智能产线示意图

四. 智能工厂架构

针对电子微组装行业的生产模式和现状，形成的智能工厂架构如图2所示，从智能决策、研发管理、经营管理、制造运行管理、数据采集监控、智能装备多个层次出发，构建工艺、物料、人员、设备和制造全过程信息打通管理的链条。

图2 智能工厂架构

智能装备层主要对生产设备、仓储物流设备、质检设备进行管理，包括设备信息、设备维护保养管理；数据采集监控层主要是针对智能装备的集成、数据采集和状态监控；制造运行管理层主要对智能工厂的主要业务流程进行管理，实现业务流程数字化、智能化管控；研发管理层主要针对微组装技术和产品的设计和工艺，设计和工艺是制造的基础；经营管理旨在实现企业采购、人力资源、计划、库存等业务协同，降低企业经营成本；智能决策层通过对企业各类大数据的统计和分析，为企业管理决策者提供有效支撑。

五. 关键应用场景

1工艺管理

微组装工艺一直在向小型化、高度集成化、高可靠性方向发展，导致工艺过程步骤越来越繁多和复杂，同时目前国内微组装加工企业，往往是科研试制与生产并存的，工艺的复杂性和频繁变更，导致微组装加工缺乏计划性和指导性，对加工的进度和质量保证带来很大的影响。如图3所示，是一个微组装工艺的基本流程。

图3 微组装工艺流程示例

为了尽量消除工艺频繁变更带来的影响，除了加快工艺研发和成熟度，需要及时识别并获取工艺变更的情况，快速做出应对和调整。工艺研发系统通过信息系统集成实现微组装工艺信息的实时同步，生产管理系统根据工艺信息快速应对并指导按照最新工艺标准生产。

另一方面，设计研发的工艺往往粗放、指导性不强，可以通过工艺模板进行工艺细化，完善工序或工步的人员、设备、工装、物料等信息。工艺信息可以进行部分发布，无须等待整个工艺流程完成，直接指导生产，也能更好的应对生产过程中工艺调整带来的影响。

2生产准备

微组装工艺复杂、流程长，技术复杂性高和容错性低，工艺准备、物料准备不足或达不到生产条件，则很有可能导致生产线或设备停工等待，甚至可能产生不良品、损坏加工设备。

解决生产准备问题，首先根据设计工艺、生产加工、质量检验的要求，明确生产准备的内容和要求，确定后按照生产计划的情况，对应可生成生产准备的计划，从而指导工艺资料、物料、设备、工装、人员等资源的准备工作。如图4所示，根据生产工艺要求梳理物料准备清单，并检查物料准备的情况。

图4 物料准备检查示例

不论是芯片封装、组件封装还是印刷电路组装，需要按照电子元器件或特殊物料的特性和要求，进行相应处理。例如导电胶、环氧树脂、锡膏等特殊物料，需要进行回温处理，如图5锡膏物料处理流程中，加工前需要从冷藏环境取出回温，进行开封、搅拌，记录回温时间，如果物料回温无法满足要求，则生产无法开工。

图5 锡膏物料处理流程

3物料管理

微组装所需要的各类物料的管理对微组装产品的最终质量有直接的影响，如果无法使用符合元器件筛选及批次质量要求的物料，则无法保障产出的最终组件或者是产品的质量。

为了保证物料的有效管理，确保正确的工艺流程使用正确的电子元器件，确保每颗元器件质量都处于受控可用状态，并形成完整的追溯链条。智能制造平台首先要做好物料的标识管理，如图6所示，按物料追溯方式对所有物料进行有效的标识，标识方式可以通过一维码、二维码、激光刻蚀等方式，通过数据识别技术快速获取产品标识码，工艺流程中各类采集数据则可以自动把人、机、料、法、环、测和产品信息进行关联，实现正向和反向全程追溯。

图6 物料追溯方式设置

需要对物料存储环境进行监控，对物料寿命和状态进行预警，在使用时遵循先进先出、快到期先出等规则，如图7所示，对物料的剩余寿命和状态进行预警，避免物料变质带来的损失。

图7 物料有效性和状态监控

引线框架属于易氧化物质，氧化后将影响电气性能，需要存储氮气柜中。对氮气柜存储环境的参数进行实时管控，监控氮气、湿度指标，一旦发现异常立即报警。另外通过和氮气柜等智能物料柜的集成，实时监控和控制，例如在监测到氮气柜湿度超过物料存储要求后，自动驱动氮气柜进行除湿以恢复正常状态。

物料在存储、物流、消耗过程中，通过物料标识获取物料信息，并对业务过程数据进行关联，可以根据产品序列号、批次等进行正向、逆向的物料历史信息追溯。比如湿敏物料出库前，库管员扫描物料标识出库，物料暴露在空气中后，记录物料暴露时间，物料回库可以再次扫描物料标识获取物料状态，判断是否需要进行烘烤和干燥处理，这些过程信息都可以追溯查询。

4生产执行

微组装工艺的技术要求和加工特点，导致微组装工艺工厂对生产执行的准确性、时效性和透明化有很高的要求，无法实现生产执行过程的透明化管理和过程管控，将导致生产过程无法顺畅运行和调度。

智能制造平台通过设备集成，进行分段制造管理，对不同工艺阶段执行过程进行监控，驱动设备按照工艺要求执行，实现产品全过程自动制造。同时实现设备数据实时采集，实现自动报工，如图8所示，可以采集生产执行过程人、机、料、法、环、测等信息。生产报工驱动物料配送、流转过程，实现信息流和实物流同步，解决生产报工延迟而导致数据不准确、生产调度困难的问题。

图8 生产执行采集信息示例

另外，对生产执行过程的信息进行识别和管控，进行自动防错管理和异常信息预警，减少异常发生，提高生产异常的闭环管理，提高异常处理及时性。例如印刷电路组装过程中，对关键电子元器件信息进行，当组装电子元器件和工艺要求的内容不符时，及时预警并暂停生产，避免错装乱装导致的产品不合格、报废。

5设备管理

微组装工艺加工过程大部分是自动化设备完成，设备的稳定运行是至关重要的。设备的定期维护、日常点检能保证设备状态良好，设备故障后快速维修并恢复正常保证生产过程继续运行，能够有效降低产能降低、产品报废问题带来的损失。

建立设备台账，并对设备全生命周期状态信息进行管理。通过设备集成，对设备状态进行监控，并且根据设备维护、保养策略，进行设备预测性维护，如图9所示，自动形成设备维护、保养计划和任务，指导设备管理人员进行维护。例如需要定期对键合机设备的丝键合精度进行维护和检查，保证设备始终处于良好的状态。不仅仅设备，工装同样需要进行维护、保养，需要根据钢网的使用次数，对钢网的张力进行检测和清洗保养。依据设备或工装的状态，进行智能化维护、保养预测是十分重要的。

图9 设备预测性维护计划示例

在生产过程中出现设备故障后，通过监控设备状态，及时发现问题并报警，驱动设备停工避免产生大量不合格品。同时借助可视化看板、Andon、邮件、短信、微信等手段传递信息，帮助现场调度管理人员及时响应问题并恢复生产。

另外，设备维护、保养、维修和设备状态信息形成了设备知识库，能够进行设备生命周期过程信息追溯。知识库能不断优化设备维护保养策略，智能化推荐设备维修方案，同时也能为设备备品备件库存、易损件更换、设备报废等提供支撑。

6数据采集

数据采集包括人、机、料、法、环、测多维度的数据采集，数据采集信息通过和产品序列号、批次进行关联归集，可以实现产品生产过程信息的正向、反向的全过程追溯。

微组装过程大多通过自动化设备完成，生产节拍快、采集信息内容多，依靠人工采集数据的方式耗费大量工时，数据准确性无法保证，信息流通不畅，无法有效利用。如图10所示，需要构建完整的IoT平台来进行设备的全面集成，实现产品加工过程数据的自动化、智能化、实时化采集。

图10 构建IoT平台

以设备数据采集为例，通过对生产设备、检测设备的集成，例如烘干炉、倒装机、引线键合机、贴片机、AOI设备等，实现生产过程、质量检验过程的设备执行过程参数数据采集。以固化炉工艺过程为例，通过集成固化炉设备，对炉内温度数据实时采集监控，获取产品固化工艺过程参数，可以获取升温曲线、温度维持时间等，如图11、图12和图13所示，根据产品工艺要求和实时状态并进行分析、监控，一旦发现问题及时预警并调整。

图11 烘干炉设备温度曲线示例

图12 固化炉设备温度曲线示例

图13 键合机设备数据采集示例

IoT平台通过对微组装过程中操作人员、使用设备、消耗物料、工艺参数、环境参数、质检数据等各类数据采集和监控，形成一体化联动的制造过程监控平台，如图14所示。智能制造平台可以汇集订单、产品、物料、计划、质量、资源等数据后，最终形成车间级的生产监控中心。

图14 整体产线监控示例

7质量管理

通常定义上，质量管理指质量检验过程，质量检验是一种事后检验的方式，用来检查加工过程或产品是否满足质量要求，对过程质量的控制直接影响后续加工及最终产品质量，最终产品的质量好坏对客户的满意度有密切的关系。

在微组装加工中，多品种、小批量的生产模式决定了加工设备或生产线需要频繁更换产品型号或加工内容，为了保证产品质量，通常在更换产品型号或加工内容后，需要进行首检，只有首检合格后才能继续加工，避免出现大量不合格品。另外，通过集成AOI、SPI、通断测试仪等检测设备，如图15所示，实现质量数据的实时采集，并按照产品质量检验标准和要求，进行实时质量判定，及时发现不合格情况。

图15 检测数据采集和判定

另一方面，借助SPC（Statistical Process Control）过程统计分析进行质量控制，依据六西格玛理论，制定产品质量控制规则，根据检测数据进行统计分析，发现质量异常并及时处理。例如对金丝键合的金线弧高指标进行SPC分析，获取检测设备连续采集数据生成对应控制图，如图16所示，若出现连续检测数据降低，自动触发判异规则，可能存在质量问题，预警并指导相关人员进行响应。

图16 SPC判异规则示例

8产品数据包

微组装产品交付给客户时，都需要提供产品质量信息、功能、性能等方面说明文档，对产品过程的追溯要覆盖全流程、全业务链、全要素，航天产品必须提供完整的产品数据包。

过去大量纸质过程文档资料需要通过各种方式从不同环节、不同部门、不同流程中人工获取，费时耗力成本高、数据准确度低，大量的纸质文件撰写导致数据后补现象频发，无法真正有效控制过程质量。因此迫切需要通过智能制造平台系统建立产品加工过程信息、质量数据、测试信息的数据包，可以快速、自动化的归集产品数据并进行归档，保证数据真实性和完备性，信息可自动追溯统计分析。

在产品加工时，会识别产品标识获取产品信息，从而将加工设备采集数据自动归集到该产品上，质量检测设备上传的检验数据同样自动关联到产品上，另外产品设计工艺、物料准备、消耗物料信息、测试过程等过程信息，按照业务阶段实现和产品数据包的关联，如图17所示，可按不同阶段和过程对产品数据信息进行追溯和归集。

图17 产品数据包示例

产品各个维度信息形成了产品全面信息库，产品数据包是按需求提取归集信息进行打包。数据包可以按照生产过程、质量检验过程等不同业务类型生成，也可以从项目、工单、工序角度，按照不同维度、颗粒度对生产要素、过程采集数据形成数据包。

9生产指挥中心

微组装工艺智能工厂方案中一个重要内容是通过对产品制造过程数据进行统计、关联性分析，实现工厂可视化、智能化、远程监控，如图18所示，建立基于生产指挥中心的现场管控体系，减少现场管理资源投入，提高调度效率和可行性，更好的应对变化和异常，为管理决策提供数据支撑。

生产指挥中心需要对工艺、生产准备、物料管理、生产执行、设备管理、数据采集、质量管理等过程的企业大数据进行统计分析，数据量大、涉及内容多、关联性复杂，并且企业数据统计分析的规则和需求往往是各不相同的，因此需要将统计分析的职能赋予企业本身，通过图形化、适应性好、所见即所得的数据统计分析工具，企业管理者和决策者可以按照需求对数据进行统计和分析，并且可以快速调整。

对微组装工艺产品制造过程数据进行统计分析，可以从不同维度、不同业务过程、受众人员等方向进行数据统计计算和关联分析，对项目状态数据的统计、车间生产设备和产品质量实时状态数据的分析，形成图形化、二维/三维、动态的报表或者看板，通过电子大屏、移动PDA、平板电脑、手机等终端可以实现远程查看和监控，对制造数据和工厂状态了如指掌。

图18 项目进度和状态数据统计示例

六. 综述

通过对微组装智能工厂的研究，构建适应当前多品种、小批量、短交期、多变化的生产模式的智能制造行业解决方案，应对微组装工艺和制造技术不断发展带来的业务挑战和管理难题，形成针对微组装的一体化智能制造平台系统和解决方案，实现微组装产线(工厂)的数字化、自动化、智能化。

本文中的关键业务场景来自于佰思杰为微组装行业提供的智能制造平台系统和专业解决方案，目前该系统和方案已经在十多家单位成功落地，实现了良好的应用效果：

1. 实现微组装工艺的结构化和细化管理，从设计工艺到生产准备、生产加工过程的完整流程管控，能够快速应对频繁工艺变更的问题，生产工艺更具指导性。

2. 解决生产准备内容多、过程复杂的管理问题，按照要求明确生产准备内容，对生产准备过程进行检查，实现生产开工控制，减少生产异常，保证产品质量。

3. 针对特殊物料管理要求，对物料存储、出入库、使用过程进行管理，智能化状态管控，物料全生命周期状态监控，避免物料失效和报废损失。

4. 通过集成设备实现生产设备、检测设备数据的实时采集和应用，提高数据采集准确性和实时性，大大提升了数据采集效率，能够充分发挥数据的价值。

5. 在线检验设备的检测数据实时获取，智能化判定，解决人工检验的准确性和效率问题，同时结合质量管控手段，进行质量预测和控制，避免出现大批量质量问题和不合格品。

6. 实现产品全生命周期数据的自动归集和输出，提高产品数据包信息的准确性、及时性、有效性，提升数据统计和追溯效率，为军方客户提供更优质高效的产品服务。

7. 微组装工艺智能工厂通过对工厂运行数据的统计分析，利用数据分析计算技术，进行关联性分析并为工艺改进、流程优化、管理升级等提供智能决策支撑。

七. 结语

微组装不断向小型轻型化、高密度三维互连结构、宽工作频带、高工作频率、具有较完整系统功能和高可靠性的方向发展。佰思杰微组装行业级智能制造工厂方案，通过智能工厂关键工业技术和管理思路，帮助解决电子微组装制造企业在工艺管理、物料管理、质量管理、设备数据采集等方面的问题，形成数字化、智能化的生产车间，低成本、高效率的为客户提供高质量的产品，同时能更好应对当前电子微组装不断发展的要求，为未来打下良好的基础。

值得一提的是，智能制造工厂的建设不仅仅是某个方向的发展，而是一个企业从技术条件、人才储备、管理方式、运营模式等多方面综合发展的结果，企图通过某一方面的改进是无法实现的，也不是一蹴而就的，在电子微组装行业智能制造工厂建设中的问题还需要不断在实际工作中进行突破和解决。