{{ title }}
{{ errorMessage }}


{{ errorMessage }}





{{ registerSuccessMessage }}
当前位置:首页>市场动态> 正文 
收藏
点赞
投稿
通过在线深度外观检测减少假冒元件
  2022-03-22      114

Eyal Weiss, Ph.D.

引言

COVID-19疫情已造成供应链中断和元件短缺,中断了原材料和大量电子元件的许多供应渠道,使制造商只能生产半成品和闲置产能。配给制迫使制造商在自由市场上购买元件,因此增加了假冒元件、过期元件、混合批次元件、处理不当元件、回收元件及有缺陷元件的风险,风险从向可靠供货源购买元件时的典型0.5~1.5%,增加到在自由市场购买元件时的5~10%。虽然按照SAE AS6081标准,通过对自由市场上购买的部件进行实验室抽样测试来减少这种风险,但仅对一小部分元件进行取样会带来许多风险2。实验室测试无法应对过期元件、混合批次元件、处理不当元件、假冒元件或可能随机分散在包装内的缺陷元件。

本文表明,适合使用的元件所需的所有证据都存在于其外部包装上。元件的包装在包装过程中具有细微的内在特征,可作为元件制造商的“指纹”。回收元件可能会进行黑色覆盖、标记和重新包装,所有这些都会在元件的外部留下可见的证据。仿制的、过量生产的和有缺陷的元件使用不同的来源进行包装,会呈现不同的包装。可通过引线的不良状况从,外部检测到重新标记日期的旧元件。这些细微的特征可用于验证元件。

本文还提出了一种估计表观年限的新方法,并因此根据焊接引线的光学表面来评估元件的可焊性1。焊接引线是元件中老化最快的部分,因为它由金属化合物制成,金属间相互作用会腐蚀和衰变3。因此,引线状况是极好的元件表观年限、储存条件和搬运条件指标。

本文还介绍了一种可以直观地目检元件并评估其合规性的新方法4。检测利用已经在贴装设备中运行的视觉系统,在拾取之后和放置之前获取元件的图像,而不会造成延迟或增加额外的生产阶段。通过一系列人工智能算法实时处理图像,这些算法能够认证制造商、确定焊接引线状况、发现缺陷以及未经授权编带元件的证据。

常规措施

如今,对假冒元件进行编带是为了避免使用抽样检测。如图1所示实例,由贴装设备视觉系统(ASM的Siplace SX)拍摄生成图像,并由Cybord的SMT软件提取图像,显示元件料带的开始已由有证明文件的制造商(本例中为Taiyo Yuden)认证,但料带的其余元件由未知来源供应商(假冒)制造,如示例图像和测量尺寸所示。

混合批次料带的另一个示例如图2所示,在生产过程中,在单个料带上发现了4组元件。在该案例中,不同来源的元件在料带内被均匀混合。

image.png

image.png

图1:包含不同来源的元件料带实例。下图的螺旋表示元件在料带中的位置,每个颜色代表不同的检测组。料带中靠外部的一组元件被检测为由Taiyo Yuden制造的0603MLCC,但靠内部的另一组元件来源不明。

image.png

image.png

图2:混合来源的元件料带实例。有文件证明制造商是三星0805 MLCC,但检测到4组不同的元件,没有一组元件是三星制造的。

处理不当的正品元件没有这样的记录。他们可能会渗透到生产中。在组装过程中会导致可焊性问题,在产品生命周期中会导致可靠性问题1。如图3所示,使用伪造日期代码的元件有焊接引线质量差问题。

检查整个料带对于满足可靠性预期至关重要,但实验室检测服务无法有效扩展以支持此要求4。电子元件检测过程的数字化转型消除了对人类判断和对高技能人工的依赖。获得专利的5,6软件可目视检查和检测可疑和假冒元件,实现100%的元件检测覆盖率。

image.png

图3:组装过程中检测到焊接引线质量差的无源元件:a)引线可焊层剥落;b)引线氧化;c)引线刮伤;d)引线浮起

市场上已知的假冒元件类型

假冒电子元件是指在其来源或质量方面有虚假陈述的电子元件。通常为导致大多数假冒事件的回收元件,克隆(仿制)、超量生产和不符合规格、有缺陷的部件以及被篡改的部件,这类部件可能是严重隐患,芯片的机密信息可能会破坏系统功能。

下一节将简要探讨假冒元件的类型及其在元件上留下的证据。根据证据的突显程度,将其分为内部证据和外部可见证据。但并不意味着这样分类是绝对的,也就是说,存在通过内部和外部目视检查来检测假冒元件的多种方法。然而,重点是每一种造假类型中最主要的方面。

回收元件

回收元件是指在设备中制造和使用一段时间后丢弃和报废的元件。废弃的电子产品被收集并出售给发展中国家,它们被拆卸成裸露的电路板,通过粗糙的工艺提取出元件,然后分类、清洁、标记并重新编带。据估计,大多数假冒元件都属于这一类。由于使用、老化和回收工艺,元件通常会受到严重损坏。

回收元件通常由原始元件制造商(OCM)制造,尽管它们可能采用较旧的内部设计,但由于元件内部未被改变,因此回收工艺的所有证据都在元件的外部包装上。

仿制元件和克隆元件

仿制元件、克隆元件或仅仅是赝品元件都是由仿制制造商而不是原始制造商制造的元件。它们可能是使用欺诈技术或知识产权的反向工程部件。未经授权的制造商试图仿制原始设计、工艺和材料,以获得与原始设计相同的功能水平。然而,在大多数情况下,仿制元件在各个方面都不如原始元件,因为仿制制造商对其产品的质量或性能不承担任何责任,且不会通过反馈实现改进。在某些情况下,仿制元件是根据OCM的许可证制造的,但它们会相应地进行标记和标识。

仿制元件或克隆元件在内部和外部都与原始元件不同,因为它们是在不同的制造工厂生产和包装的。

超量生产的元件

超量生产的元件是由OCM的合同代工厂非法制造的。在某些情况下,OCM通过为其元件设计IP和掩码,采用合同制造工厂生产模式,制造厂掌握制造工艺知识,并拥有所有生产掩码。代工厂可能通过捏造良率数据超量生产部件,然后将多余的芯片出售给市场。

不合规格的元件

不合规格、有缺陷的元件来自犯罪工厂,他们会销售有可能通过初步筛选的有缺陷部件,因为在芯片的正常运行中,在最初几个小时或几个月内不太可能出现缺陷。但它们最终会失效。不合规格的部件性能低于设计规范(泄漏电流、动态电流、性能、温度等)。

超量生产和不合规格、有缺陷的元件从内部看是相同的,因为它们是由同一个工厂使用相同的工艺和材料制造的。然而,它们的外观可能不同于原始元件,因为元件包装过程很少由同一家工厂完成。

过期元件

过期元件是作为新元件出售的旧元件。它们可能由OCM制造,但其跟踪信息和标签是伪造的。元件通常在生产后18-36个月内适用于SMT工艺。此后,其焊接引线可能会生长厚的氧化层,并且由于引线合金中的金属间化合物反应,其金属结构可能会改变。在某些情况下,引线可重新镀锡,以应对预期的低可焊性。

除了使用较旧的设计外,从元件内部看,过期元件可能几乎相同。外部证据可能是通过旧的包装技术或通过引线的状况。从表1中可以看出,所有常见的假货类型都会在其外部留下视觉证据。

减少假冒元件的传统工具

现有的工具是高度复杂和高成本的研究和鉴定工具。表2简要说明了可用的工具。

检查表1可以发现有趣的现象。几乎所有的测试都集中在元件的内部。寻找外部证据的唯一测试是化学测试(FTIR、化学),它可以检测到黑顶和克隆,且还包括大多数其他内部检查和EVI所具备的功能。

表1:常见的假冒元件类型会在其外部留下可见证据

image.png


表2:现有实验室测试的简要说明

image.png

EVI是放大倍数为3倍~100倍的光学检查。理论上,高效的EVI足以检测所有假冒元件类型。

但它提出了一个问题:为什么所有其他方法都是减少假冒元件标准的组成部分?不幸的是,因为传统的EVI本身不足以检测假冒元件中的许多假冒的证据。

可焊性估计

电子制造领域中电子元件可焊性是一项基本能力。它代表了电子元件在自动化生产环境中可靠且可重复地焊接到电路板上的能力1。有几种方法可用于检测电子元件2,4。为了获得可靠且可重复的焊接工艺,电子制造商采用并优化了所有生产参数。这个工艺包括管理预备电路板,焊膏点涂,元件的贴装,以及回流焊参数。

然而,组装前很少评估电子元件焊接引线的状况和可焊性。这是因为假设工艺熟练程度足以缓解元件引线可接受参数的差异。在国防工业中,要求根据MIL-STD-202方法2087,8和其他行业(如汽车ISO-26262标准9)检测元件批次样品的可焊性。通常情况下,选择被测元件的样品,并在指定条件下进行测试,以测量元件引线的焊料润湿能力。评估过程是在焊料浸渍工艺后,通过目视检查引线上的焊料覆盖情况。这种传统过程是手工完成的、劳动密集型的、高成本的,并且只能对样品进行检查。

组装后的焊接质量评估作为自动光学检测(AOI)的组成部分10,同时完成机器学习卷积神经网络(CNN)11,12。借助放大镜手动检测焊接故障的平均真正准确率几乎为90%,在本案例中,使用CNN检测故障的准确率为84%。如果基于CNN的焊接质量视觉处理,在具有相同数量不同实例的大型数据集上进行培训,则其在达到人工水平的精度方面功能强大。

不幸的是,在许多情况下,这不足以确保所有组装元件的可靠接合。这是因为基本假设是从批次中抽取一个元件代表整个总体。同时,在许多情况下,这一假设屈服于电子元件贸易的现实。例如,目前的假冒元件可以与各种包装中的正品元件混合,避免被抽样筛查技术发现。另一个例子是卷盘封装内部的组件与卷盘外部的接触湿度不同13-16。

image.png

图4:表面粗糙度对发射率影响图示

可焊性评估方法

我们通过了解元件的焊接引线如何反射光线,以及可焊性差的元件引线如何反射光线,来对引线的可焊性进行分类。可以通过分析元件图像、分析其在UV/Vis波段的反射光谱来分析光反射。此外,可以根据引线反射率的逐渐降低来估计元件的表观年龄。

这些信息可以通过检查焊接引线的表面获得。我们发现,使用人工智能方法对元件图像进行视觉分析,可以检测出导致可焊性差的焊接引线的退化情况。为了训练一个将引线的图像和它的可焊性联系起来的模型,我们需要设计一个基于多个引线图像的神经网络。

可焊性估计算法

通过对元件焊接引线图像执行的深度学习方法估计可焊性。首先,使用制造商年份代码来计算每个元件的已制造年限。使用这些数据来培训模型,这样它可以使预测元件已制造年限的预测误差最小。

值得注意的是,制造年份并不直接反映引线的实际质量。这是由于存储和处理条件的不同,可能导致焊接引线加速老化,从而降低引线的“年限”。此外,在可焊性好和可焊性差的两种引线中,引线的状况仍有差异。

该网络被设计为适合线性回归模型,从而使从输入数据到直线的距离最小化。下一步是使用回归模型从验证集中预测元件的年限。按估计或预测的年限排序元件,然后我们选择一个分割点(年限值)将其分为两组。分割点在两组之间至少有三个标准差。

第一层使用无监督的方法评估来自同一运输包装(卷轴或托盘)的多个元件的批量均匀性。第二层使用分类算法将每个引线分类到一组制造年限。第三层使用分类模型将每个引线分为两类极端的可焊性状态:良好或较差的可焊性。

可焊性分析

本文提出了一种基于深度视觉检测(DVI)的无损质量体积法来评估电子引线的可焊性。该方法允许对所有组装元件进行实时评估。可在SMT贴装过程中及通过卷对卷来料检测实施。

可焊性与引线表面的腐蚀和金属间反应引起的表面反射率和可焊性退化有关。可以解释为光滑镜面反射,而不是老化的暗镜面反射。

image.png

图5:4种不同使用年限的0805电阻焊接引线表观年限分布直方图。2020年测量获得数据。2017年元件呈现单尾正态分布,2012年和2015~2016年元件呈现双尾正态分布。

通过多层分类网络获得被检测元件的可焊性,该网络可查看部件图像中的微观特征,根据外观制造年限将可焊性分类为可焊性良好和较差。这些模型是由不同制造年龄的相同类型的多个图像训练的,因此具有不同的可焊性条件。

图5显示了来自同一包装的元件可能具有不一致的可焊性。表观年限不是一个离散函数,因为它分布在一个年龄范围内。尽管大多数焊接引线的年限与其表观年限相匹配,但其中一些引线的表观年限更长。这种现象可能导致焊接质量降低和可靠性差。

呈现的结果允许连续实时100%元件筛选,分类精度超过97%,每个元件的处理时间约为7ms,允许元件组装期间的实时验证。这种方法在不增加硬件和加工时间的情况下,为彻底提高制造质量和可重复性铺平了道路。

结论

可以从电子元件外包装获得其质量证据。这是因为所有常见的假冒元件和处理不当元件案例都会在元件包装外部留下证据。

本文介绍了一种利用已安装在SMT设备上的贴装头摄像机或卷对卷检测设备在组装过程中拍摄的元件图像的方法。该方法利用图像处理和深度学习网络,根据大数据对元件的来源进行分类,大数据包含5亿个元件,且以一天3000万多个元件的速度增长。

本文提出了一种进一步估计元件焊接引线表观年限的方法,可作为元件鉴定算法的一部分。

本文还提出了一种通过100%检测电子元件来确保电子产品质量的新方法。确保所有组装元件的质量和真实性将会对电子产品质量产生巨大影响。

References

1."Electronic component solderability assessment algorithm by deep external visual inspection," by E. Weiss, 2020 IEEE Physical Assurance and Inspection of Electronics (PAINE), Washington, DC, USA, 2020.

2.“Supply Chain Optimization to Mitigate Electronic Components Shortage in Manufacturing of Telecommunications Network Equipment,” by A. Migalska and W. Pawlus, 2020 IEEE 29th International Symposium on Industrial Electronics (ISIE) (pp. 474-479). IEEE.

3.“Combined effects of surface oxidation and interfacial intermetallic compound growth on solderability degradation of electrodeposited tin thin films on copper substrate due to isothermal ageing,” by J. Wang, G. Chen, F. Sun, Z. Zhou, Z.-Q. Liu, and C. Liu Corros, Sci., vol. 139, pp. 383–394, 2018. 

4.“An overview of non-destructive testing methods for integrated circuit packaging inspection,” by P. Aryan, S. Sampath, and H. Sohn Sensors (Switzerland), vol. 18, no. 7, 2018. 

5.“System and Method for Detection Of Counterfeit and Cyber Electronic Components,” by E. Weiss, P-594746, 2019. 

6."SYSTEM AND METHOD FOR NONDESTRUCTIVE ASSESSING OF SOLDERABILITY OF ELECTRONIC COMPONENETS," P-603537, by Eyal Weiss, 2021.

7.“A review of lead-free solders for electronics applications,” by S. Cheng, C.-M. Huang, and M. Pecht, Microelectron. Reliab., vol. 75, pp. 77– 95, 2017.

8.“Method 208, Solderability,” by S. E. Harpe, et al, MIL-STD, no. 2, 2015. 

9.“Quantified fault tree techniques for calculating hardware fault metrics according to ISO 26262,” by N. Das and W. Taylor, 2016 IEEE Symposium on Product Compliance Engineering (ISPCE), 2016, pp. 1–8. 

10.“Advanced manufacturing Technology: A Solderability Inspection System,” by J.R. Villalobos-cano and W. C. Johnson, February 1991, pp. 144–149, 1992. 

11.“Optical Inspection for Soldering Fault Detection in a PCB Assembly using Convolutional Neural Networks,” by M. B. Akhtar, 2019. 

12.“Machine learning framework for predicting reliability of solder joints,” by S. Yi and R. Jones, Solder. Surf. Mt. Technol., 2019. 

13.“Moisture diffusion and vapour pressure modeling of IC packaging,” by E. H. Wong, Y. C. Teo, and T. B. Lim, 1998 Proceedings, 48th Electronic Components and Technology Conference, 1998, pp. 1372–1378.

14.“Moisture absorption and mechanical performance of surface mountable plastic packages,” by B. K. Bhattacharyya, W. A. Huffman, W. E. Jahsman, and B. Natarajan, 38th Electronics Components Conference 1988., Proceedings, 1988, pp. 49–58. 

15.“FEA simulation on moisture absorption in PBGA packages under various moisture pre-conditioning,” by L. T. Fai, in 2000 Proceedings, 50th Electronic Components and Technology Conference, 2000, pp. 1078–1082. 

16.“Moisture absorption and diffusion characterization of molding compound,” by X. Chen, S. Zhao, and L. Zhai, 2005. 

Eyal Weiss博士是Cybord公司创始人,任公司CTO。

分享到:
  点赞
  收藏
  打印

中国电子制造专业人士刊物

创于2003年

全国"一步步新技术研讨会"官媒

SbSTC服务号
actSMTC订阅号
扫一扫,掌握最新资讯
评论(0
已输入0
相关推荐
      
      
      
      
热门标签