IGF-Nr.: 22.131 N / Datenbasierte Modellierung des Selektivwellenlötens zur Vorhersage der Lötqualität

Product information

Elektromobilität und erneuerbare Energien sind große technologische Treiber unserer heutigen Gesellschaft, die hohe Leistungsanforderungen in Kosten, Leistungsdichte, Qualität und Lebensdauer an die Elektronik stellen.
THT-Bauelemente sind auf Grund ihrer guten mechanischen, thermischen und elektrischen Eigenschaften der Lötstellen im Vergleich zu SMT-Komponenten weiter ein wesentlicher Bestandteil der heutigen Flachbaugruppenfertigung.
Die thermische Gestaltung von THT-Lötstellen in Multilayerleiterplatten mit hohem Kupferanteil hat hier einen wesentlichen Einfluss auf die Fertigbarkeit. Trotz vorhandener Designrules und Erfahrungswissen in den Unternehmen sind THT-Lötstellen häufig ein Engpass in der Fertigung. 
Das Ziel des Forschungsvorhabens ist die Entwicklung eines anwenderfreundlichen Tools, das im Sinne von Design for Manufacturing, die Bestimmung der Lötbarkeit von THT-Lötstellen erlaubt. Mit dieser Anwendung können besonders KMU Unternehmen mit high Mix-low Volume Fertigungen ihre Wettbewerbsfähigkeit verbessern durch kürzere Time-to-Market, kürzere Prozessdefinition und kürzeren Taktzeiten dank fertigungsgerechten Produktgestaltung.
Das Tool basiert auf trainierten machinellen Lernalgorithmen (ML). Für die Generierung der ML Modelle zur datenbasierten Modellierung des Selektivwellenlötprozesses werden Lötdaten zusammengetragen. Diese stammen aus Laborversuchen als auch aus industriellen Fertigungsdaten mit realen Produktlayouts aus dem projektbegleitenden Ausschuss. Auf der Grundlage der so erzeugten Datensätze werden ML Modelle trainiert und für das ML Tool ausgewählt. Dieses wird zum Transfer der Forschungsergebnisse für die Wirtschaft zugänglich gemacht. Zudem können die methodischen Erkenntnisse in einem DVS-Merkblatt "Datenbasierte Prozessmodellierung" zusammengefasst und so Unternehmen an die Hand gegeben werden.

Reihe

DVS Forschungsvereinigung,

Band

Band: 596

Erscheinungsdatum

September 2024

Bindung

E-Book im PDF Format

Seiten

74

Available downloads: