Como garantir a previsibilidade do PCB?

Se hai un xeito de garantir a fiabilidade dun produto, asegúrase a previsibilidade do mesmo PCB é unha parte importante do produto. De feito, os PCB son agora unha parte fundamental de case todos os dispositivos electrónicos, desde teléfonos ata sistemas informáticos. De feito, da automoción á defensa, da aviación á tecnoloxía, ningunha industria é PCB omnipresente.

ipcb

En todas estas industrias, a fiabilidade do produto é fundamental. Tanto se se trata de tecnoloxía médica como de aviación, calquera erro pode resultar caro. Do mesmo xeito, no campo médico, os fallos nos equipos poden ter consecuencias terribles, dando lugar á perda de vidas.

O que isto require é que o método tradicional de previsibilidade sexa a refundición. Os métodos tradicionais de previsibilidade adoitan basearse en comprobacións físicas. Non obstante, as inspeccións teñen a desvantaxe inherente de comprobar só os defectos externos. Ademais, outro problema ao que se enfronta a inspección física é que o microslicing e a inspección convértense nun pesadelo loxístico cando os PCBS son complexos e teñen moitos buratos pasantes. Se só se comproban algúns buratos, o proceso pode ser infalible. Debido á alta diversidade de produtos, as ferramentas estatísticas tradicionais son insuficientes para identificar os defectos

Outra desvantaxe importante do proceso de inspección é que pode ter lugar despois de que remate o proceso de fabricación. En primeiro lugar, o proceso é caro. En segundo lugar, o defecto pode estar doutro xeito relacionado, polo que outros lotes tamén poden verse afectados.

Para PCBS con alta complexidade e diversidade de produtos, a previsibilidade das probas tradicionais non se pode garantir é máis importante.

A solución a este problema é empregar unha análise de datos extremadamente completa, automatización de probas e dixitalización. Son estatísticas completas que levan a fiabilidade e rastrexabilidade. Cunha predición de datos fiable, pódese facer unha predición precisa. Pódese invocar calquera comportamento anormal e eliminar produtos atípicos.

Isto require basicamente que todos os datos dispoñibles se almacenen de forma centralizada. Practicamente todas as máquinas precisan ser programadas con interfaces para cargar todos os datos nun repositorio centralizado. Isto á súa vez permite unha análise de datos en profundidade. Tamén garante que, a diferenza do proceso de inspección física, se produza unha correlación relevante en caso de fallo. Non obstante, incluso aquí hai desafíos xa que os datos proveñen de varias fontes e tradúcense en numerosos puntos de datos. Este problema pódese superar formalizando un formato de procesamento de datos en dúas etapas. A primeira etapa é normalizar os datos e a segunda etapa é analizar os datos normalizados. A análise científica de datos significa que non ten que confiar en atopar problemas ao final do proceso de fabricación e despois responder a eles de forma reactiva. Pola contra, permítelle anticipar proactivamente os problemas e garantir que se minimice a probabilidade de fallo. Isto pódese facer cando se controlan as variables de entrada do proceso. Pola súa banda, controla os atrasos, que poden resultar extremadamente custosos.

Aínda que a previsibilidade pode ser alta, o certo é que o custo do fracaso o supera.