Modellbasierte Optimierung des Selektivwellenlötprozesses

Files
Seidel_Diss_MB_425.pdf (6.32 MB)
Diss. Reihe Maschinenbau, Band 425

Language
de
Document Type
Doctoral Thesis
Granting Institution
Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Technische Fakultät
Issue Date
2023
Authors
Seidel, Reinhardt
Editor
Franke, Jörg
Hanenkamp, Nico
Hausotte, Tino
Merklein, Marion
Müller, Sebastian
Schmidt, Michael
Wartzack, Sandro
Publisher
FAU University Press
ISBN
978-3-96147-652-7
Abstract

THT-Bauteile sind entscheidende Komponenten zur Realisierung globaler technologischer Trends speziell im Bereich Automatisierung, E-Mobilität und Digitalisierung. Ein Großteil der leistungselektronischen Flachbaugruppen wird dabei mit SMT- und THT-Bauteilen bestückt. Der industrielle Stan-dard zur Lötung der THT-Bauteile ist der Selektivwellenlötprozess. Der Lotdurchstieg als Maß für die Prozessqualität wird dabei besonders durch das Design der THT-Lötstelle beeinflusst. Auf Grund der multivarianten Einflussparameter des physikalisch komplexen Prozesses mit Material- und Wärmetransport ist weder die Vorhersage noch die zuverlässige Absicherung der Lötqualität mit aktuellen Designrichtlinien möglich. Die Absicherung der Fertigbarkeit verlangt daher einen Modellierungsansatz, der alle Einflussparameter und den Selektivwellenlötprozess vollständig abbildet. Ziel dieser Arbeit ist es, den THT-Lotdurchstieg als Kriterium der Fertigbarkeit mit einem datenbasierten Prozessmodell vorherzusagen und zu optimieren. Dafür werden die Einflussparameter des Lötprozesses mit Hilfe statistischer Versuchsplanung, multiphysikalischer Simulationsmodelle sowie einem analytischen Berechnungsansatz eingehend untersucht. Auf dieser Grundlage werden maschinelle Lernalgorithmen eingesetzt, um den Prozess mit Lötexperimentdaten zu modellieren. Mit Hilfe des ML-Modells und heuristischen Optimierungsroutinen wird zudem ein Vorgehen entwickelt, mit dem der Flussmittelauftrag und der Lötprozessablauf optimiert und geeignete Lötparameter empfohlen werden können.

Abstract

Through hole mounted components are important electronic devices to enable global technological trends especially in automation, e-mobility and digitalization. As the mixed SMT- and THT-component placement accounts for the major portion of power electronic modules, selective wave soldering of the THT-components is industry standard procedure. The process quality is measured by means of solder hole fill which is primarily affected by the solder joint design. The soldering pro-cess incorporates complex physical interrelations involving thermal and material flow with multivariant impact parameters between design and hole fill. Therefore, neither a design dependent hole fill prediction is available nor do the state-of-the-art design rules reliably guarantee manufacturabil-ity. Hence, to ensure manufacturability a process model is required that accounts for all relevant process impact factors and can predict the selective wave soldering process result in terms of hole fill. The objective of this work is to predict and optimize the hole fill as the criterion of manufacturability based on a data driven modeling approach. Therefore, the impact factors are investigated by means of design of experiments, multi-physics simulation and analytical calculation procedures. A machine learning model is used to model the soldering process by means of historical experimental data. To optimize all aspects of the soldering process and recommend suitable process parameters, the fluxing and soldering process is optimized using a grid search, heuristical traveling salesman algorithms and a Monte Carlo simulation.

Series
FAU Studien aus dem Maschinenbau
Series Nr.
425
Citation
mb.fau.de/diss
Description
Parallel erschienen als Druckausgabe bei FAU University Press, ISBN: 978-3-96147-651-0
DOI
URN
Faculties & Collections
Zugehörige ORCIDs