Автоматизированная система контроля паяных соединений на основе модели нейронной сети адаптивно-резонансной теории

• Автор: Ерёмин, Олег Юрьевич
• Шифр специальности: 05.13.12
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Москва
• Количество страниц: 139 с. : ил.

Содержание
Введение
Глава 1. Анализ состояния проблемы контроля качества микроэлектронных
изделий в процессе производства
1.1. Этапы жизненного цикла изделий микроэлектронной аппаратуры
1.2. Проектирование и контроль качества изделий микроэлектронной аппаратуры
1.3. Системы автоматизированного рентгеновского контроля
1.4. Проблемы распознавания дефектов при автоматизированном рентгеновском
контроле
1.5. Методы распознавания образов
1.6. Нейросетевые методы распознавания образов
1.7. Выводы
Глава 2. Разработка модели системы распознавания на основе нейронной сети адаптивно-резонансной теории
2.1. Формальная постановка задачи распознавания образов
2.2. Представление образов для кластеризации
2.3. Общая структура нейронной сети ART1
2.4. Модель первого и второго слоев нейронной сети
2.5. Модель подсистемы ориентирования
2.6. Анализ устойчивого состояния
2.7. Законы обучения
2.8. Выводы
Глава 3. Метод автоматизированного контроля паяных соединений печатных плат при рентгеновском контроле
3.1. Этапы распознавания образов
3.2. Предварительная обработка и извлечение признаков
3.3. Алгоритм распознавания образов на основе нейронной сети адаптивнорезонансной теории
3.4. Особенности работы ART1
3.5. Выводы
Глава 4. Результаты исследования и экспериментальная оценка эффективности метода контроля паяных соединений на основе модели адаптивно-резонансной теории

4.1. Разработка программного обеспечения контроля качества на основе модели адаптивно-резонансной теории
4.2. Разработка методики и программы экспериментальных исследований
4.3. Работа нейронной сети при различных значениях параметра бдительности
4.4. Результаты эксперимента и анализ экспериментальных данных
4.5. Рекомендации по применению системы контроля качества паяных соединений
4.6. Выводы
Выводы по диссертации
Литература
Приложение 1. Программа для ЭВМ
Приложение 2. Акты внедрения

Введение
Актуальность работы.
Современный подход при подготовке и реализации технологических процессов во всех областях производственной деятельности требует интеграции систем автоматизации проектирования (САПР, АСТПП, АСУТП) на основе организации информационной поддержки, как отдельных этапов, так и всего жизненного цикла изделий. В качестве базы такой интеграции могут рассматриваться подходы на основе САЬЗ-технологий. Особенно это актуально в таких наукоемких областях, как микроэлектроника.
Производство микроэлектронных изделий требует высокого уровня автоматизации основных и вспомогательных этапов, а также контроля каждого из них. Необходимость в этом объясняется высокими темпами развития элементной базы, требованием к повышению скорости проектирования и разработки изделий, увеличением объемов и сложности проектных работ. Поэтому основная сложность контроля и принятие на его основе соответствующих проектных или производственных решений связана с многокритериальностью оценки качества реализации каждого этапа или отдельных операций.
Повышение качества микроэлектронной аппаратуры (МЭА) требует анализа соответствия выполнения технологических операций, прежде всего качества паяных соединений печатных плат.
Анализ дефектов паяных соединений позволяет определить причины, которые привели к их возникновению (нарушение условий проведения технологического процесса; нарушение принципов проектирования микроэлектронной аппаратуры), и при необходимости внести изменения в проектную или технологическую документацию для устранения повторного возникновения дефектов.
Существующие сегодня системы автоматизированного оптического контроля (АОК) позволяют выявлять большое количество дефектов на печатных платах: неправильная установка компонентов, отсутствие припоя или, наоборот, его излишнее количество, и т.д. Миниатюризация и, следовательно, повышение плотности монтажа требует применения более качественных методов с точки зрения пространственного разрешения при контроле, а также новых технологических решений на основе модернизированных конструктивных элементов. Использование компонентов с

предполагает предварительное выделение инвариантных признаков, а затем проводить классификацию на их основе, но данный подход возможен при глубоком анализе поставленной задачи.
В [74] отмечается, что « Для решения задачи распознавания образов применительно к изображениям, полученным в результате рентгеновской съемки, необходимо учесть ряд проблем, указанных в п. 1.4. Это позволяет определить требования к использованию нейронной сети:
1) нейронная сеть должна иметь способность к адаптивности;
2) возможна работа без обучающей выборки (то есть обучение нейронной сети могло бы осуществляться в процессе работы);
3) нейронная есть при имеющейся адаптивности должна быть стабильной;
4) нейронная сеть должна формировать устойчивые кластеры;
5) нейронная сеть должна иметь возможность менять свою чувстивельность.
Подобной нейронной сеть, обладающей всеми вышеперечисленными свойствами, является модель нейронной сети ART1.
Существующие на тот момент сети Гроссберга [114], конкурентные сети и карты самоорганизации [116] с одной стороны позволяли решать вопрос адаптивности, то есть проблему пластичности. Но с другой стороны, не существует гарантии, что, после предъявления нейронной сети всех возможных входных образов, матрица весовых коэффициентов будет сходящейся. Решением данной проблемы, проблемы стабильности, и стала адаптивно-резонансная теория (APT, ART - Adaptive Resonance Theory), которая является модификацией нейронной сети конкурентного обучения. Таким образом, ART позволяет разрешить дилемму стабильности/пластичности (stability/plasticity dilemma) [93, 95].
Нейронная сеть ART1 наследовала многие элементы сети Гроссберга [114]. Сама же сеть Гроссберга была разработана на основе анализа работы сетчатки глаза, когда клетки нейронной сети сетчатки возбуждаются для выделения информации,