基于大数据分析的VCP配方动态补偿

胡忠华，宋 亮，曹佳松

（深南电路股份有限公司，深圳 518117）

0 引言

PCB电镀品质直接影响电子器件的装配效果，高精密产品尤为关注此项参数[1]。目前产线人员从电流密度等方面考虑，得出药水经验计算公式，但由于电镀实际工况较为复杂，人工对电镀参数进行控制存在许多变动因素，稳定性较差。

图1 电镀铜原理

从图1中可知，电镀液主要由硫酸铜、硫酸、氯离子和添加剂组成。其中硫酸铜、硫酸和氯离子的电化学性质较为稳定，而添加剂在使用的过程中由于电化学作用会产生对电镀稳定性产生较大影响的杂质TOC（总有机碳），根据正交试验可知，添加剂的稳定性是影响电镀品质的最主要因素之一[2]。

孔铜质量是PCB电镀品质的主要衡量标准，而TP（深镀能力）又是衡量孔铜质量的重要指标，从而对TP数据的处理分析可以快速得出电镀品质的好坏[3]。

本文通过长期的跟踪记录，结合电镀工艺监控记录中的海量数据，对高厚径比PCB板的深镀能力进行大数据分析，总结出深镀能力在TOC值持续上升影响下的变化规律，从而依据大数据分析并建立电流密度补偿模型计算出电流密度补偿系数；进行试验仿真，监控使用动态配方下的电镀合格率，验证本方法的准确性和有效性。试验结果表明，基于大数据分析的方法能够有效地对电镀配方参数进行预测，提高PCB板件的电镀稳定性和合格率。

1 VCP电镀药水可靠性分析

目前南通工厂使用的电镀药水TOC（总有机碳）值升高较快，监控电镀药水TOC值并分析电镀后板件的可靠性能。以VCP2#线为实验对象，测试项目为：

1）每半个月测试药水TOC值，同时记录时间节点电量值；

2）固定用厚径比为8:1的万孔板测试其深镀能力。

VCP2#线药水TOC值与深镀能力关系如下：

表1 VCP2#线TOC值与深镀能力关系表

续（表1）

VCP2#线深镀能力随TOC值升高的变化曲线如图2所示。

图2 VCP2#线深镀能力随电量变化曲线

从图2可以看出随着TOC值升高，药水的深镀能力随之下降。

2 基于大数据处理的电流密度预测方法

大数据技术，就是通过对海量数据进行处理和分析，挖掘其中隐藏的规律，而电镀监控记录的海量数据为利用大数据处理实现电流密度预测提供了可能[4]。

2.1 数据的收集与初步整理

目前，南通工厂的的电镀配方逻辑如图3所示。

图3 未进行动态补偿时的电镀配方逻辑图

如果以图中逻辑进行电镀配方的设置，只能得到一个理想状态下的配方值。随着产线的持续作业，TOC值不断上升，若不进行参数的调整就会使PCB板（尤其是高厚径比PCB板）的电镀品质变得极不稳定[5]。

收集过程物理室所有的电镀工艺监控数据，对监控数据中各变量进行重要性分析，结果表明，影响电镀品质的主要因素包括药水使用时间、线体差别、厚径比等参数。以VCP2#线为实验对象，收集这条线中药水一个生命周期内的厚径比与深镀能力数据，主要对高厚径比的PCB板进行研究与分析。

2.2 数据细化分析

将VCP2#线的电镀监控数据筛选出来后，主要影响电镀深镀能力的就为时间变化与板子的厚径比，继续筛选出电镀药水一个生命周期（3月1日至7月底）的时间跨度中，高厚径比PCB板的电镀监控数据。以设备每周保养时间为时间节点，统计出其每周的深镀能力平均值和板件合格率，生成深镀能力在药水一个生命周期内总变化的折线图，并拟合出回归曲线。

表2 3月～7月深镀能力及板件合格率统计表

深镀能力随时间变化折线图及其回归曲线：

图4 深镀能力随时间变化曲线

由折线图可见，随着使用时间的增长，高厚径板的深镀能力随之下降，最终在70%左右波动，极不稳定，板件的合格率较差。

2.3 模型建立和测试

通常情况下，以大数据为驱动的电镀配方参数预测可以采用线性或非线性回归的建模算法，探究TOC值与电流密度之间隐藏的回归函数关系。但由于电镀液TOC值测量过程较为繁琐，考虑到时效性，使用基于时间序列的建模算法[6]。根据已建立的电流密度在电镀药水生命周期中某一时间节点相对于深镀能力的函数关系模型，对未来对应时间节点的电流密度值进行预测。

根据法拉第电解定律、电化当量和电流效率公式联立可得：

将其中各参数依据现场实际生产情况进行推导，可得药水经验公式：

其中：h理论铜厚：为客户要求的镀铜厚度；v线速：为电镀板在垂直连续缸体内的行进速度；ρ电流：理论得电镀电流密度值；TP：深镀能力值；

综上，电流密度ρ电流与深镀能力TP之间的将维持一个确定的函数关系，其乘积为定值：

设电镀药水生命周期中初始时间的基准电镀深镀能力为TP0，使用的电镀配方基准电流密度值为ρ0，那么，在经过某一段时间后，由于TOC值的上升，电镀深镀能力变为TPn，电流密度值变为ρn，故：

可推倒出电流密度补偿系数k：

设定一个初始电流密度值作为对照值，统计出该补偿系数在每一个时间节点的变化比例，即可求得后续对应时间节点上的电流密度值：

通过上一节内容的3月～7月底的深镀能力大数据统计值，将第1周的深镀能力数据作为初始对照值，统计出该补偿系数对应时间节点的变化表：

表3 电流密度补偿系数K跟随时间节点变化表

表4 配方动态补偿下板件合格率提升表

生成电流密度补偿系数k跟随时间节点的变化折线图如图5所示。

图5 电流密度补偿系数k随时间节点变化图

显然，从图中可以看出，随着时间的增长，电流密度补偿系数k最终稳定在1.15左右。

然而由于电流极化曲线的存在，在使用补偿系数对电流密度进行补偿时，需注意电流密度是否达到其限值32.5A·dm-2，否则只能降线速以保证电镀的质量[7]。

综上，总结出高孔径比PCB板经过动态配方补偿的电镀逻辑，流程图如下：

图6 使用动态配方补偿的高孔径比电镀配方逻辑流程图

可见，将动态配方补偿加入到原有的电镀逻辑中时，可以对原有的电镀逻辑进行很好的完善，对电镀稳定性和合格率的提高提供了强有力的保障。

3 试验结果及分析

电镀2#线8月15号更换新的电镀药水，使用本文的VCP配方动态补偿算法加入到电镀配方的新参数计算中。搜集2#线从10月27～11月15中高孔径比PCB板的电镀监控数据，并在该时间段对某些大孔径比板件使用动态补偿，从而对比在使用电流密度动态补偿时板件合格率是否有所提升，以探究本模型的准确性。

由表4可见，在增加电镀配方动态补偿时，深镀能力相对于之前有着明显的提高，板件合格率也有着明显的增长，虽然测试数据量较小，但也足以说明本文基于大数据的VCP配方动态补偿是准确和有效的。

后续可以继续对不同线体的电流密度补偿系数k进行计算和总结，并进行大量的试验仿真进行验证，最终配置到VCP配方项中进行使用。

4 结语

本文针对于电镀板件合格率随着电镀药水可靠性下降而降低的情况，基于大数据分析的方法，采集过程物理室海量的电镀监控数据，使用基于时间序列的建模算法，对电流密度值进行预测，改进现有的电镀配方参数求取逻辑。经现场验证可知，本文的VCP配方动态补偿方法可以显著的提高VCP板件的电镀稳定性和合格率，为公司节约生产成本，提高生产效益。