引线键合过程信号_质量诊断_v1.pdf - 第4页
精密装备工程分析 • 原创技术综述 • 2026-11-13 • 第 4 页 5 可执行的数据与放行方案 最小记录结构 一张焊点主表连接三类附件：原始波形、显微图和破坏性测试记录。原始数据只追加，派生特征带算法版本； 返工、重测与报废不能覆盖原记录。维护事件要有时间边界，便于区分故障原因和维护影响。 交付项 检查标准 时间链 单位与时钟来源明确；触发点可复核 测试标签 方法、载荷方向、失效位置和试验设备明确 模型报告 分组策略、数据量、…
精密装备工程分析 • 原创技术综述 • 2026-11-13 • 第 2 页
3 把一个焊点变成可比较的数据对象
每个焊点需绑定唯一编号及工艺版本，建议保存设备、头号、工具寿命计数、线材/基板批号、焊盘位置、维护
时间与环境信息。时间序列应优先按真实事件标记对齐，不能仅按文件第一个样本对齐。
阶段/数据 需要检查 错误解释的风险
接触事件前 零点、噪声、预载状态 把接触时间偏移当材料变化
超声开启及稳态段 电流、功率、频率和位移的同步 采样时钟差导致虚假相位关系
超声停止/卸载 残余位移、回弹、断线状态 将回弹当塑性变形
剪切或拉力结果 试验方法、工具高度、破坏模式 不同测试方法的标签不可混用
示例：采样率并非越高越好
若某低频包络变化的目标带宽为 2 kHz，理论采样需高于 4 kHz，但实作还需抗混叠滤波及过渡带余量。此例
不代表超声载波采样要求。若目标是几十 kHz 载波相位，必须另按载波和同步要求设计采样链，不能拿低速日
志替代。
特征从可解释项开始
优先考虑接触延迟、稳态段平均功率、积分能量代理量、变形斜率和阶段持续时间。积分电功率是发生器输出
侧能量估计，不是焊接界面实际吸收能量；其含义必须按测量位置标注。
精密装备工程分析 • 原创技术综述 • 2026-11-13 • 第 3 页
4 验证集应隔离批次，而不只打乱焊点
相邻焊点往往共享工具、材料和温度。随机拆分同一批次可能让模型记住工况而不是学习质量机制。建议先按
批次、日期或工具更换周期分组，再划分训练、调参与最终测试集。标准化、缺失填补及特征筛选均只能在训
练数据上拟合。
示例计算：低缺陷率的错觉
假设 1000 个焊点中只有 10 个真实缺陷，模型一律预测合格便有 99% 准确率，却漏检全部缺陷。因此应同时
报告漏检率、误报率、查准率和按破坏模式分层的结果。对于连续强度预测，还应报告 MAE、偏置和低强度
尾部误差，不能只看 R²。
验证层次 必须回答的问题
离线留出批次 是否对未见材料批次和工具阶段仍有效？
维护前后 清洗、更换楔刀后是否产生分布漂移？
边界样本 低强度与正常外观不一致时能否识别？
生产旁路运行 只报警不自动改参数时误报负担多少？
异常处理与维护闭环
异常集中于某一焊盘时先查表面和支承；遍布所有位置且发生于工具更换后，先查装夹与校准；随寿命单调漂
移则检查磨损或污染。上述是诊断假设，必须用显微检查与抽样力学试验验证，不能根据相关性自动下结论。
模型遇到输入缺失、未见配方、信号饱和或明显漂移时应输出“不可判定”，转人工抽检，而不是强行给出高置
信度分数。
精密装备工程分析 • 原创技术综述 • 2026-11-13 • 第 4 页
5 可执行的数据与放行方案
最小记录结构
一张焊点主表连接三类附件：原始波形、显微图和破坏性测试记录。原始数据只追加，派生特征带算法版本；
返工、重测与报废不能覆盖原记录。维护事件要有时间边界，便于区分故障原因和维护影响。
交付项 检查标准
时间链 单位与时钟来源明确；触发点可复核
测试标签 方法、载荷方向、失效位置和试验设备明确
模型报告 分组策略、数据量、置信区间与不可判定比例齐全
维护联动 异常样本能回查设备、工具、材料和工艺版本
建议实施顺序
1. 先建立事件对齐与波形完整性检查，不急于训练复杂模型。
2. 由工程人员审阅一批典型正常、缺陷与不可判定样本，形成失效分类。
3. 用简单可解释基线与复杂模型比较，剔除实际生产无法获取的特征。
4. 独立批次测试后旁路运行，再决定是否用于抽检触发。强度预测不能自动取消产品要求的力学测试。
结论
过程监测的价值在于缩短排障与反馈时间。只有当数据对齐、标签有效性和跨批次验证成立，波形特征才可能
成为稳定质量线索。把预测系统作为辅助诊断，而非未经验证的放行权威，是较稳妥的工程路径。
参考来源（访问于 2026-11-13）
[1] Kulicke & Soffa，Wedge Bonding，官方工艺介绍。
https://www.kns.com/products-services/wedge-bonding
[2] Buchner C. 等，Machine learning-based shear force quality prediction of ultrasonic wire bonds: utilizing process data and
machine data without additional sensors，2024。DOI: 10.1007/s00170-024-14055-z。
https://link.springer.com/article/10.1007/s00170-024-14055-z