当前位置:网站首页>工程师必看:常见的PCB检测方法有哪些?
工程师必看:常见的PCB检测方法有哪些?
2022-07-30 05:45:00 【深圳华秋电子】
PCB 检测,是 PCB 生产过程中极其重要的步骤,是必不可少的生产流程。
所谓 PCB 检测,就是检验 PCB 设计的合理性、测试其在生产过程中可能出现的问题或缺陷,确保产品的功能性和外观,提高最终产品的生产良率。
通常,PCB 检测可分为两大类:人工目视检查、设备仪器检查。
人工目视检查人工目视检查,即是人工检查 PCB 的表观、焊盘、阻焊油墨、外层线路的走线等是否存在明显的缺陷,简单、直接,但效率不高,且受人员技能熟练程度的影响。
然而,人工目视检查,在目前仍是最广泛的检测方法。它只需要较低的预先成本,且没有测试工装夹具的需求,只需要一个作业员,配备简单的放大镜或显微镜,即可实现,可以灵活地变化,可以很好地适应产品的变化,因此,各大 PCB 板厂目前仍广泛采用。它的主要缺点是:检测结果受作业员的主观误差影响、培训成本较高、数据收集与整理困难等。
目前,由于 PCB 逐渐往精密方向发展,客户对产品的可靠性要求越来越高,中高端的 PCB 生产厂家,开始逐渐以设备仪器检查为主。
现在,给大家分享几种常见的设备仪器检查方法:
01
自动光学检测 (AOI)
AOI 通常使用设备上的相机对线路板进行自动扫描,以此来测试板子的质量。AOI 通常在回流前后、电气测试之前使用,提高电气处理或功能测试阶段的合格率,此时纠正缺陷的成本远远低于最终测试之后进行的成本,然而 AOI 设备通常无法识别束 bundles 下的缺陷。
02
自动 X 光检测 (AXI)
自动 X 光检测 (AXI)主要用来检测 PCB 内层线路,主要应用于高多层 PCB 电路板的测试。
03
飞针测试
它利用设备上的探针在需要 ICT 电源的情况下从线路板上的一个点到另一个点测试(因此得名“飞针”)。由于不需要定制夹具,可用于 PCB 快板和中小批量线路板的测试场景。
04
老化测试
通常情况下,通过对 PCB 进行加电,在设计许可的极端恶劣环境下对其进行极限老化测试,看其能否达到设计的要求。老化测试一般需要 48 到 168 小时。但此测试并非适用于所有用途 PCB,老化测试会缩短 PCB 的使用寿命。
05
X 射线检测测试
X 射线可检测线路的连通性,内外层线路是否有鼓包和划伤的情况。X 射线检测测试有 2-D和 3-D AXI 测试,3-D AXI的测试效率会更高。
06
功能性测试 (FCT)
通常模拟被测产品的操作环境,并作为最终制造前的最后一步完成。相关测试参数通常由客户提供,并且可能取决于 PCB 的最终用途。通常将计算机连接到测试点以确定该 PCB 产品是否满足其预期容量。
当然,随着仪器设备的发明、更新,仪器设备检查方法其实会一直地发展,不断地增加,例如:
PCB 污染测试:用于检测板子上可能存在的导电离子
可焊性测试:用于检查板子表面的耐用性和焊点质量
显微切片分析:对板子进行切片以分析板子出现的问题的原因
剥离测试:用于分析从板上剥离出的板板材,以测试线路板的强度
浮焊测试:确定 PCB 孔的进行SMT贴片焊接时的热应力水平
其它测试环节可以与 ICT 或飞针测试工序同步进行,以更好的保证线路板的质量或提高测试的效率。工厂一般根据 PCB 设计的要求、使用环境、用途和生产成本来综合确定使用一种或几种测试组合进行 PCB 的测试,以提高产品的良率和可靠性。
华秋作为目前线上出色的 PCB 快板打样及中小批量生产商。我们有高精密的生产检测设备和完备的产品质量管控体系,不断优化工艺水准,提升管理能力,目前,华秋所生产的 HDI 板最小线宽线距已达 2.5/3 mil。
高可靠是华秋的承诺,也是华秋矢志不渝的坚持。我们在品质上向传统大厂对齐,同时在售后服务上争取更上一层楼,致力于为广大客户提供高可靠多层板制造服务,欢迎大家持续关注!
关于华秋
华秋电子,成立于 2011 年,是国内领先的电子产业一站式服务平台,国家级高新技术企业。华秋以“匠心服务与合作共赢”为经营理念,布局电子发烧友网、项目方案开发、DFM 软件、PCB 智能工厂、PCB 电商、元器件电商、元器件仓储中心、SMT/PCBA 加工厂等多个生态模块,为全球 30 万+客户提供了高品质、短交期、高性价比的一站式服务。
边栏推荐
- Pytorch(二):数据读取机制(DataLoader、DataSet)与图像预处理模块(transforms)
- 基于全球模式比较计划CMIP6与区域气候-化学耦合模式 WRF-Chem 的未来大气污染变化模拟
- 大气颗粒物 PMF 源解析
- XMLBean的基础运用
- QT串口动态实时显示大量数据波形曲线(五)========“最终完美解决版”
- 通过位运算进行字符大小写转换
- 二叉树(一):深度优先遍历与广度优先遍历
- survivor区对象何时进入老年代(深入理解jvm中表述不准确的地方)
- Pytorch(三):可视化工具(Tensorboard、Visdom)
- 基于PyTorch深度学习无人机遥感影像目标检测、地物分类及语义分割
猜你喜欢

MySQL data types and footprint

新导则下 防洪评价报告编制方法及洪水建模(HEC-RAS)

CNN经典模型发展进程

十一、Kotlin进阶学习:1、集合;2、List操作;3、可变集合——MutableList;4、Set;5、Map;6、MutableMap;

Atmospheric particulate matter PMF source analysis

QT连载4:基于QT和STM32H750的LORA试验平台(3)
![Massive remote sensing data processing and application of GEE cloud computing technology [basic, advanced]](/img/38/239933ac987da762135db2d13902d0.png)
Massive remote sensing data processing and application of GEE cloud computing technology [basic, advanced]

常用损失函数(二):Dice Loss

Target detection, object classification and semantic segmentation of UAV remote sensing images based on PyTorch deep learning

基于R语言地理加权回归、主成分分析、判别分析等空间异质性数据分析
随机推荐
AAcell五号文档室——跨平台文件传输的小室一间一间的
边境的悍匪—机器学习实战:第七章 集成学习和随机森林
【正点原子】sys.c、sys.h位带操作的简单应用
边境的悍匪—机器学习实战:第十一章 训练深度神经网络
ipconfig命令指南
Map making of environmental impact assessment based on remote sensing interpretation and GIS technology (the latest guidelines)
联影医疗一面
树莓派OpenCV+OpenCV-contrib
Kaggle-M5
2021-09-16 集成学习上--task1机器学习数学基础
Shardingsphere depots table and configuration example
基于PyTorch深度学习无人机遥感影像目标检测、地物分类及语义分割
Generalized Focal Loss 论文阅读笔记
用pop3收取gmail的邮件
原型模式(Prototype):Swift 实现
边境的悍匪—机器学习实战:第三章 分类
ipconfig Command Guide
Pytorch(一):动态图机制以及框架结构
R-GIS: 如何用R语言实现GIS地理空间分析及模型预测
海量遥感数据处理与GEE云计算技术应用【基础、进阶】