0　引　言

在微电子封装技术中，金丝球焊接工艺由于工艺简单、成本低廉，是目前应用最为广泛的芯片连接技术[1]。

对于拥有一辆法拉利275 GTB的收藏家们来说，这套起拍价5000英镑的法拉利275 GTB工具包简直太实惠了。就像法拉利对待生产跑车时的专注一样，法拉利当年对这套完整的工具包也没少下功夫。工具包中包含Bellux路边反光警示牌、Battaini千斤顶、完整且稀有的飞利浦灯泡保险丝盒、整套法拉利专用扳手、螺丝刀以及调节化油器的特殊扳手。拥有这套装备外加一份完整的说明书，自己在车库动手进行保养就并非是一件不太可能完成的任务。据Bonhams当下的估价，这套法拉利275 GTB完整工具包很可能在2018年12月3日伦敦的拍卖会上拍出1万英镑的售价，当然这只是保守估价。

金丝球焊过程涉及的参数较多，这些参数直接影响封装质量的高低，研究各参数并对其进行优化对整个微电子封装过程来说非常重要。金丝球焊接时涉及的参数主要包括：焊接参数、弧度参数、尾线参数和冲击参数，其中以焊接参数和尾线参数对焊点的影响最为重要[2]。由于各参数包含的诸多指标与焊接质量之间的关系很难用单一的数学模型进行描述[2]，这使得金丝球焊接模型的建立比较困难，神经网络是用数理的方法从信息处理的角度对人脑的学习过程进行抽象从而解决非线性系统的建模问题[5]，本文根据神经网络这一特点利用BP神经网络(Back Propagation Neural Net work)建立金丝球焊接工艺质量的预测模型，经过反复学习和训练确定出神经网络结构中的各个参数值，并验证了其可靠性。

1　键合参数

1.1　正交实验

本文选取焊接参数和线尾参数作为实验对象，研究各参数中的具体指标对焊接质量的影响情况，其中焊接参数主要包含：焊接温度、换速高度、焊接速度、焊接时间、接触功率、接触力，尾线参数主要包含：球熔率、线尾长度、点火间隔[2]。微电子封装芯片内引线焊接质量检验的内容包括焊点状态检验和焊点强度检验。其中焊点状态检验可以利用外观目检测得到的焊球直径来描述，一般要求球形焊点的最终成球直径为金属丝直径的2.5～5倍[4]，而焊点强度主要通过对焊点样本做剪切力实验来描述。本文选用焊球直径和焊点剪切力值作为焊点质量的评价指标。

为了减少实验数量，对选取参数的九个指标进行L3249的正交实验，试验因素水平表如表1所示。共得到32组训练样本，部分样本如表2所示，其中Φ为金丝球最终成球直径，f为剪切力值。

表1　试验因素水平及范围

编号工艺参数/单位水平1水平2水平3水平4A焊接温度/℃200210220230B换速高度/tenth⁃mils40506070C焊接速度/h⁃mils/msec30405060D焊接时间/msec10152025E接触功率/mwatt40506070F接触力/gram50607080G球熔率2．02．22．42．6H线尾长度/tenth⁃mils90100110120I点火间隔/mil8121620

表2　正交试验表

序号ABCDEFGHI直径/μm剪切力/N1111111111760．1072122222222870．3373133333333980．33941444444441090．599︙︙︙︙︙︙︙︙︙︙︙︙32442131342970．259

1.2　试验结果分析

本文选用极差分析方法利用正交试验软件对试验数据进行分析，各参数对焊球直径和焊点剪切力的影响因素分析结果如图1和图2所示，通过极差分析可知对焊球直径影响较大的五个参数依次为：球熔率、接触功率、焊接温度、焊接时间、接触力，对焊点剪切力影响较大的五个参数依次为：接触力、接触功率、焊接时间、焊接温度、球熔率。综合该两项结果可以选取球熔率、接触力、焊接时间、接触功率、焊接温度等5个因素作为影响引线焊接工艺质量的关键参数。

图1　焊球直径分析结果

图2　焊点剪切力分析结果

2　神经网络模型

2.1　BP神经网络设计

[5] 葛哲学，孙志强.神经网络理论与MATLAB R200实现[M].北京：电子工业出版社，2007.

图3　焊点质量预测模型结构

本课题选用单隐层神经网络结构，隐含层为第一层，输出层为第二层。在其隐含层使用S形传递函数，在输出层使用线性传递函数，既可以以任意精度逼近任何函数[5]。所以，第一层传递函数选用非线性的正切S型传递函数tansig：f(x)=tanh(x)，第二层选用线性传递函数purelin：f(x)=kx。

因此，隐含层的输出为：a1=tansig(IW1,1P+b1)，模型输出为：

a2=purelin(LW2,1a1+b2)=purelin(LW2,1tansig(IW1.1P+b1)+b2)

式中，P为神经网络输入的向量，即为模型输入的五个关键参数，IW1,1为输入层到隐含层的权值，b1为输入层到隐含层的阈值，LW2,1为隐含层到输出层的权值，b2为输入层到隐含层的阈值。

2.2　神经网络确立

本文利用MATLAB的newff工具箱建立神经网络，其中的阈值和权值采用“learngdm”函数确定。由于隐含层结点数受试验数量、干扰信号及各样本规律的影响，本文并通过反复试验即试凑法确定隐含层最佳的节点数和动量项，依据经验公式[5]1确定取值区间：

其中：M是设计的输入层包含的神经元个数；N是设计的输出层包含的神经元个数。

大鼠首次ig半胱胺盐酸盐24 h后CO2吸入处死。打开腹腔，取出胃和十二指肠，10%甲醛固定2～5 min，沿胃大弯和十二指肠系膜对侧剪开，冲洗内容物，平铺在展板上，观察十二指肠损伤情况，拍照，图片记录。

表3　剪切力模型隐含层试验

动量项步数节点数0．90．80．70．60．50．40．318328564763245146××××192451727458291743104135276××2032548398964173249324×××21291033452638471453064852349271×2212598134551926320798235872642629739232745634628389424321044946××2432547367814234145637×××

表4　焊球直径模型隐含层节试验

动量项步数节点数0．90．80．70．60．50．40．318×4294848679××××19×301243244139258×××20×367454005243577×××21×2431328596374714328448525×22×1744120538254212754330249×233429133680384824217048560××2435571372814171644379×××

[3] 隆志力,韩雷,吴运新,周宏权.温度因素对热超声键合强度的影响试验研究[J].半导体技术，2005，30(6)：41-44.

图4　剪切力模型的误差训练曲线

图5　焊球直径模型的误差训练曲线

3　模型验证

第三方支付是指具备一定实力和信誉保障的独立机构，通过互联网对接而促成双方进行交易的网络支付模式。第三方支付作为独立的中间平台，它的两端连接着消费者，商户和国内外的各大商业银行，可以提供较为安全，独立，有保障的交易服务。第三方支付已经不仅仅是一种简单的互联网支付，现在运用第三方支付进行线上线下交易已成为主流。两种模式，一种运营模式是完全独立于电子商务网站，仅为用户提供支付解决方案而不负担保功能；另一种以B2C、C2C电子商务网站并提供担保功能的第三方支付模式。

表5　模型验证试验

项目次数焊接温度焊接时间接触功率接触力球熔率剪切力试验值预测值焊球直径试验值预测值12002060702．40．4680．47319897．856322101550702．40．340．34169695．859132201540802．40．5140．50719594．8233︙︙︙︙︙︙︙︙︙︙102302540802．00．5250．52627878．1586

4　结　语

本文对影响金丝球焊第一键合点的参数进行了研究，利用正交试验法和方差分析法对影响焊点直径和剪切力的各个参数进行研究和分析，最终从各参数中确定了影响焊接合质量的主要参数。本文提出了基于BPNN结构的金丝球焊工艺质量预测模型的构建方法，确定了神经网络模型结构中的各个参数值。实验表明本文提出的金丝球焊工艺质量预测模型具有较高的预测精度，可以为微组装焊接过程控制提供有效的指导。

2) 跨编程语言开发：软件主要使用C++和Python，同时兼容Java、Lisp等编程语言。ROS在编译时统一定义节点所传入传出的消息(Message)结构，并采用中立的接口转译给不同的开发语言。节点将消息发送到指定的话题(Topic)从而完成发布。若一个节点对某数据感兴趣，它只需订阅相关的话题即可。另外，节点间也可以通过服务(Service)实现请求和调用。

参考文献：

[4] 中国电子学会生产技术学分会丛书编委会，微电子封装技术[M].北京：中国科学技术大学出版社,2011.

一般情况下[2,2J+3]是隐含层结点数的分布区间，所以在训练周期固定的神经网络学习中可以选用不同的结点数对隐含层进行训练，将每次训练得到的到达目标误差的步数进行比较，以此为隐含层确定最合适的结点数[2]。试验中所选取的部分节点数与动量项及达到目标误差所需的步数如表3、表4所示。

在继“中银财富之夜-同一个梦”“中银理财爱理财爱生活－琴韵之声”系列活动的基础上，2018年11月15日,中国银行云南省分行特邀西班牙吉他大师班尼斯举办了“中银财富之夜-烈焰”客户专场音乐会，回馈广大客户对云南中行的大力支持。活动当天，近千名中国银行客户到昆明剧院现场感受音乐会。在西班牙吉他王子班尼斯的带领下，大家共同享受着西班牙弗拉明戈，古巴萨尔萨、巴西桑巴、巴黎华尔兹的浪漫之旅。

[2] 罗智芸，高健，陈新.基于BP神经网络的引线键合模型[J].半导体技术.2008，33(11):956-960.

选取10组测试样本作为测试数据输入到训练好的神经网络模型中，预测数据如表5所示。将预测数据与实际数据进行比较，得到模型输出的剪切力和焊球直径与实际值的平均误差分别为0.00389和0.15446，所产生的结果与实际的测量结果基本一致，因此对于本文提出的基于BP神经网络而建立的金丝球焊工艺质量预测模型方法是有效的。

表中显示了两个模型处于相应的隐含层节点数和动量项时到达目标误差所需的训练步数，“×”表示在规定步数内没有达到目标值。综合表格中的各组数据并兼顾训练时间本文将神经网络的隐含层节点数设计为22，动量项设计为0.8。由此得到的焊接质量预测模型训练误差趋势图如图4、图5所示。

[1] 陈新，李军辉，谭建平.引线键合机中复杂超声能量传递特性研究[J].半导体技术，2005，30(3)：32,35.

首先以农村市场为主的三四线城市现在欢迎什么样的产品？当大家都认为三四线市场主要欢迎便宜的产品时，有没有注意首先消费者强调的是“价廉物美”，什么叫物美？前提是产品质量好的同时价廉，是不以牺牲产品品质为前提，那请问这是”消费升级“还是”消费降级”呢？所以大家都在追求消费升级的路上。如果行业人士误判这是消费降级，消费者更欢迎便宜的产品，这是误把乡镇消费者的思维移植到二三线市场，甚至一线市场，这样误以为将是“回光返照”而非“顺势而为”。

由于三层的BPNN可以完成任意的n维到m维的映射[5]，因此本文选用三层神经网络结构，用正交试验分析得到的影响引线焊接工艺质量的5个关键参数作为模型输入，模型输出为焊点剪切力值和焊球直径。如图3所示。

[6] 杨文建,李小平,李朝晖,邱睿.超细间距引线键合第一键合点工艺参数优化试验研究[J].半导体技术,2005,30(4):20-23.

以配变设备为核心，从设备自身、电网环境、自然环境等方面系统分析影响配变设备运行相关因素，梳理相关信息来源，涵盖电力内部GIS、PMS、用采、营销等电力信息系统，以及外部气象、地理、人口等公开数据源，经采集、清洗、整合等预处理过程，构建基础宽表，为进一步的特征分析、建模判定坚实的基础。

[7] Hu S J，Lim G.E.Study of temperature parameter on the thermosonic gold wire bonding of high-speed CMOS[J].IEEE Trans on Components,Hybrids,and Manufacturing,1991,14(4)：855-858.

[8] Su CT,chiang TL.Optimal design for a ball grid array wire bonding process using a neuro-genetic approach[J].IEEE Transactions on Electronics Packaging Manufacturing，2005，25：13-18.

傅家遗址文化并没有很快被历史淹没。今天，在傅家遗址群落周围，陆续发现了属于龙山文化和岳石文化时期的营子、钟家、西杜疃等遗址，这些遗址正是傅家遗址文化的发展。它们绵延不绝，经过夏商的巫蛊文化，走到了周代高度发达的礼乐文化时期。姜太公封齐，“因其俗，简其礼”，使其获得新的生命力，终于发展成为在中国文化中具有重要地位的齐文化。傅家遗址的先民也许不是这片土地上最早的居民，但是，它却向我们传递出这片土地上最早的人类的信息。

[9] Chen J.L,Lin Y.C.A new approach in free air ball formation process parameters analysis [J].IEEE Transactions on Electronics Packaging Manufacturing,2000,23(2):116-122.

[10] 王福亮，李军辉，韩雷,等.键合时间对粗铝丝超声引线键合强度的影响[J].焊接学报，2006，24(5)：47-51.