Design of Experiments (DoE) als Grundlage für Machine Learning beim Selektivwellenlöten von THT-Lötstellen

Selektivwellenlöten von THT-Bauteilen ist ein kritischer Prozess in der Elektronikfertigung

THT-Wellen und Selektivwellenlöten sind zwar Standardverfahren in der Elektronikfertigung, weisen aber erhebliches Optimierungspotential auf. Der Prozess ist komplex und besonders die Designphase ist dabei kritisch, weil sie definiert, ob der Lötprozess Erfolg haben wird und die Lötqualität stimmt. Daher ist eine fertigungsgerechte Produktgestaltung von höchster Wichtigkeit. Das wichtigste Kriterium ist dabei der Lotdurchstieg.

Um die Fertigungsgerechtigkeit einer THT-Lötstelle (Design for Manufacturing) zu prüfen ist die Umfangreiche Kenntniss des Prozessfensters notwendig.

Im Rahmen dieser Arbeit soll mit Hilfe von statistischen Versuchsplänen – Design of Experiments (DoE) – das Prozessfenster beim Selektivwellenlöten systematisch erfasst werden. Dies ist die Voraussetzung für eine modellbasierte Optimierung mit Hilfe von maschinellen Lernverfahren.

 

Dies beinhaltet:

  • Theoretische Einarbeitung in die Elektronikproduktion und Design of Experiments (DoE)
  • Planung der Versuchsreihen
  • Durchführung und vollständige Dokumentation der Versuchsdurchführung
  • Analyse und Interpretation der Ergebnisse
  • Vollständige Dokumentation der Arbeit

Vorkenntnisse und Voraussetzungen in folgenden Bereichen:

  • Elektronikproduktion (SMT, THT) wünschenswert
  • Kenntnisse in Python und maschinellen Lernverfahren wichtig
  • Selbstständige, gewissenhafte Arbeitsweise (unabdingbar)
  • Ausgezeichnete Deutsch- und sehr gute Englischkenntnisse in Wort und Schrift

Bitte wenden Sie sich bei Interesse mit Lebenslauf und vollständiger Notenübersicht per Mail an Reinhardt.Seidel@faps.fau.de

Kategorien:

Forschungsbereich:

Elektronikproduktion

Art der Arbeit:

Bachelorarbeit, Masterarbeit, Projektarbeit

Studiengang:

Energietechnik, Informatik, IPEM, Maschinenbau, Mechatronik, Medizintechnik, Wirtschaftsingenieurwesen

Technologiefeld:

Künstliche Intelligenz und Maschinelles Lernen, Medizintechnik

Kontakt:

Dr. Reinhardt Seidel, M. Sc.

Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS, Prof. Franke)