Optimization of Solder Paste Printing Parameters for High-Density SMT Micro-Assembly Using Taguchi Method

기술 요약: 다구치 기법을 이용한 고밀도 SMT 마이크로 조립용 솔더 페이스트 인쇄 파라미터 최적화

문제 정의
소비자, 자동차 및 의료 전자 제품에 의해 주도되는 전자 부품의 급격한 소형화는 인쇄 회로 기판(PCB) 조립에 대한 요구를 심화시켰습니다. 표면 실장 기술(SMT)은 높은 패키징 밀도를 달축하기 위한 표준이지만, 솔더 페이스트 인쇄(SPP)는 전체 조립 결함의 60~70%를 차지하며 조립 체인에서 가장 결정적이고 취약한 단계로 남아 있습니다. 부품 피치가 0.3mm 미만으로 떨어지고 BGA(Ball Grid Array) 패키지가 보편화됨에 따라, 인쇄 파라미터의 미세한 변화는 브릿징(bridging), 납 부족, 패드 정렬 불량 등의 심각한 수율 손실을 초래합니다. 일변수법(OFAT)과 같은 전통적인 최적화 전략은 파라미터 간의 상호작용을 포착하지 못하며 산업 적용 측면에서 경제적으로 비효율적입니다. 또한, 자동 광학 검사(AOI)와 딥러닝이 결함 탐지를 발전시켰음에도 불구하고, 결함 분류 데이터와 업스트림 공정 최적화 사이의 체계적인 통합은 부족한 실정입니다.

연구 방법론
본 연구는 고밀도 마이크로 조립을 위한 SPP 파라미터를 최적화하기 위해 다구치 강건 설계(Taguchi robust design) 접근 방식을 채택하였습니다. 본 연구는 통계적 실험 계획법(DOE) 프레임워크와 오픈 소스 norbertelter/pcb-defect-dataset(Kaggle)을 활용한 데이터 기반 품질 공학을 통합하였습니다.

• 실험 설계: L9 직교배열을 사용하여 3개의 주요 공정 파라미터를 각각 3개의 수준(level)으로 테스트하였으며, 이를 통해 필요한 실험 횟수를 27회(전요인 실험)에서 9회로 줄였습니다.
  • 요인 A (스퀴지 속도): 30, 50, 70 mm/s.
  • 요인 B (인쇄 압력): 5, 7, 9 N.
  • 요인 C (스냅오프 거리): 0.05, 0.15, 0.25 mm.
• 품질 특성: 본 연구는 결함률(%)을 최소화하는 데 중점을 두었습니다. 결함은 Kaggle 데이터셋의 분류 체계에 따라 미싱 홀(missing holes), 마우스 바이트(mouse bites), 오픈 회로(open circuits), 단락(short circuits), 스퍼(spurs), 스퓨리어스 구리(spurious copper)의 6가지 범주로 분류되었습니다. 결함 빈도의 기준점으로 총 600개의 레이블된 PCB 결함 이미지가 사용되었습니다.
• 분석 도구: 강건성을 결정하기 위해 신호 대 잡음비(S/N ratio, "작을수록 좋은" 기준 적용)를 계산하였습니다. 각 요인이 분산에 기여하는 정도를 정량화하기 위해 분산 분석(ANOVA)을 수행하였습니다. 또한, 결함률을 예측하기 위한 2차 회귀 모델을 구축하였으며, 최적 설정값을 검증하기 위한 확인 실험을 수행하였습니다.
• 실험 환경: 실험은 DEK Horizon 03iX 반자동 스크린 프린터를 사용하여 미세 피치 풋프린트(0402, QFP-64, CSP)가 있는 FR-4 PCB 상에서 수행되었습니다. 환경 조건 및 재료(SAC305 페이스트)는 엄격하게 제어되었습니다.

주요 결과

• 요인 유의성: ANOVA 결과, 스퀴지 속도가 결함률 분산의 **42.3%**를 차지하여 가장 영향력 있는 요인인 것으로 나타났습니다. 인쇄 압력이 **31.7%**로 그 뒤를 이었으며, 스냅오프 거리는 **18.4%**의 기여도를 보였습니다. 오차 항은 7.6%에 불과하여 실험 설계의 타당성을 입증하였습니다.
• 최적 파라미터: 식별된 최적 조합은 A₂B₂C₃입니다:
  • 스퀴지 속도: 50 mm/s
  • 인쇄 압력: 7 N
  • 스냅오프 거리: 0.25 mm
• 성능 개선: 최적 설정 적용 시 평균 결함률이 기존 기준치인 7.3%에서 **3.18%**로 감소하여, 총 62.3%의 결함 감소 효과를 보였습니다.
• 모델 검증: 결정 계수(R²)가 0.9612인 회귀 모델이 개발되었습니다. 확인 실험 결과 평균 결함률은 3.18% ± 0.24%로 나타났으며, 이는 모델이 예측한 95% 신뢰 구간 [2.97%, 3.43%] 내에 포함되었습니다.
• 공정 능력: 최적화된 공정은 Class 2 결함률 권장 임계값인 1.33을 초과하는 Cpk 지수 1.41을 달성하였으며, 이는 Six Sigma 품질 생산에 적합한 안정적이고 역량 있는 공정임을 나타냅니다. 모든 최적화된 결함률은 IPC-A-610 Class 2 및 Class 3 수용 기준을 충족하였습니다.

의의 및 기여
본 논문은 공공 데이터셋의 6가지 결함 분류 체계를 다구치 실험 설계와 명시적으로 연결함으로써, 고밀도 SMT 제조에서 초도 합격률(first-pass yield)을 높이기 위한 체계적인 접근 방식을 제공한다고 주장합니다. 주요 기여는 다음과 같습니다:

1. 데이터 기반 최적화: 통계적 공정 제어와 현대적 결함 분류 데이터셋(Kaggle) 사이의 간극을 메워 결함률의 벤치마크를 생성하였습니다.
2. 정량적 통찰: 주요 인쇄 파라미터의 구체적인 기여도를 제공하여, 스퀴지 속도가 페이스트 유변학 및 전사 효율에 있어 지배적인 요인임을 입증하였습니다.
3. 예측 능력: 실험 범위 내에서 결함률을 예측할 수 있는 고정밀 회귀 모델을 구축하여, 광범한 재시험 없이도 향후 공정 조정을 용이하게 하였습니다.
4. 산업적 적용 가능성: 최적화된 파라미터가 결함을 크게 감소시킬 뿐만 아니라, 산업 표준(IPC-A-610)을 준수하고 공정 안정성(Cpk > 1.33)을 유지함을 입증하였습니다.

저자들은 본 방법론이 SMT 공정의 노이즈 민감도를 줄이기 위한 강건한 프레임워크를 제공한다고 결론지었으며, 향후 연구로 스텐실 개구부 형상 및 페이스트 유변학적 특성을 포함하도록 모델을 확장하고, 실시간 SPI 피드백 제어를 통합하는 것을 제안하였습니다.