Основная проблема сборочных операций – определение взаимного расположения / ориентирования элементов и их последующего совмещения. Следовательно, при автоматизации сборочных операций в микроэлектронике необходимо учитывать технологические и конструктивные особенности собираемых изделий, такие как маршрут сборки изделия, схема совмещения и соединения элементов, линейные размеры, тип изделия, физико-химические свойства изделия и его составные элементы, технические условия и требования к сборке изделия. Кроме того, крайне важно соблюдать основные принципы, позволяющие обеспечивать качество изделия, его долговечность и надежность при эксплуатации. В работе определены параметры исполнительного оборудования при автоматизации сборочных операций. Исследована конфигурация производственного оборудования, представляющая собой совокупность настроек, аппаратных ограничений, выбранных дополнительных устройств и типов интерфейсов. Представлены образ изделия, учитывающий все его особенности, математическая модель изделия, полученная на основе его образа, математическая модель конфигурации исполнительного оборудования, схема автоматизированной сборки изделия. Рассмотренные решения дают возможность сформировать методику, позволяющую адаптивно выбирать конфигурацию оборудования с учетом маршрута сборки изделия, совмещаемых элементов и их характеристик, полученных в результате анализа и синтеза информации из технологической и конструкторской документации.
Шевнина Юлия Сергеевна
Национальный исследовательский университет «МИЭТ», Россия, 124498, г. Москва, г. Зеленоград, пл. Шокина, 1
1. Круглов М. Г., Юрин Д. С. Контроль качества в современных условиях // Известия ТулГУ. Технические науки. 2023. № 7. С. 193–199. https://doi.org/10.24412/2071-6168-2023-7-193-194. – EDN: JMFOYC.
2. Скрипко Л. Е. Становление взглядов на менеджмент качества // Вестник Санкт-Петербургского университета. Менеджмент. 2022. Т. 21. № 3. С. 395–428. https://doi.org/10.21638/11701/spbu08.2022.304. – EDN: AOKOVM.
3. Данилевич С. Б., Третьяк В. В. Выходной контроль: влияние индекса качества продукции на риски принятия ошибочных решений // Компетентность. 2022. № 4. С. 32–35. https://doi.org/10.24412/1993-8780-2022-4-32-35. – EDN: HPAZVE.
4. Смирнов К. К. Автоматизация операций прослеживаемости качества интегральных структур при производстве сверхбольших интегральных схем // Тр. МАИ. 2017. № 95. Ст. 25. EDN: ZHNYDR.
5. Емельянова М. Г., Смаилова С. С., Бакланова О. Е. Обнаружение поверхностных дефектов сварных соединений при визуальном контроле методами машинного зрения // Компьютерная оптика. 2023. Т. 47. № 1. С. 112–117. https://doi.org/10.18287/2412-6179-CO-1137. – EDN: UFHBJU.
6. Прыткова Е. А., Давыдов В. М. Анализ применения иерархических нейросетевых методов в контроле качества // Вестник МГТУ им. Г. И. Носова. 2023. Т. 21. № 1. С. 74–81. https://doi.org/10.18503/1995-2732-2023-21-1-74-81. – EDN: GJGYLJ.
7. Шевнина Ю. С. Метод оценки состояния нелинейной системы на основе логического анализа данных // Изв. вузов. Электроника. 2022. Т. 27. № 3. С. 407–415. https://doi.org/10.24151/1561-5405-2022-27-3-407-415. – EDN: BZRDEB.
8. Шевнина Ю. С., Гагарина Л. Г., Конюхов Е. В., Харитонова А. Д. Метод кластерного анализа гетерогенных данных с использованием положений нечеткой логики // Изв. вузов. Электроника. 2023. Т. 28. № 4. С. 537–546. https://doi.org/10.24151/1561-5405-2023-28-4-537-546. – EDN: AVWMTN.
9. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы / пер. с пол. И. Д. Рудинского. М.: Горячая линия – Телеком, 2008. 383 с.
10. Interactive multidimensional modeling of linked data for exploratory OLAP / E. Gallinucci, M. Golfarelli, S. Rizzi et al. // Information Systems. 2018. Vol. 77. P. 86–104. https://doi.org/10.1016/j.is.2018.06.004
11. Cheraghalipour A., Hajiaghaei-Keshteli M., Paydar M. M. Tree growth algorithm (TGA): A novel approach for solving optimization problems // Eng. Appl. Artif. Intell. 2018. Vol. 72. P. 393–414. https://doi.org/10.1016/j.engappai.2018.04.021