更高效的锡膏印刷流程
作为SMT生产技术领域的市场先锋和创新领导者,ASMPT为其成熟的DEK印刷平台增添了两项新功能: 锡膏自动转移和简化刮刀更换。
ASMPT以其广泛的产品组合,几乎覆盖了SMT生产工艺的每一个环节,同时持续推动自动化进程并简化操作。ASMPT产品管理总监Rick Goldsmith解释道:“在SMT生产中,锡膏印刷环节最容易出错,而其中的许多步骤仍然依赖人工操作。然而,随着合格操作人员的招募难度不断加大,我们的客户愈发迫切地寻求能够降低人力与物料成本,同时有效减少错误率的创新解决方案。”
锡膏转移
当需要变更印刷机的设置时,旧钢网上的锡膏需要被转移到新钢网上。Goldsmith解释道:“之前,这一过程是利用刮铲手工完成的。这种方法往往会导致部分锡膏无法彻底转移,总有一些留在旧钢网上。此外,锡膏还可能会被污染或被转移到错误的地方,进而引发短路和其他问题。”现在,DEK TQ提供的新型锡膏转移装置简化了这一过程。只要工艺参数设置为允许时,每当更换钢网时,锡膏便会自动转移。为此,刮刀会将锡膏推送到转移装置,随后该装置会将锡膏涂抹到新钢网上。紧接着,系统会使用钢网底部清洁装置来清洁残留的锡膏。
Goldsmith强调:“这款全自动锡膏转移系统缓解了本就稀缺的操作人员的工作负担。比手工操作更快、更精准、更高效。传统手工操作中,常有高达10%的锡膏残留在钢网上,而我们的自动锡膏转移系统将此数据降低了5%。该系统大大节约了锡膏成本,从而降低每块PCB的生产成本。”新型锡膏转移系统可轻松安装在DEK TQ各系列的锡膏印刷机上。
快速更换刮刀
ASMPT也改进了锡膏印刷机的刮刀更换流程。Goldsmith解释道: “以前,刮板使用两个指旋螺钉固定,为了更换刮刀,操作员需要先将这对螺钉拧松,然后再拧紧,这个过程非常耗时,经常会出现问题。比如有些操作人员将螺钉拧得太紧,后续人员就无法拧松。时间因素也很重要,单日内进行20多次的刮刀更换实属常态。”
得益于新型支架的创新设计,当刮刀需要从机器中取出时即自动解锁,极大地简化了更换流程。随后,仅需一步即可轻松更换,当刮刀放回支架,支架自动锁定。这一装置将刮刀更换时间缩短了50%。此外,机械销钉能防止刮刀错误安装。快速更换刮刀装置在数小时内就能完成改装,可与DEK TQ和NeoHorizon两大平台兼容。
Goldsmith继续补充道:“SMT生产的竞争日益激烈,要想在这一领域脱颖而出,就需要持续推动自动化进程并简化操作。ASMPT深刻理解SMT制造商面临的种种挑战,并致力于为客户提供独树一帜的解决方案,帮助他们在激烈的市场竞争中稳操胜券。”
锡膏转移:在更换钢网期间,ASMPT可自动进行锡膏转移,并且加速转产过程。(图片来源: ASMPT)
快速更换刮刀:自动锁定与解锁功能将刮刀更换时间缩短了50%。(图片来源: ASMPT)
关于ASMPT Limited (ASMPT)
ASMPT是全球领先的半导体及电子产品制造硬件及软件解决方案供货商。ASMPT总部位于新加坡,产品涵盖半导体装配、封装及SMT(表面贴装技术), 从晶圆沉积至各种组织、组装及封装精密电子组件的解决方案,适用于制造各种终端电子设备,如电子产品、移动通讯器材、计算设备、车载、工业以及LED(显示屏)。 ASMPT与客户紧密合作,持续投资于研究及发展,开拓具有成本效益和行业影响力的解决方案,为客户提升生产效率、提高产品的可靠性和质量贡献力量。
ASMPT(香港交易所股份代号: 0522)是恒生综合市值指数下的恒生综合中型股指数、恒生综合行业指数下的恒生综合信息科技业指数及恒生香港35指数的成份股之一。
ASMPT SMT解决方案分部
ASMPT SMT 解决方案分部的使命是实施和支持全球电子产品制造商的 SMT 集成化智慧工厂。ASMPT解决方案通过硬件、软件和服务,支持在线和工厂级中央工作流的网络化、自动化和优化,使电子制造商能够分阶段过渡到智慧工厂,并显著提高生产力、灵活性和质量。凭借其整体的“开放式自动化”理念,ASMPT为客户打开了通往经济合理的自动化的大门,该自动化是模块化、灵活和非专有的,符合他们的个人需求。公司的产品和服务组合包括硬件和软件,如SIPLACE贴片机、DEK印刷机、检查和材料存储解决方案,以及智能车间管理套件。凭借Works,ASMPT为电子制造商提供了用于规划、控制、分析和优化车间所有流程的高质量软件。由于与客户和合作伙伴保持密切关系是其战略的核心组成部分,ASMPT建立了SMT智慧网络,作为全球各个智慧工厂之间积极交流信息的平台。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。