表面贴装技术(Surface Mount Technology, SMT)为近年来电子工业界最重要发展之一,作为国际上最热门的一项电子组装技术,它被誉为电子组装技术的一次革命。随着经济和现代科学技术的迅猛发展,市场竞争日趋激烈,对SMT生产提出了越来越高的要求。消费者不断要求更轻、更薄、稳定度更高、性能更好,同时更加便宜的电子产品,这些变化使得整个SMT生产过程更加复杂。为了满足上述要求,需要通过有效的优化方法以满足SMT预期生产绩效与质量要求。作为印刷电路板组装的生产关键过程,SMT制造过程主要包括锡膏印刷、零件粘贴和再流焊,这些制造过程涉及多种生产机器设备与动态复杂过程参数,且多参数间呈现非线性交互作用,使得其过程控制异常复杂。研究表明,焊接问题是导致表面贴装工程生产成本增加及良率降低的主要原因之一,其中约60%的焊接缺陷问题产生于锡膏印刷过程。因此,国内外学者以提高SMT产品质量为目标,对锡膏印刷过程进行了大量的研究。影响锡膏印刷质量的因素非常复杂,以目前的研究水平要给出其精确的理论表达式是不可能的,因此国际上广泛采用基于实验的方法与基于拟合数学模型的方法研究锡膏印刷过程。在针对锡膏印刷过程参数优化的研究中,实验设计方法因其所需数据量小,易操作而被研究者广泛采用。但是,实验设计方法的优化范围局限于实验参数的水平组合。因此,神经网络法由于其可优化参数范围大,成为另一种解决锡膏印刷过程参数优化问题的主要方法。为了保准优化结果的准确性,神经网络需要大量的数据进行训练,而这个条件对于某些电子服务制造厂来说是难以满足的。那么,如何采用小规模的数据又快又好地获得锡膏印刷过程拟合模型?在此基础上,如何保证关键质量指标能够抵御随机波动?如何权衡多个质量目标获得合理的最优妥协解?为了解决上述问题,本文通过研究以下问题,提出了基于神经网络与响应曲面法的两阶段参数优化方法。1.深入地研究了锡膏印刷过程参数优化问题特点、影响印刷质量的各个因素和衡量产品印刷质量的指标。2.对锡膏印刷过程进行两阶段优化。在第一阶段,采用神经网络法,利用小规模数据获得锡膏印刷过程的近似拟合模型。在此基础上,缩小参数设计区间,获得一个包含优化参数解的设计区间。在第二阶段,在优化设计区间中利用响应曲面法建立锡膏印刷过程的精确模型。基于此模型,对锡膏印刷过程参数进行优化。3.引入置信度概念,将锡膏印刷过程的关键质量指标作为优化模型的约束条件,使优化结果满足关键指标控制要求,并且具有抵御随机波动的能力。4.应用交互式期望函数法,通过与企业之间的充分交互,权衡各质量指标,以获得最符合企业实际需求的最优妥协解。实验结果表明,在保证关键质量指标满足控制要求条件下,两阶段优化方法获得的结果相比单阶段优化方法而言,锡膏厚度方差指标从52.23下降到45.37,印刷质量语言评价变量指标从2.7下降到2.4。