MétaCan
Menu
Retour à la cohorte
Enregistrement W4416877186 · doi:10.37665/smizngx75093

Critical Manufacturing Issues and Solutions for Tracking Moisture Sensitive Devices (MSDs)

2001· article· W4416877186 sur OpenAlexaff
François Monette

Notice bibliographique

RevueSMTA International · 2001
Typearticle
Langue
DomaineComputer Science
ThématiqueExperience-Based Knowledge Management
Établissements canadiensCentre Intégré de Santé et Services Sociaux de la Gaspésie
Organismes subventionnairesnon disponible
Mots-clésReliability (semiconductor)Control (management)Tracking (education)Customer satisfactionProduct (mathematics)Material handlingControl systemContainer (type theory)

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The control of moisture-sensitive devices (MSDs) prior to SMT reflow is a critical assembly issue that has a direct impact on final product reliability and customer satisfaction as well as manufacturing costs. The guidelines for storage and handling of MSDs are clearly defined in the joint IPC/JEDEC standard J-STD-033. However, the proper identification, logging and date/time calculations have always been very challenging to implement with manual procedures and they are prone to a high level of human errors. In most cases, implementation of an internal manual control procedure requires major simplifications to the industry standard. This results in baking parts that that do not need it while assembling some that should be baked. Both will affect manufacturing and material costs while increasing the risk of early life failures in the field. The solution to address all these issues consists of an automated control system that is both simple-to-use and can insure a very high level of control. The foremost objective of the system is to avoid assembling components that have exceeded their allowable limit. This is achieved by automatically tracking each reel or stack of trays from the time they are removed from their original dry bag until all parts are placed prior to reflow. The second objective is to minimize the number and duration of bake cycles by taking into account all applicable rules from the industry standard and ambient conditions, while providing real-time status and advance warnings of expiration.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0060,005
Science ouverte0,0030,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,040
Tête enseignante GPT0,330
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSMTA InternationalMême sujetExperience-Based Knowledge ManagementTravaux en français237 207