文摘

可供选择的残渣通量(NCF)印刷电路板组装已经腐蚀可靠性的一个主要原因失败的电子设备。咄咄逼人的源头污染是羧酸催化剂为主要为焊接表面清洁剂。选择合适的催化剂一直是一个关注由于其冲突的属性,例如,辛二酸沸点较低,这将有助于减少残留;然而,它的离解常数较低从而增加积极的残渣。一个合适的催化剂的选择基于冲突的标准是一个多准则决策(指标)的问题。在这项研究中,31个羧酸(mono, di,三,和羟基)排名基于六种不同的标准,即:沸点、熔点、分子量、酸离解常数(pK_一个值)、溶解度和羧酸的数量使用模糊AHP-entropy和间接索引值相结合的方法。标准的重量计算使用模糊AHP-entropy相结合;然而,替代羧酸的排名是由邻近索引值的方法。第一,排名是基于整个羧酸;因此,工作组排名也被评估。作为本研究的结果,十七酸占据了31个等级1的羧酸和一元羧酸;然而,丙二酸获得最低等级。此外,从9二元羧酸酸、癸二酸是最合适的选择。对于三羧基的酸,均苯三甲酸是一个合适的选择。敏感性分析来验证结果的可靠性和一致性通过应用指标。

1。介绍

焊接通量市场价值∼2.4亿美元和2019年的增长率预计将增加∼5.7%从2019年到2026年(1]。NCF包括各种mono WOA活化剂,di,三、羟基羧酸反应焊料表面上的金属氧化物和金属板表面氧化底物和删除的帮助下金属氧化物和酸反应2]。近年来,利息WOA-based NCF正在增加,因为它给了最低的残渣相比其他通量和残留的WOA-based NCF兼容的填充不足。半导体的包装使用NCF和清洗通量显著不同。例如,在倒装芯片制造使用水溶性焊剂,生产步骤的总数从切片到包装可靠性是12。这个过程大约需要170分钟制造一个托盘。然而,倒装芯片制造使用NCF消除通量的清洗步骤,因为它是一个主要的耗时的阶段。这消除减少了生产时间125分钟同样一个托盘是一个巨大的半导体行业生产时间的减少,导致良好的商业机会。然而,离子残留的主要问题是WOA-based NCF PCBA的可靠性降低。同样,一个不兼容的残渣减少填充不足的属性如玻璃化转变温度和弹性模量3- - - - - -6]。因此,选择合适的催化剂是明显重要。

酸活化剂的选择基于多个属性类似于一个多准则决策(指标)的问题。一些技术已经开发和使用解决指标问题属于不同的知识领域。例如,杨et al。7]试图扩大指标方法解决相变材料(PCM)的选择问题。方法用于PCM由最初的选择确定主观和客观权重的标准使用层次分析法(AHP)和信息熵方法,分别。随后,权重组合和使用技术的偏好顺序相似,理想的解决方案(TOPSIS)方法来个pcm都筛选出来的排名。Patnaik et al。8)演示了使用AHP-TOPSIS材料选择方法在结构/机械设计过程。混合组成的指标方法层次分析法和灰色关联技术秩序表现相似,理想的解决方案(GC-TOPSIS)已经被有效地用于绿色装饰材料的选择(9]。Mousavi-Nisab和Sotoudeh-Anvari10)使用复杂的替代比例评估(干椰子肉)和TOPSIS方法解决材料选择问题。然而,在这个工作中,作者还研究了利用DEA解决材料选择问题,发现指标方法好了解决这类问题。此外,周et al。11)应用模糊混合DEMATEL-AEW-FVIKOR选择在中小企业可持续回收伙伴。的VlseKriterijumska Optimizacija我Kompromisno Resenje (VIKOR)方法用于排名选择机床(12]。FAHP-TOPSIS之间的比较分析,FAHP-VIKOR FAHP-ELECTRE, FAHP-PROMTHEE是由Anojkumar et al。12]在制糖工业管道材料选择。它已经在文献中发现TOPSIS方法广泛用于解决指标问题。然而,一个新的指标方法确定为间接索引值(PIV)方法最近开发了一个优势的TOPSIS排名逆转(13]。Amiri和Emamat14)提出了宝马目标programming-based模型(GPBWM),导致一个独特的解决方案。GPBWM有更少的约束与之前相比BWM-based模型。瓦克尔et al。15,16应用线性GPBWM和PIV汽车材料选择问题。Amiri et al。17基于可能性分布)扩展辆宝马车。本研究显示的可能性方法提出了更健壮的结果与其他方法相比。

在不同指标的方法来计算属性的权重,权重使用结合客观的和主观的方法获得更一致的(18- - - - - -20.]。因此,这项工作考虑使用模糊层次分析法的方法计算属性的主观权重和客观权重计算的熵方法。使用组合权重接近指数价值(PIV)方法来选择一个合适的酸催化剂。最好的作者的知识,没有工作已经完成,并应用数学建模获取合适的催化剂选择作为初级阶段在继续开发新的NCF之前将半导体行业的生产时间和成本最小化。在这项研究中,选择最合适的和排名31 WOA酸催化剂是基于六种不同标准采用fuzzy-AHP-PIV冲突的方法。作为本研究的结果,获得了最合适的羧酸和排名的每个部分羧酸(mono、di和三)。

本文的其余部分的结构如下:部分2包括在这项研究中采用的循序渐进的方法包括模糊层次分析法、熵和PIV方法。部分3提出了这一研究获得的结果。讨论和灵敏度分析部分中解释4。本研究的贡献是证明5。最后,结论,研究的限制,未来的发展方向给出了部分6本研究。

2。研究方法

这项工作中所使用的方法为酸活化剂的选择是一个集成的方法包括模糊层次分析法(F-AHP),熵和距离索引值(PIV)方法。研究框架用于这项工作流程图的形式表示在图1。

F-AHP和熵方法用于获取属性的权重,而采用PIV方法来提供排名酸。权重反映影响重要性的质量属性以及专家的主观判断。熵方法是一种方法,得出权重基于属性的质量视为客观的权重(18]。另一方面,确定权重,根据专家的意见被认为是主观权重(19]。层次分析法是一种有效的和被广泛接受的方法来计算主观属性的权重。然而,将矛盾和含糊不清的数据,使用模糊层次分析法主观权重计算方法强烈建议在文献[18- - - - - -20.]。因此,在这项工作中,属性的权重计算使用熵和F-AHP方法相结合来确定最终的属性的权重。最后,PIV方法是一种有效的和新开发的方法比较的替代品用于找出一个合适的酸催化剂。

2.1。标识的标准

根据文献,三个有益的和三个nonbeneficial标准,即。,molecular weight, melting point, boiling point, acid dissociation constant, solubility, and the number of carboxyl functional groups of weak organic acids are used to select the suitable alternative as follows.

2.1.1。分子量

酸的分子量确定溶解度、熔点和沸点WOA。更大的分子将有更多的债券,因此,需要更多的力量打破债券;因此,高分子量将有一个更高的熔点。然而,它也影响沸点,但主要沸点的主导因素是分子形状、大小和极化率(21]。更多的碳意味着更高的疏水性,从而降低水溶性也意味着更高的溶质分子大小将难以被溶剂,从而拥有更低的溶解度。因此,WOA的分子量应该最小化。

2.1.2。WOA的熔点

熔点的酸是由其分子结构和定义已经观察到奇数碳原子的酸有较低的熔点比偶数碳原子酸(22]。在一个较低的熔点WOA,分子排列的方式更容易打破,从而增加水中的溶解度(21]。WOA也决定了渣的熔点攻击性取决于WOA的结构,甲基,分子安排。低熔点羧酸解散将会增加,从而有更容易的水相互作用或增加溶解度较低温度从而增加残渣的攻击性。因此,更高的熔点WOA是可取的选择。

2.1.3。沸点

沸点的焊接温度附近WOA决定WOA的分解。蒸发率WOA确定残留在PCB的程度。低沸点WOA将活跃在较低的温度,因此可以把最小的残渣。同时,催化剂会有较长的活动时间去除氧化物。因此,WOA的沸点应该最小化。

2.1.4。酸离解常数(pK_一个)

电离的残渣被定义为酸性离子离解称为pK_一个价值。pK_一个代表一种酸的强度或电离/分离的倾向间接的解决方案与pH值有关。较低的pK_一个会增加更高的酸性离子离解留下更多的离子/积极的残渣。因此,最好,WOA力量(pK_一个)应该尽可能高是为了减少侵略性或泄漏电流23]。

2.1.5节讨论。溶解度

溶解度将定义的交互WOA与溶剂/水或与水的亲和力。高溶解性意味着更高的分离与水的离子电导率增加,从而减少表面的先生。因此,溶解度WOA应该低。

2.1.6。羧基官能团的数量

增加羧基组的数量会增加水的亲和力,从而增加了导电层厚度从而增加漏电流。因此,羧基官能团的数量应该是最小的。

2.2。模糊集合理论

更夫和德24)提出了模糊集理论处理情况有歧义和飘忽不定的数据。模糊集合理论,用模糊数的组织处理近似的解释而不是精确的(25]。几种模糊数viz.三角模糊数(tfn的),梯形模糊数(TrFNs)和五角模糊数(PFNs)已经在文献中讨论26]。然而,最常用的模糊数的形状是三角形模糊数(tfn的)。一个TFN的特点是一组三个实数形式(一个₀,一个₁,一个₂由方程()隶属函数定义1)。

隶属函数是用来定义数据的模糊性的程度。隶属函数的价值在于区间[0,1]。如果两个模糊数和被定义为= (₀,₁,₂),= (问₀,问₁,问₂),然后添加定义为 = (₀+问₀,₁+问₁,₂+问₂),减= (₀−问₂,₁−问₁,₂−问₀),乘法 = (₀×问₀,₁×问₁,₂×问₂),和部门 = (₀/ q₂,₁/ q₁,₂/ q₀)[9]。此外,求和算子和逆算子定义为 和 ,分别。随后,原则定义为模糊数的比较如下(27):如果两个模糊数和被定义为= (₀,₁,₂),= (问₀,问₁,问₂),那么可能性的程度(d)大于问由方程(定义2)。

然而,计算模糊数的可能性的程度要大于其他n模糊数表示 ,方程(3使用)。

2.3。模糊层次分析法(F-AHP)

层次分析法(AHP)是一种强大的决策工具,于1980年开发(28]。它包括管理判断比较和权重分配的属性。管理在传统的AHP判断被认为是确定不考虑人类的可互换思想(29日]。因此,研究人员综合模糊集理论与层次分析法克服数据的不精确和差异,提出了模糊层次分析法(F-AHP)方法(30.]。在文学,F-AHP方法的不同形式,F-AHP的程度分析方法是被广泛接受的、最着迷27,31日]。因此,本工作利用了基于程度F-AHP方法分析计算的主观权重属性。循序渐进的过程,解释如下(32- - - - - -35]:步骤1:制定模糊成对比较矩阵(FPCM)模糊成对比较矩阵是通过比较属性以成对的方式获得的。专家或决策者的判断进入语言而言,转换成模糊数给出方程(4)。 在哪里当标准代表了模糊数一个与标准相比b。J代表属性的总数。一个和b改变从1到J。必须指出的元素FPCM满足以下属性: 步骤2:计算模糊综合度值( )程度分析方法考虑了属性的满意程度来定义权重。满意程度是一个对象的程度感到满意的目标定义的合成度值定义为方程(6)。 步骤3:计算权向量。

有人建议在程度上分析,一个属性综合程度最高的将获得更多的重量比别人。因此,比较每个属性的SD值与他人需要确定权向量。属性是模糊数的SD值;因此,模糊数的比较的原则使用1.1节中定义导致权向量方程所示(7)。 在哪里 。

获得的权重向量归一化得到最终的重量标准使用(8)。

2.4。熵方法

由香农熵的方法,提出了1985年,是一个客观的方法计算属性权重。香农雇佣了熵的概念领域的信息理论来获得给定数据集的信息本质和有用的信息(36]。根据熵理论,信息熵准则的小如果考虑备选方案的准则值的差异很大。与小信息熵准则将提供更多有用的信息对给定的数据集,反之亦然(37]。因此,权重的标准应提供信息熵的逆顺序,即。小信息熵应该有高的标准体重,反之亦然。循序渐进的过程来实现这个方法如下(37- - - - - -40]:步骤1:安排不同的选择和属性值的行和列确定为决策矩阵(D)是由方程(9)。 属性的值在哪里b的替代一个是由一个,b。我和J分别选择和属性的总数。第二步:标准化决策矩阵使用方程(10)。 步骤3:确定使用的属性的信息熵方程(11)。 在哪里 。步骤3:计算熵权重比例的定义的熵值方程(12)。

2.5。距离索引值(PIV)方法

邻近索引值(PIV)方法是一种有效的和最近开发指标方法的优势减少等级逆转现象的TOPSIS (13]。由于这一优势,它已被广泛接受并吸引研究人员在不同的知识领域41,42]。这种方法比较选择基于邻近值代表了偏离最好的选择。该方法的计算步骤如下(13,43]:步骤1。制定决策矩阵(D在方程()定义9)步骤2。标准化决策矩阵使用方程(13) 步骤3。使用方程(计算加权归一化值14) 在哪里的重量吗b^th属性。步骤4。计算绝对色散(广告_一个使用方程()从最好的选择15) 第5步。计算距离值的代数和绝对的分散, ,使用方程(16)

的光伏_一个代表了最小偏离最好的和它是用来替代方案。替代最低PV我值是排名第一和排名的提高光伏的备选方案我价值。

3所示。结果

等语言方面绝对强大的(),很强(VS),相当强劲(FS),略,强(SS),等于(E),稍弱(SW),相当弱(FW),很弱(大众),并且绝对弱(AW)用于成对比较的属性。tfn的用于描述这些语言条款如下33):(2、2.5、3),为VS (1.5, 2.5), (1、1.5、2) FS,党卫军(1,1,1.5),(1,1,1)E(0.667、1、1)西南,弗兰克-威廉姆斯(0.5,0.667,1)、大众汽车(0.4,0.5,0.667),(0.333,0.4,0.5),哦。决策专家小组由七从两个NCF产业和四个不同的大学单独评估的重要性属性成对形式使用语言术语,结果如表所示1。

必须指出,在桌子上1,五个专家的两两判断当属性MW与国会议员被描述为“和”,“作为”,“党卫军”、“党卫军”,和“f”。语言术语转换成模糊数进行进一步分析。在这项研究中,涉及到多个决策者;因此,将模糊数的聚合值是由简单平均决策者给出的所有的值。聚合模糊成对比较矩阵获得表中描述2。

使用模糊成对比较矩阵来计算每个属性的模糊综合度值使用(2)。每个属性的模糊综合价值与他人比较来确定权向量。必须指出的是,合成的每个属性的值是一个模糊数;因此,模糊数比较的原则是用来确定程度的一个属性的综合价值的可能性要大于其他。最后,权向量归一化计算属性的权重,如表所示3。

使用F-AHP方法获得的权重是基于专家的主观意见,被视为主观权重。属性值的质量也产生重大影响的最佳酸活化剂的选择。因此,三十羧酸具有不同特点的比较研究中,这些酸的质量包括使用熵方法通过计算权重。熵方法的第一步是制定决策矩阵。决策矩阵是一个安排的选择和他们的行和列的属性值如表所示4。

它可以观察到从表4定义属性值在不同的规模和范围不同。因此,决策矩阵规范化这些值转换成一个类似规模使用方程(10)。归一化值用于计算属性的信息熵定义的方程(11),协助确定属性的权重使用方程(12)。属性的信息熵和权重获得使用熵方法描述了表5。

熵权值和聚合AHP权重来确定全球属性的权重。这些权重聚合背后的想法是将主观和客观行为的属性。数学公式用于计算全局属性的权重方程所示(17)[50]。

属性的权重获取表中描述6。

重量所以获得用于比较不同的酸催化剂。三十酸催化剂被认为是属性值的比较和这些酸中描述表4。一个有效的和被广泛接受的指标方法确定为邻近索引值(PIV)方法排列这些酸催化剂。酸催化剂的属性值归一化的PIV方法使用方程(13)。聚合属性的权重与归一化值的乘积为开发一个加权标准化决策矩阵讨论了方程(14)。此外,每个酸活化剂的绝对离差的最好的一个是由使用方程(15),这是确定加权距离索引值。随后,一个距离值的代数和加权距离指数计算价值。有人建议在PIV方法接近价值描述偏差的另一个最好的选择。因此,另一种用最小距离值将非常接近最好的一个,排名第一。休息替代排名是按顺序递增的距离值。获得的距离值和等级的选择如表所示7。

表7列出所有的酸催化剂的排名显然表明,十七酸是最合适的酸配方NCF的基于标准的要求。从表4,很明显观察到沸点/分解温度十七酸(∼227°C),很容易就会消失,离开最小残渣相比其他WOA-NCF5]。进一步,更高的溶解度会导致更高的离子在水中溶解,增加董事会的电导率。然而,十七酸的溶解性比其他酸最小,从而减少离子残留可能性最小的泄漏电流。pK_一个十七酸的讨论将减少酸的离子离解从而减少水的相互作用。十七酸中羧基官能团的数量将减少极性溶剂/水的亲和力。此外,更多的碳原子(高分子量)将增加疏水性,从而减少酸的溶解性。因此,基于适当的标准正如上文所述,十七酸是最适合NCF的酸催化剂。

总21一元羧酸的候选催化剂按照文献调查和他们的排名是列在表中8。它可以清楚地观察到十七酸获得第一个排名由于沸点较低,较低的溶解度,更高的pK_一个相比其他酸值。

4所示。讨论

所有8二元羧酸酸、癸二酸占领第一排名紧随其后的是软木,反丁烯二酸的和其他酸如表所示9。所有的二元羧酸酸2羧基官能团;然而,癸二酸的溶解度低于其他酸减少酸的水相互作用。各种工作报告琥珀,戊二,和庚二酸;然而,人们已经发现,他们把大量的残留,因为较高的分解温度。此外,更高的溶解度与这些酸是另一个问题。因此,基于专家意见和排名模型癸二酸占领第一排名紧随其后的是别人。此外,根据文献提出了只有少数三羧基的酸因其更高的沸点为表中列出4。然而,的选择,均苯三甲酸获得第一个排名紧随其后的是柠檬酸由于溶解度较低和较高的离解常数。

4.1。敏感性分析

酸催化剂的排名通过使用PIV方法依赖于属性权重。很可能一分钟改变这些权重可能改变所以获得排名。因此,必须检查派生的可靠性等级的灵敏度分析在执行这项工作。在文学中可用的几种方法进行敏感性分析,从事这项工作的方法是基于引用的作者的方法(51]。根据这种方法,体重最重要的属性,即。,属性有最高的体重从0.1到0.9不等。相应地,其他属性的权重比例最高的体重的改变属性。随后,排名变化不同的选择由于属性权重的变化研究,如果选择不改变,结果表明,所以获得强劲的行列。在这个视图中,属性的权重考虑这项工作多种多样的比例最高的加权属性和重量描述在表获得10。

此外,酸催化剂使用PIV方法的排名。图2显示不同的酸催化剂获得灵敏度分析在雷达图表的形式。很明显从图2排名因此获得的差异非常小。因此,可以得出结论,本文中使用的指标相结合的方法能够产生强劲的酸催化剂。

5。本研究的贡献

半导体材料和包装行业正面临着许多挑战,以选择最合适的替代材料以增强包装的性能。这些材料可能包括通量、填充不足、焊料连接债券,债券垫,晶片,等。因此,结合模糊层次分析法和PIV方法将解决这些材料选择的问题会导致广泛的半导体行业的商业机会。

6。结论

结合模糊层次分析法和间接价值方法已成功用于适合NCF的活化剂的选择基于六个相互冲突的标准。基于上述讨论,以下主要结论。(1)在三十羧酸催化剂候选人,十七酸是最适合有效的激活NCF配方其次是皮脂和均苯三甲酸di -和三羧基的集团。(2)基于各种工业和学术专家、分子量和酸离解常数是两个最重要的标准选择合适的WOA活化剂。(3)灵敏度分析结果表明,该方法fuzzy-AHP-PIV是可靠的和一致的。(4)灵敏度分析明确表示,结合模糊层次分析法获得的排名和距离值是一致的和可靠的方法。(5)本研究中使用的建模可以扩展到选择焊料等包装材料,填充不足,焊料面具,债券垫,晶片等。

7所示。本研究的局限性和未来的发展方向

本研究利用模糊AHP-PIV材料选择问题的解决方法。然而,其他方法如GPBWM可以应用,与现有的方法相比。本研究仅限于选择组件通量;然而,在未来的焊料等包装材料的选择、填充不足和债券垫可以彻底的研究。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究的作者感谢专家NXP半导体,马来西亚;马来西亚马来亚大学;蒂格里斯大学、土耳其;国家科技大学,巴基斯坦;和Jamia Millia Islamia大学,印度为他们的时间和考虑有关的标准重量计算。