[发明专利]基于粒子群优化算法的SMT产线检测阈值设定方法

说明书

本发明提出了一种基于粒子群优化算法的SMT产线检测阈值设定方法，用于解决现有技术中存在的因为SMT产线的检测阈值设定不合理导致的产品合格率较低的技术问题，实现步骤为：获取关联数据表，然后获取阈值设定数据表，采用粒子群优化算法计算设定阈值，最后获取最优阈值。本发明利用SMT产线的生产数据，并将SMT产线上SPI锡膏检测仪的检测合格率用于计算粒子群优化算法中的个体适应度，通过粒子群优化算法的迭代之后，能够获得的多组检测阈值能提高SPI锡膏检测仪的检测合格率，从而提高SMT产线的产品合格率，并且降低了获取到的多组检测阈值全部不满足生产工艺要求的风险。

技术领域

本发明属于工业大数据技术领域，涉及一种SMT产线检测阈值设定方法，具体涉及一种基于粒子群优化算法的SMT产线检测阈值设定方法。

背景技术

表面贴装技术SMT产线的产品合格率受到各个环节的综合影响。锡膏印刷是 SMT产线工艺流程的第一道工序，该工序的锡膏印刷效果主要受到刮刀压力、刮刀速度、工作台分离速度、锡膏粘度、钢网清洗等机器参数的影响，这些机器参数的设置主要依靠SMT工艺人员的工人经验。SPI锡膏检测仪可以通过检测印刷锡膏的体积、面积、高度以及形状是否位于设定的检测阈值范围内，从而判断印刷锡膏的质量是否达标。因此，为SMT产线的检测阈值设定一组优秀的检测阈值，可以提高印刷锡膏的质量的达标率，从而提高SMT产线产品的合格率。

SMT产线的检测阈值的设定方法一般通过工艺人员根据经验进行设定，导致 SMT产线的检测阈值依赖于人工经验，导致印刷锡膏的质量不稳定，并且工艺人员设定的SMT产线的检测阈值上限与检测阈值下限的范围较大，设定的检测阈值不合理，难以拦截到有质量问题的产品，导致SMT产线的产品合格率低。

西安电子科技大学在其申请的专利文献“基于SMT大数据的锡膏检测阈值优化方法”(专利申请号CN201810650120.4，专利公布号CN108960306A)中公开了一种基于SMT大数据的锡膏检测阈值优化方法。该方法的主要步骤是：构建阈值优化数据包，对SPI锡膏检测仪的检测结果状态进行估计，根据贝叶斯决策最小错误率准则得到某一种封装的误判率和漏判率，最后通过遗传算法求解漏判率和误判率之和的最小值，所对应的解作为SMT产线检测阈值的上限和下限。该方法的不足之处是：仅能对一种封装类型的SMT产线的检测阈值进行优化，因为SMT 产线的产品合格率受到多种封装类型的影响，因此不能显著提高SMT产线的产品合格率。由于该方法仅能推荐出一组检测阈值，SMT产线不同的产品根据生产工艺要求需要设定不同的检测阈值，导致该方法推荐出的一组检测阈值有可能不满足生产工艺要求。

发明内容

本发明的目的是针对上述现有技术存在的不足，提出了一种基于粒子群优化算法的SMT产线检测阈值设定方法，用于解决现有技术中存在的因为SMT产线的检测阈值设定不合理导致的产品合格率较低的技术问题。

为实现上述目的，本发明采取的技术方案，包括如下步骤：

(1)获取关联数据表：

获取SMT产线生产过程中记录SPI锡膏检测仪检测结果的锡膏量数据表、记录AOI自动光学检测仪检测结果的锡膏焊接结果数据表以及记录人工返修缺陷类型数据表，并将该三张数据表中公有字段PCB编号和焊盘编号均相同的数据拼接为一行，得到关联数据表；

(2)获取阈值设定数据表：

(2a)对关联数据表中字段名称为testresult所对应的列的值为桥接、外形不良、拉尖的数据进行删除，同时对字段名称为Reason_Name所对应列的值为假焊的数据、字段名称为Alarm所对应列的值为Polarity的数据、以及字段名称为Classification所对应列的值不等于BGA或QFN或SOP或SOT或QFP的数据进行删除，得到经验数据表；

(2b)计算经验数据表中字段名称为vol所对应列中数据的平均值u和方差σ，并删除该列中数据值大于u+3σ或者小于u-3σ的数据，得到阈值设定数据表；