[发明专利]一种SMT生产过程控制图模式识别方法

说明书

本发明公开了一种SMT生产过程控制图模式识别方法，包括：获取SMT生产过程中当前阶段工序的控制点的关键质量参数，对关键质量参数进行预处理；对预处理后的关键质量参数进行小波分解，得到关键质量参数的高频信号和低频信号；将高频信号和低频信号输入至预训练好的多分类支持向量机中进行控制图模式的识别，同时根据高频信号和低频信号绘制控制图；根据多分类支持向量机输出的控制图模式的识别结果，利用统计过程控制方法得到异常模式下对应的异常原因、以及预测下一阶段工序的控制图模式变化趋势。本发明的SMT生产过程控制图模式识别方法，有效提高了SMT生产过程控制图识别的精度和能力。

技术领域

本申请属于质量状态监控领域，具体涉及一种SMT生产过程控制图模式识别方法。

背景技术

表面贴装技术(Surface Mounting Technology，简称SMT)生产过程质量管理控制作为现代智能装备制造业过程质量的核心技术之一，目前，SMT生产线主要由贴片机、印刷机、点胶机、波峰焊机、光学检测装置等组成，各环节独立工作，没有形成整生产线的闭环，导致SMT生产线车间透明度较低，数据采集密度较小，许多生产过程为黑匣子；质量管控没有覆盖全生产过程，质量控制不精准；车间设备互联性差，无车间级信息集成。

随着工业物联网技术的发展，针对SMT生产车间的可视化实时监控平台日益增多，将实时生产数据和设备运行状态数据采集回数据中心，实现对生产线及车间的实时监测。然而，这些可视化平台只实现了对各类数据的显示，虽然一定程度上方便了生产管理，但是本质上没有对生产过程质量进行提升，如何利用生产数据，基于大数据分析对SMT生产过程质量进行提高具有明显意义。而大部分现代SMT生产企业的制造执行系统(ManufacturingExecution System，MES)里储存了很多之前的质量过程数据，通过对这些历史数据的分析挖掘可以发现影响产品质量变化的因素以及制造过程的运行情况。SMT生产过程具有批量大、生产节拍快、工艺过程复杂等特点，其生产数据具有采样率高、更新速度快、样本量大、易受干扰等特点。传统分析方法难以处理多噪声和强干扰下的大量过程数据，在SMT生产过程中难以应用。因此，针对SMT生产过程数据特性，设计一套针对性的、高效的、智能的大数据处理方法，实现对生产质量的优化提升，具有非常好的研究意义和应用价值。

近年来，统计过程控制(Statistical Process Control,SPC)技术被大量运用于制造过程质量控制中，尤其是以控制图为代表的技术，使得事后根据质量检验结果来控制质量的滞后方法逐步转变为在制造过程事中控制的方法，根据控制图进行异常原因判断以及变化趋势预测，促使过程质量控制能力进一步提高。而随着SMT生产过程的自动化水平日益提升，工艺过程复杂程度也不断增加。如果只是基于传统分析方法的SPC进行过程质量管控难以处理多噪声和强干扰下的大量过程数据，已较难满足现实需求。

目前，针对SMT生产过程质量智能管控问题依然没有很好的解决方案。为此，针对上述痛点，亟需一种更好的SMT生产过程控制图模式识别方法。

发明内容

本申请的目的在于提供一种SMT生产过程控制图模式识别方法，有效提高了SMT生产过程控制图识别的精度和能力。

为实现上述目的，本申请所采取的技术方案为：

一种SMT生产过程控制图模式识别方法，所述SMT生产过程控制图模式识别方法，包括：

步骤1：获取SMT生产过程中当前阶段工序的控制点的关键质量参数，对所述关键质量参数进行预处理，包括：

步骤1.1：获取一组关键质量参数作为原始数据x，x＝(x₁,x₂,x₃,…,x_n)，n为原始数据x包含的数据个数，且n为奇数，计算原始数据x的均值和标准差δ，如下：