[发明专利]一种数据驱动的SMT制造周期预测及修正方法

说明书

本发明公开了一种数据驱动的SMT制造周期预测及修正方法，所述方法包括：获取SMT制造过程中设备、产品、质量数据，对数据进行预处理；读取预处理后的数据，采用特征加权的方式进行聚类，选取离簇中心最近的特征为关键特征，构建关键特征子集；构建SMT生产周期预测模型，并将关键特征子集作为预测模型的输入；采用残差修正机制，根据预测值与实际值的残差值对预测模型的预测结果进行修正，并对最终预测精度进行评估；本发明的优点在于：提供对SMT生产周期预测的方法，指导企业动态优化制造资源分配、精细管控制造过程、把握市场多变需求。

技术领域

本发明涉及电子装联技术领域，更具体涉及一种数据驱动的SMT制造周期预测及修正方法。

背景技术

随着智能电子设备在军民用电子领域的广泛应用，高密度、高集成度、多功能的产品及其核心组件对电子企业制造效率提出了更高的要求。SMT制造过程设备种类多、工序繁杂、不确定因素多，在制品数量多，尤其在军工电子行业，生产特点为多品种、变批量、批研混合生产，动态扰动多，交付周期短，上述特性导致SMT生产周期预测成为一个棘手的问题。近年来，SMT车间设备自动化、智能化程度提高，制造过程数据可通过传感器、数据通信网络采集和传输。数据驱动的方法启发了生产周期预测的新思路。对于生产周期的预测可以有助于企业动态优化制造资源分配、精细管控制造过程、把握市场多变需求。

在第二十九届中国控制会议论文集中精密电子制造装备教育部工程中心华南理工大学发表的文献《电子表面贴装生产线优化数学模型研究》公开了从印刷电路板(PCB)的贴装顺序和元器件类型在不同贴片机上的分配方案出发，研究电子组装(SMT)生产线的负荷平衡优化问题，使得生产线完成元器件贴装的时间最小，从而提高生产效率。该问题具有流水线调度和一般分配问题的特性，据此建立了整数规划模型，模型考虑了PCB板在贴片机之间的传输特性和元器件类型的单机贴装约束。通过变量替换，将模型进行线性化。对小规模问题，可用线性规划求解器求解出问题的最优解。但是该文献没有对SMT生产周期预测进行研究。

发明内容

本发明所要解决的技术问题在于现有技术缺乏对SMT生产周期预测的方法，无法帮助企业动态优化制造资源分配、精细管控制造过程、把握市场多变需求。

本发明通过以下技术手段实现解决上述技术问题的：一种数据驱动的SMT制造周期预测及修正方法，所述方法包括：

步骤一：获取SMT制造过程中设备、产品、质量数据，对数据进行预处理；

步骤二：读取预处理后的数据，采用特征加权的方式进行聚类，选取离簇中心最近的特征为关键特征，构建关键特征子集；

步骤三：构建SMT生产周期预测模型，并将关键特征子集作为预测模型的输入；

步骤四：采用残差修正机制，根据预测值与实际值的残差值对预测模型的预测结果进行修正，并对最终预测精度进行评估。

本发明采集SMT制造过程中的数据作为数据集，对数据集进行聚类获得关键特征子集，构建SMT生产周期预测模型，将关键特征子集作为预测模型的输入，得出预测值，采用残差修正机制，根据预测值与实际值的残差值对预测模型的预测结果进行修正，得到较为精准的预测值，提供了对SMT生产周期预测的方法，有助于企业动态优化制造资源分配、精细管控制造过程、把握市场多变需求。

进一步地，所述步骤一包括：

S11：通过半导体设备SECS/GEM协议或者MES系统获取SMT制造过程中印刷机、贴片机、回流炉、SPI检测设备、AOI检测设备、X-ray检测设备的工作/待机/阻塞/暂停/故障时间数据、品质异常处理时间数据、生产准备时间、紧急插单数据；

S12：对上述数据的缺失值或者NAN空值删除，对于不同量纲的数据，通过公式进行最大-最小归一化处理，使得上述各类数据在(0,1)之间。

更进一步地，所述步骤二包括：