[发明专利]基于SMT大数据的锡膏印刷性能影响因素分析方法

摘要

本发明提出一种基于SMT大数据的锡膏印刷性能影响因素分析方法，解决了锡膏印刷性能影响因素分析中分析不全面、精度低的问题。实现步骤有：采集锡膏印刷参数和性能指标构建锡膏印刷数据集；用马氏距离和空值处理数据；计算特征间相关系数，过滤冗余特征；划分训练和测试样本集；随机抽取部分特征并构建随机森林模型；设定模型终止条件；以模型均方误差增加量估计特征重要度分数，并排序；确定关键影响因素子集。本发明通过随机森林特征选择结合大数据处理技术挖掘SMT锡膏印刷性能的关键影响因素，确定性能指标与印刷参数的关联，优化锡膏印刷性能，提升电路板印刷质量。用于表面贴装技术锡膏印刷过程的工艺优化和锡膏印刷性能改善。

主权项

1.一种基于SMT大数据的锡膏印刷性能影响因素分析方法，其特征在于，影响因素分析过程涉及到锡膏印刷参数，印刷性能指标以及关键影响因素选取和排序，具体步骤包括有：(1)采集数据并构建数据集：采集锡膏印刷过程数据并形成锡膏印刷数据集，该数据集包括印刷参数和性能指标两部分，印刷参数指生产过程中采集到的各类属性变量，性能指标指检测设备检测到的锡膏形态参数，其中性能指标为目标变量；数据样本为数据集中印刷电路板上一个位置对应的印刷参数及锡膏形态参数；(2)数据处理：计算数据样本间马氏距离，检测偏离分布形状区域的离群点，对于离散取值的属性，根据业务机理来检测离群点，然后移除缺失程度超过25％的属性，对于个别缺失值，根据分布特点进行填补；(3)计算各影响因素间的相关性，剔除冗余印刷参数：印刷参数有数值型和类别型两类印刷参数特征，计算各数值型印刷参数特征之间的相关系数，类别型与数值型印刷参数特征之间的相关率，以及类别型印刷参数特征之间的克莱姆相关系数，度量各个印刷参数特征间的关联程度，同时结合锡膏印刷专家经验与业务逻辑剔除构建的数据集中冗余的影响因素；(4)对数据集中的数据样本进行有放回的随机抽样，划分训练样本集与测试样本集：根据删除冗余印刷参数特征后的数据集，随机抽取部分样本，抽取多次，构成多个训练样本集，用于构建多棵回归树，训练样本集简称为训练集；每次未被抽取的数据则为袋外测试数据，构成对应回归树的测试样本集，测试样本集简称为测试集；(5)对数据集中的印刷参数特征进行随机抽样，构建随机森林回归树：给定训练样本集，随机抽取其中部分印刷参数作为回归树的特征，以锡膏的形态参数作为目标变量构建回归树，所有的回归树构建完成即是随机森林模型构建完成；(6)设定随机森林构建的终止条件：每棵回归树不进行任何修剪，使其完全增长，通过设定回归树的数量作为随机森林构建的终止条件；(7)计算锡膏印刷参数特征的重要度分数：当依次移除每个印刷参数特征时，通过计算随机森林模型内各回归树的拟合误差增大的百分比，即计算回归树在各测试样本集上的均方误差的变化，得到被移除的印刷参数特征重要度分数；(8)锡膏印刷性能影响因素排序以及关键因素子集选取：锡膏印刷性能影响因素排序根据印刷参数特征重要度分数来进行排序的，特征重要度分数越高，该特征对目标变量即印刷形态参数的影响程度就越大；而锡膏印刷性能关键影响因素子集是根据关键因素子集选取模型确定，锡膏印刷性能关键影响因素子集即为锡膏印刷性能的关键影响因素。