论文部分内容阅读
表面贴装技术(Surface Mount Technology,SMT)广泛应用于电子组装行业,它主要包括锡膏印刷、元件贴装和回流焊三个工艺流程。目前,印刷电路板(Printed Circuit Board,PCB)的布局越来越复杂、精巧,给SMT锡膏印刷带来了极大的挑战。锡膏印刷时受到众多因素影响,印刷质量难以保证。随着SMT产线加工设备的智能化、数字化,SMT生产时产生的大量数据能够被自动采集,从数据中挖掘出有用的信息对印刷缺陷进行提前预测,是提升锡膏印刷质量的有效途径。本文根据SMT产线采集到的锡膏印刷数据,对影响锡膏印刷的各类因素进行全面分析,获取锡膏印刷缺陷影响因素,并在此基础上,构建并优化锡膏印刷缺陷预测模型,实现印刷缺陷的提前预测,从而提升锡膏印刷质量。本文的主要研究内容如下:(1)设计了SMT锡膏印刷缺陷预测总体框架。在充分了解SMT锡膏印刷机理和对锡膏印刷数据资源进行梳理的基础上,设计了包括数据采集与探索、影响因素分析和模型构建与优化三个阶段的SMT锡膏印刷缺陷预测总体框架,利用该框架对锡膏印刷缺陷预测的实施进行指导。(2)分析了SMT锡膏印刷缺陷影响因素。针对锡膏印刷参数种类繁多、互相关联,确定锡膏印刷缺陷的影响因素困难的问题,提出了基于改进的ReliefF的多层特征选择方法进行锡膏印刷缺陷影响因素分析,采用改进的ReliefF算法初步筛选出锡膏印刷缺陷影响因素,然后在此基础上,进行Pearson相关性分析来剔除冗余影响因素。经过评估表明,所提方法优于其它典型特征选择方法。(3)研究了SMT锡膏印刷数据混合采样方法。针对印刷合格数据与印刷缺陷数据比例不平衡,影响锡膏印刷缺陷预测模型性能的问题,提出了基于聚类采样和合成少数类过采样技术(Synthetic Minority Oversampling Technique,SMOTE)的混合采样方法对锡膏印刷数据进行采样,采用聚类采样对印刷合格数据进行欠采样,采用SMOTE对印刷缺陷数据进行过采样。(4)构建并优化了SMT锡膏印刷缺陷预测模型。根据锡膏印刷缺陷的影响因素和混合采样处理后的锡膏印刷数据,构建了基于极限梯度提升(eXtreme Gradient Boosting,XGBoost)算法的锡膏印刷缺陷预测模型,并采用遗传算法对模型进行了优化,实现了锡膏印刷缺陷的提前预测。采用SMT产线收集到的数据进行实例分析表明,本文提出的分析思路和方法能实现锡膏印刷缺陷的准确预测。