随着消费者对电子产品需求的提高,电子产品不断向微小化、精细化方向发展,作为电子制造行业核心技术之一的表面贴装技术(Surface Mount Technology,SMT)更是受到了极大的挑战。统计表明,表面贴装质量问题中有60%~70%出在锡膏印刷工艺上,因此对锡膏印刷工艺参数进行优化尤为重要。目前锡膏印刷工艺参数优化主要存在以下问题:需要通过试验获取一定规律的数据;无法实时在线动态推荐印刷工艺参数;未充分利用收集的数据;未将专家经验融入分析。针对上述问题,本文提出基于数据挖掘的锡膏印刷工艺参数优化方法,主要研究内容如下:(1)构建锡膏印刷工艺参数优化总体研究框架。梳理了SMT工艺流程及锡膏印刷工艺流程,详细分析了锡膏印刷机理,在此基础上提出基于数据挖掘技术的工艺参数优化方法,主要内容有:首先对数据进行数据预处理、特征工程处理,然后构建并优化锡膏印刷质量预测模型,最后构建并优化锡膏印刷工艺参数目标函数。(2)锡膏印刷质量的关键影响因素分析与挖掘。针对锡膏印刷数据量大、维度高的特点,采用特征工程提取对印刷质量影响较大的关键信息。一方面基于锡膏印刷历史数据,建立锡膏印刷质量特征选择模型,筛选对锡膏印刷质量影响大的重要特征;另一方面结合印刷数据的特点、工艺专家经验,重构刮刀单位速度压力、PCB板长类别两个新特征,为后续锡膏印刷质量预测模型的精准提供支撑。(3)构建基于粒子群算法优化深度神经网络的锡膏印刷质量预测模型。针对锡膏印刷过程复杂多变、印刷参数相互关联等特点,提出了基于深度神经网络的锡膏印刷质量预测模型,并对标准粒子群算法进行改进。利用改进粒子群算法优化深度神经网络模型的初始权值,提高了模型的收敛速度,提升了模型的预测精度,为后续印刷工艺参数优化提供支撑。(4)印刷工艺参数的多目标优化。针对锡膏体积均值、体积标准差对锡膏印刷质量贡献权重不同的问题,提出了带权重系数的工艺参数优化目标函数,利用“数据驱动”技术确定目标函数的权重系数,利用改进的粒子群算法优化求解最优工艺参数,该方法充分利用数据本身的特点计算目标函数的权重系数,避免了人工设置目标函数权重的盲目性。基于以上研究内容,完成了印刷工艺参数优化实例分析,求解最优印刷工艺参数,并通过产线多批次生产,减小了缺陷报警率,验证了本文所提方法的有效性。