摘要
本发明公开了一种表面贴装线产品质量预测方法,包括从SMT工艺参数数据中筛选确定用于质量预测的数据特征,并进行数据预处理,形成数据集;利用梯度提升决策树GBDT训练预处理后的数据,提取特征重要性得分,并根据得分筛选关键工艺参数;基于启发式分割算法,在训练数据集中检测突变点,增加维度标记突变样本,并在模型训练中跳过包含突变点的批次数据进行分段训练;采用改进的Informer时序预测模型构建质量预测模型,再根据产线的实际情况对产品质量进行实时预测,输出预测结果。本发明通过实时的采集PCB板参数、印刷机参数等数据,并将数据进行数据预处理以及特征选择。将处理好的数据输入深度学习模型中进行预测,为专家决策提供反馈和建议。
技术关键词
产品质量预测方法
梯度提升决策树
数据
分割算法
关键工艺参数
时序预测模型
构建GBDT模型
样本
采集PCB板
特征选择
学习器
SMT工艺
深度学习模型
标记
蒙特卡洛
序列
速度
印刷机
分段
系统为您推荐了相关专利信息
字符
大语言模型
数据处理方法
计算机程序产品
解码
智能控制系统
历史设备
离心机设备
设备转速
生成警报信号
参数监测方法
低电平系统
协方差矩阵
数字控制器
状态空间模型
网格
高分辨率遥感影像
水动力模型
评价方法
河道模型
电池可用容量
AI算法
参数
电流输入模块
锂电池健康状态