SMT大數(shù)據(jù)的產(chǎn)品質(zhì)量預(yù)測辦法和實(shí)現(xiàn)研究

張雪 王曉燕

摘要：近些年，表面貼裝技術(shù)（SMT）的自動(dòng)化、信息化水平有很大提升，生產(chǎn)出的產(chǎn)品性能更優(yōu)異。SMT生產(chǎn)工藝復(fù)雜，各道工序?qū)嵤╇A段均可能出現(xiàn)質(zhì)量缺陷，若在生產(chǎn)線上不能盡早地洞察、處理這些缺陷，則很可能降低產(chǎn)品質(zhì)量，嚴(yán)重時(shí)會(huì)造成整塊印制板報(bào)廢，增加產(chǎn)品的生產(chǎn)費(fèi)用。文章從大數(shù)據(jù)技術(shù)角度預(yù)測基于SMT下錫膏印刷過程的產(chǎn)品質(zhì)量，預(yù)測階段設(shè)定了時(shí)間窗口，動(dòng)態(tài)更新數(shù)據(jù)，最后創(chuàng)建了時(shí)間序列數(shù)據(jù)包，較明顯地提升了模型預(yù)測的正確率。

關(guān)鍵詞：表面貼裝技術(shù);大數(shù)據(jù);產(chǎn)品質(zhì)量;質(zhì)量預(yù)測;時(shí)間窗口;預(yù)測方法

中圖分類號(hào)：TS807? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

在多種先進(jìn)科技的推動(dòng)下，移動(dòng)互聯(lián)網(wǎng)時(shí)代到來，電子信息產(chǎn)業(yè)在社會(huì)經(jīng)濟(jì)發(fā)展中具有較高地位。我國是全球電子消費(fèi)與生產(chǎn)量最大的國家，在20世紀(jì)80年代就研發(fā)出表面貼裝技術(shù)——SMT，該項(xiàng)技術(shù)引領(lǐng)著電子產(chǎn)品生產(chǎn)模式的創(chuàng)新[1]。SMT工藝精細(xì)、復(fù)雜，多種因素影響著具體生產(chǎn)過程，制造成本偏高，急需應(yīng)用先進(jìn)方法管控SMT工藝各環(huán)節(jié)的質(zhì)量，尤其是錫膏印刷過程。本文采用SMT大數(shù)據(jù)技術(shù)預(yù)測SMT生產(chǎn)線錫膏印刷工序的質(zhì)量。

1? SMT介紹

1.1? 工藝流程

錫膏印刷、元件貼裝及回流焊是SMT的主要工藝構(gòu)成。圖1是錫膏印刷過程，在鋼網(wǎng)借用刮刀促使錫膏位置發(fā)生偏移并穿行鋼網(wǎng)表面，將其整合至鋼網(wǎng)開孔內(nèi)，放開鋼網(wǎng)后，在制印電路板（PCB）的焊盤上完成印刷，隨后在貼片機(jī)的幫襯下把元件安置于預(yù)定部位，在以上過程中要保證其引腳與PCB的焊盤形成一一對(duì)應(yīng)的關(guān)系，最后把PCB導(dǎo)送到回流爐中進(jìn)行焊接處理，打造出結(jié)構(gòu)穩(wěn)定的錫膏銜接，并且保留了原始的機(jī)械及電子屬性[2]。

1.2? SMT優(yōu)點(diǎn)

1.2.1? 組裝密度大

SMT制造出的電子產(chǎn)品和傳統(tǒng)工藝制造的產(chǎn)品做比較，質(zhì)量減小超過75%，尺寸減小約60%，主要是片狀元器件的規(guī)格尺寸與質(zhì)量明顯減小的緣故。

1.2.2? 可靠性高

采用SMT制造的電子產(chǎn)品，能使片狀元器件具備形體微小、質(zhì)量小等特征，貼裝操作自動(dòng)化達(dá)到較高水平，這也是制造出的產(chǎn)品抗震性能好的主要原因之一，兩者之間形成了較強(qiáng)大的黏合力，整板的不良品率為2%～3%。

1.2.3? 高頻特性好

基于多芯片模塊（MCM）工藝生產(chǎn)制造的通用微型計(jì)算機(jī)的時(shí)頻最高能達(dá)到100 MHz，能壓縮2～3倍因寄生電抗形成的冗余功率損耗。

1.2.4? 為實(shí)現(xiàn)自動(dòng)化生產(chǎn)創(chuàng)造便利性

若采用當(dāng)下的通孔技術(shù)，能實(shí)現(xiàn)PCB安裝過程的全自動(dòng)化，杜絕安裝時(shí)發(fā)生磕碰等狀況，且聯(lián)合使用了真空吸放器件，能進(jìn)一步提升元器件安置的緊湊性。

2? SMT產(chǎn)品質(zhì)量預(yù)測模型

2.1? 預(yù)測分析SMT產(chǎn)品質(zhì)量的流程

從宏觀層面分析，SMT產(chǎn)品質(zhì)量預(yù)測模型流程主要由關(guān)鍵數(shù)據(jù)收集、特征設(shè)定、再建特點(diǎn)、設(shè)計(jì)數(shù)據(jù)包、信息預(yù)處理、設(shè)定算法、建設(shè)健全模型組成。

2.2? SMT工程特征及構(gòu)建數(shù)據(jù)包

2.2.1? 基于時(shí)序特征重構(gòu)SMT質(zhì)量預(yù)測特征

裝配制造行業(yè)內(nèi)很多產(chǎn)品的生產(chǎn)線工序繁雜，不同工序之間實(shí)現(xiàn)串行生產(chǎn)，或者并行生產(chǎn)，或者串并行混合式生產(chǎn)。SMT是經(jīng)典的高精度式串行生產(chǎn)線，環(huán)環(huán)緊扣，最后生產(chǎn)的產(chǎn)品質(zhì)量是不同工序綜合作用的結(jié)果。時(shí)變性與非線性是生產(chǎn)制造過程的主要特征。生產(chǎn)過程是繁雜動(dòng)態(tài)改變的過程，應(yīng)分析不同因素之間形成的交互性。

排除突發(fā)性的不可調(diào)控因素之外，其余很多因素很難被定量分析，收集有關(guān)數(shù)據(jù)時(shí)存在較大難度。為規(guī)避該部分信息缺失的情況，本文歷經(jīng)系統(tǒng)化分析后，提出把 t-1時(shí)刻對(duì)應(yīng)質(zhì)量屬性值作為 t時(shí)刻產(chǎn)品的一個(gè)輸入特征，利用其彌補(bǔ)信息缺失的漏洞，使其符合制造行業(yè)產(chǎn)品生產(chǎn)特征[3]。

2.2.2? 建設(shè)SMT預(yù)測模型數(shù)據(jù)包

本文所提及的“數(shù)據(jù)包”，被定義為在大量數(shù)據(jù)下，深度解讀數(shù)據(jù)后，采用部分特征或者字段對(duì)初始數(shù)據(jù)進(jìn)行切割、分離處理，在形成的不同類型數(shù)據(jù)包上建出數(shù)個(gè)模型形成的集合體。鑒于SMT生產(chǎn)線上具備很多有代表性的數(shù)批次、少量制造的特征，PCB變動(dòng)范疇較大，PCB現(xiàn)實(shí)加工中材料受力、形變等均對(duì)其加工過程造成一定影響，故而在維持封裝、鋼網(wǎng)及刮刀所屬類別等因素恒定的工況下，參照PCB細(xì)化數(shù)據(jù)包具有很大現(xiàn)實(shí)意義。

本文建立以時(shí)間序列特征為基礎(chǔ)的質(zhì)量預(yù)測模型，通過持續(xù)聚集既往數(shù)據(jù)，持續(xù)更新模型。一旦有大批量數(shù)據(jù)被整合至模型內(nèi)，勢(shì)必會(huì)對(duì)其精確度形成不良影響，復(fù)雜度也會(huì)有所增大。為應(yīng)對(duì)以上情況，對(duì)數(shù)據(jù)規(guī)劃設(shè)置時(shí)間窗口，聯(lián)合使用滾動(dòng)有限階段完善策略，為線上自適應(yīng)動(dòng)態(tài)預(yù)測產(chǎn)品制造質(zhì)量提供更強(qiáng)大的支撐，可以理解成保持合理性較強(qiáng)的數(shù)據(jù)樣本數(shù)M，規(guī)劃移動(dòng)序列數(shù)據(jù)窗口（嵌進(jìn)維度為T），按照一定次序取用剛印刷完的PCB上的數(shù)據(jù)，將前一個(gè)數(shù)據(jù)包內(nèi)時(shí)間截部分?jǐn)?shù)據(jù)樣本取而代之，產(chǎn)出一個(gè)新的時(shí)間窗口，借此方式達(dá)到動(dòng)態(tài)化更新時(shí)間序列數(shù)據(jù)包，更替產(chǎn)品質(zhì)量預(yù)測模型，進(jìn)而更為精準(zhǔn)地預(yù)測下一個(gè)PCB的質(zhì)量屬性。

2.2.3? 數(shù)據(jù)預(yù)處理

Z-Score標(biāo)準(zhǔn)化是數(shù)據(jù)挖掘階段常用方法之一，可采用下式表示：

式中，? ?、? ?分別是數(shù)據(jù)集的均值、方差。本課題應(yīng)用Z-Score標(biāo)準(zhǔn)化，一方面能順利解除不同量綱之間的差別，把數(shù)據(jù)映射到[0，1]區(qū)間內(nèi);另一方面考慮特征分布不同形成的影響，確保各個(gè)特征均服從標(biāo)準(zhǔn)正態(tài)分布[4]。

2.3? 基于RBF神經(jīng)網(wǎng)絡(luò)的SMT質(zhì)量預(yù)測模型

2.3.1? RBF神經(jīng)網(wǎng)絡(luò)算法原理

神經(jīng)網(wǎng)絡(luò)即人工神經(jīng)網(wǎng)絡(luò)（ANN），由大批量和生物神經(jīng)元有較高相似度的處理單元銜接后形成。感知器網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)內(nèi)最簡單的模型。

徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)的基本思想可以做出如下表述：基于徑向基函數(shù)建設(shè)隱含層，輸出層針對(duì)輸出的神經(jīng)元進(jìn)行線性整合。

2.3.2? 建設(shè)SMT產(chǎn)品質(zhì)量預(yù)測模型

（1）利用R編輯RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)程序;

（2）將SMT質(zhì)量預(yù)測實(shí)驗(yàn)數(shù)據(jù)輸入其中，并參照該數(shù)據(jù)創(chuàng)設(shè)合理性較高的SMT質(zhì)量預(yù)測，設(shè)置的參數(shù)有ANN隱含層的激活函數(shù)、神經(jīng)元數(shù)目、神經(jīng)元的中心位點(diǎn)等[5];

（3）利用事前訓(xùn)練好的預(yù)測模型預(yù)測試樣的錫膏印刷體積，比較預(yù)測結(jié)果和實(shí)測值，測算出預(yù)測均值、方差及誤差，在此基礎(chǔ)上測評(píng)預(yù)測模型的精度。

3? 模型的實(shí)現(xiàn)和驗(yàn)證

3.1? SMT生產(chǎn)工藝與數(shù)據(jù)資源

3.1.1? 生產(chǎn)工藝

某企業(yè)的SMT生產(chǎn)線共計(jì)設(shè)置了9個(gè)工位，各工位均配置了數(shù)字化生產(chǎn)裝置，能錄入與存儲(chǔ)產(chǎn)品制造生產(chǎn)中形成的數(shù)據(jù)。

3.1.2? 數(shù)據(jù)資源

本文選用企業(yè)SMT產(chǎn)品內(nèi)Q1封裝型焊盤進(jìn)行分析，收集數(shù)據(jù)周期的時(shí)間窗口設(shè)定為一個(gè)月，收集到的原始數(shù)據(jù)高達(dá)295 910條，數(shù)據(jù)資源囊括了原料預(yù)備與鋼網(wǎng)檢測16個(gè)原料特征參數(shù)，錫膏印刷工位涉及印刷、制造環(huán)境及過程狀態(tài)參數(shù)，分別有15個(gè)、2個(gè)、10個(gè)，Serial Peripheral Interface（SPI）檢測工位有3個(gè)焊盤檢測參數(shù)囊括其中。

3.2? 大數(shù)據(jù)特征工程與數(shù)據(jù)預(yù)處理

3.2.1? 特征工程

首先，分析STM質(zhì)量預(yù)測模式應(yīng)用情景的特殊性，形成的預(yù)測結(jié)果能為改進(jìn)、完善工藝參數(shù)提供可靠支持，故而采用過濾式法內(nèi)的間距有關(guān)系數(shù)，彈性網(wǎng)絡(luò)挑選和焊盤體積有關(guān)的部分影響因素[6]。

其次，由于工程內(nèi)不同因素通常會(huì)形成非線性關(guān)系，間距相關(guān)系數(shù)能較為精確的測量因素之間的相關(guān)性程度，攻擊包括了73個(gè)初始特征，歷經(jīng)機(jī)理分析過程剔除了53個(gè)不相關(guān)特征后，測算出特征和目標(biāo)屬性之間的間距相關(guān)系數(shù)。比如，刮刀分離速度、距離的相關(guān)系數(shù)分別為0.088 926 94、0.101 671 11;刮刀平均、最小及最大壓力的間距相關(guān)系數(shù)分別為0.102 040 78、0.176 742 07、0.150 448 02。經(jīng)比較分析后，發(fā)現(xiàn)工業(yè)生產(chǎn)中現(xiàn)實(shí)數(shù)據(jù)相關(guān)性系數(shù)和理論值之間存在較大差距，故而最后決定選用相關(guān)系數(shù)大于0.15的特征作為本課題研究的關(guān)鍵特征。

再者，采用彈性網(wǎng)絡(luò)建設(shè)回歸模型，測算出各個(gè)特征的相關(guān)系數(shù)。在彈性網(wǎng)絡(luò)模型下，各個(gè)特征重要程度的可視化呈現(xiàn)情況為：線段越臨近x軸提示重要性越低，反之越高[7]。

伴隨特征的減少，相對(duì)誤差呈現(xiàn)出先減后增的趨勢(shì)，本文選用了最小相對(duì)誤差下的特征組合，具體情況見表1。

最后，基于時(shí)間序列重建特征。歷經(jīng)簡化處理的數(shù)據(jù)集樣本量為1 771條，將 t-1時(shí)刻焊盤體積作為 t時(shí)刻產(chǎn)品的一個(gè)新特征，創(chuàng)建質(zhì)量特征分析的時(shí)間序列數(shù)據(jù)包。

3.2.2? 數(shù)據(jù)預(yù)處理

采用Z-score標(biāo)準(zhǔn)化公式對(duì)數(shù)據(jù)集進(jìn)行歸一化處理，解除不同量綱之間的差別，將全部產(chǎn)品特征分布映射成標(biāo)準(zhǔn)正態(tài)分布。最后經(jīng)歸一化處理后的局部數(shù)據(jù)樣本如表2所示[8]。

3.3 模型預(yù)測結(jié)果

在論述過程中可以加進(jìn) t-1時(shí)刻的焊盤體積重新構(gòu)建新特征，如下通過建設(shè)兩個(gè)數(shù)據(jù)包A、B進(jìn)行檢測驗(yàn)證。兩個(gè)數(shù)據(jù)包均源于相同批次的PCB，板長是[200，400]的SMT印刷產(chǎn)品，輸入兩個(gè)數(shù)據(jù)包的特征值等同，但數(shù)據(jù)包B內(nèi)含有重構(gòu)的特征 t-1焊盤體積。

本文采用RBF預(yù)測兩個(gè)數(shù)據(jù)包[9]。PCB長為[200，400]時(shí)，數(shù)據(jù)包A、B的平均相對(duì)誤差分別為11.83%、6.58%。綜合以上圖表及數(shù)據(jù)，不難發(fā)現(xiàn)在其他要素等同的狀況下，整合至新特征的數(shù)據(jù)包B檢測集擬合效果綜合性更好，對(duì)產(chǎn)品質(zhì)量預(yù)測的精確度也顯著高于數(shù)據(jù)包A。

4? 結(jié)語

本課題以SMT大數(shù)據(jù)分析為支撐，以錫膏印刷階段預(yù)測焊盤體積為研究對(duì)象，建立一套較為完善的SMT產(chǎn)品質(zhì)量預(yù)測分析框架，有機(jī)融合傳統(tǒng)機(jī)理分析與大數(shù)據(jù)核心技術(shù)，分析產(chǎn)品生產(chǎn)線、數(shù)據(jù)特征及現(xiàn)實(shí)運(yùn)用需求等因素，建立在線、動(dòng)態(tài)化、自適應(yīng)性較高的質(zhì)量預(yù)測模型;拓展對(duì)數(shù)據(jù)資源分析的深度，提取復(fù)雜多變的微小要素規(guī)劃其所屬類型，實(shí)現(xiàn)了對(duì)數(shù)據(jù)的精細(xì)化分析，提升了信息的利用價(jià)值。在產(chǎn)品加工制造之前，企業(yè)可以組織技術(shù)人員采用相似模型對(duì)部分新產(chǎn)品進(jìn)行模擬測算，有針對(duì)性地優(yōu)化既往生產(chǎn)模式，降低生產(chǎn)頻次，壓縮生產(chǎn)成本，協(xié)助企業(yè)創(chuàng)造更大的經(jīng)濟(jì)效益。

（責(zé)任編輯：侯辛鋒）

參考文獻(xiàn)：

[1]翟運(yùn)，張東.大數(shù)據(jù)技術(shù)在貴州省環(huán)境管理中的應(yīng)用分析[J].環(huán)境與發(fā)展，2020（7）：236，239.

[2]賈曉宗，陳影，蘆建文.影響焦炭質(zhì)量預(yù)測效果的原因分析[J].包鋼科技，2020（2）：5-7，24.

[3]楊嵐，石宇強(qiáng).基于大數(shù)據(jù)的多工序產(chǎn)品質(zhì)量預(yù)測[J].西南科技大學(xué)學(xué)報(bào)，2020（1）：81-89.

[4]張修建，張鵬程，劉曉旭.智能化計(jì)量管理信息系統(tǒng)設(shè)計(jì)及應(yīng)用價(jià)值[J].國防科技，2020（1）：24-29.

[5]程平，王立宇.基于隨機(jī)森林的稅務(wù)熱線服務(wù)質(zhì)量預(yù)測研究[J].財(cái)會(huì)通訊，2020（2）：137-140.

[6]邵健，何安瑞，董光德，等.基于工業(yè)互聯(lián)的鋼鐵全流程質(zhì)量管控系統(tǒng)[J].冶金自動(dòng)化，2020（1）：8-16，43.

[7]吳雙，石宇強(qiáng).基于BP網(wǎng)絡(luò)與XGBoost的質(zhì)量控制方法研究[J].制造業(yè)自動(dòng)化，2019（12）：12-17.

[8]那勇.Spark框架下基于對(duì)比散度的網(wǎng)絡(luò)服務(wù)TLRBM推薦算法[J].計(jì)算機(jī)應(yīng)用與軟件，2019（8）：293-299.

[9]任明侖，宋月麗.大數(shù)據(jù)：數(shù)據(jù)驅(qū)動(dòng)的過程質(zhì)量控制與改進(jìn)新視角[J].計(jì)算機(jī)集成制造系統(tǒng)，2019（11）：2731-2742.