一种基于大数据技术的LED生产工艺优化方法技术

本发明专利技术涉及一种基于大数据技术的LED生产工艺优化方法，包括：S1、建立点胶数据模型，其中，所述点胶数据模型用于表征原始物料参数与原始点胶量的对应关系；S2、通过所述点胶数据模型获取当前点胶量；S3、通过所述当前点胶量得到LED产品。通过该点胶数据模型可以有效的降低荧光粉沉降对生产LED产品产生的影响，使LED产品发光特性保持一致；该方法能够有效的提升量产阶段LED色坐标集中程度和主色区的落Bin率，提升投入产出比和产能，增加出货率，降低生产成本；通过在点胶过程中实时监测胶量浓度，如果胶量浓度超出阈值范围时或在线时长超出阈值范围，则及时发现并报警，增加了产品的生产良率和降低异常损失。

An optimization method for LED production process based on big data technology

The invention relates to an LED production process optimization method based on large data technology, including: S1, establishing dispensing data model, wherein the dispensing data model is used to characterize the corresponding relationship between raw material parameters and the original dispensing quantity; S2, obtaining the current dispensing quantity through the dispensing data model; S3, through the current dispensing quantity. The amount of dispensing is obtained from LED products. The dispensing data model can effectively reduce the influence of phosphor deposition on the production of LED products and keep the luminous characteristics of LED products consistent; this method can effectively improve the concentration of LED color coordinates and the rate of Bin dropping in the main color area, enhance the input-output ratio and production capacity, increase the delivery rate and reduce the production yield. By monitoring the glue concentration in real time during dispensing process, if the glue concentration exceeds the threshold range or the online time exceeds the threshold range, the glue concentration can be detected and alarmed in time, which increases the yield of the product and reduces the abnormal loss.

【技术实现步骤摘要】
一种基于大数据技术的LED生产工艺优化方法
本专利技术属于人工智能
，具体涉及一种基于大数据技术的LED生产工艺优化方法。
技术介绍
任何光都可以用红、绿、蓝这3种色光按不同的比例混合而成，这就是三原色原理。三原色的原理可解释如下：自然界的任何光色都可以由3种光色按不同的比例混合而成；三原色之间是相互独立的，任何一种光色都不能由其余的两种光色来组成；混合色的饱和度由3种光色的比例来决定；混合色的亮度为3种光色的亮度之和。例如这三种光以相同的比例混合、且达到一定的亮度，就呈现白色(白光)；若三种光的亮度均为零，就是黑色，黄光就可以通过一定亮度的绿光和红光按照相同比例混合形成，当然，白光也可以通过一定亮度的黄光和蓝光混合形成。。目前，制造白光LED有三种途径，分别为：①采用R、G、B三原色合成白光，②通过UVLED激发R、G、B荧光粉，③通过蓝光LED芯片激发黄色荧光粉形成。现今，LED行业制造白光LED产品最普遍的方式是第三种，即将具有一定波段的红色荧光粉和绿色荧光粉的混合物，与环氧树脂或硅胶均匀搅拌混合后，通过点胶，灌封在蓝光LED芯片四周，芯片蓝光与荧光粉受激发生成的黄光混合形成白光。制造白光LED产品，在点胶环节一般要经过配胶、灌胶两个重要阶段，在配胶阶段，一般根据给定的胶粉配比比例进行配制即可，灌胶阶段则是通过将混合有荧光粉的胶装入胶管之中，通过点胶机控制点胶用量，逐滴滴在蓝光芯片上。然而，在制造白光LED产品的点胶环节，胶水中的荧光粉颗粒受重力影响，会随着时间的推移在点胶过程中会发生沉降，因此对于同一管胶水，底部的荧光粉浓度往往大于顶部。这就导致连续点胶过程中，不同芯片上的胶水用量虽然一致，但是荧光粉浓度会随时间推移而衰减，致使相同体积荧光粉胶中的荧光粉颗粒数发生变化。而荧光粉颗粒正是红光和绿光的发光光源，从而导致同批次中不同芯片的发光水平难以保持一致。
技术实现思路
为了解决现有技术中存在的上述问题，本专利技术提供了一种基于大数据技术的LED生产工艺优化方法。本专利技术要解决的技术问题通过以下技术方案实现：本专利技术实施例提供了一种基于大数据技术的LED生产工艺优化方法，包括：S1、建立点胶数据模型，其中，所述点胶数据模型用于表征原始物料参数与原始点胶量的对应关系；S2、通过所述点胶数据模型获取当前点胶量；S3、通过所述当前点胶量得到LED产品。在本专利技术的一个实施例中，步骤S1包括：S11、采集多组原始生产数据；S12、获取每组原始生产数据对应的所述原始物料参数；S13、获取所述每组原始生产数据对应的所述原始点胶量；S14、将所述多组原始生产数据对应的所述原始物料参数与所述多组原始生产数据对应的所述原始点胶量进行匹配，获得所述点胶数据模型。在本专利技术的一个实施例中，所述原始生产数据包括原始物料参数、原始物料用量产生的误差数据、初始胶量浓度数据、生产过程中胶量的浓度变化数据、胶量的补偿数据、工艺条件数据、产品生产的时长数据和原始产品良率数据。在本专利技术的一个实施例中，步骤S13包括：S131、建立所述每组原始生产数据对应的不同初始胶量的胶量曲线；S132、建立所述每组原始生产数据对应的不同胶量补偿量的补偿曲线；S132、根据所述胶量曲线和所述补偿曲线获取所述原始点胶量。在本专利技术的一个实施例中，步骤S2包括：S21、获取当前物料参数；S22、获取当前产品需求；S23、通过所述当前物料参数、所述当前产品需求和所述点胶数据模型获取所述当前点胶量。在本专利技术的一个实施例中，所述当前点胶量包括当前初始胶量浓度、当前胶量补偿量和当前胶量阈值范围。在本专利技术的一个实施例中，所述当前胶量阈值范围包括当前胶量浓度阈值范围和当前生产时长阈值范围。在本专利技术的一个实施例中，步骤S3包括：S31、获取实时胶量浓度；S32、获取实时生产时长；S33、通过所述实时胶量浓度和所述实时生产时长得到LED产品；其中，若所述实时胶量浓度在所述当前胶量浓度阈值范围内且所述实时生产时长在所述当前生产时长阈值范围内，则继续生产；否则，产生报警信息，停止所述LED产品生产。在本专利技术的一个实施例中，步骤S31包括：S311、获取荧光粉的吸收光谱；S312、根据所述吸收光谱得到所述实时胶量浓度。在本专利技术的一个实施例中，步骤S3之后还包括：SX1、获取所述LED产品的当前产品良率数据；SX2、将所述当前产品良率数据与所述原始产品良率数据进行对比；若所述当前产品良率数据比所述原始产品良率数据良率高，则将所述当前点胶量作为所述原始点胶量。与现有技术相比，本专利技术的有益效果：(1)通过该点胶数据模型可以有效的降低荧光粉沉降对生产LED产品发光特性的影响，使LED产品发光水平保持一致；(2)该方法能够有效的提升量产阶段LED色坐标集中程度和主色区的落Bin率，提升投入产出比和产能，增加出货率，降低生产成本；(3)通过在点胶过程中实时监测胶量浓度，如果胶量浓度超出阈值范围时或在线时长超出阈值范围，则及时发现并报警，增加了产品的生产良率。附图说明图1为本专利技术实施例提供的一种基于大数据技术的LED生产工艺优化方法的流程示意图；图2为本专利技术实施例提供的一种基于大数据技术的LED生产工艺优化方法的获取实时胶量浓度流程示意图；图3为本专利技术实施例提供的一种基于大数据技术的LED生产工艺优化方法的点胶异常报警处理流程示意图。具体实施方式下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此。实施例一请参见图1，图1为本专利技术实施例提供的一种基于大数据技术的LED生产工艺优化方法的流程示意图；图2为本专利技术实施例提供的一种基于大数据技术的LED生产工艺优化方法的获取实时胶量浓度流程示意图；图3为本专利技术实施例提供的一种基于大数据技术的LED生产工艺优化方法的点胶异常报警处理流程示意图。RGB三原色指色彩中不能再分解的三种基本颜色，分别是红(R)、绿(G)、蓝(B)，将这三种颜色按照不同比例混合，可以调配出自然界中绝大部分色彩。根据上述RGB三原色原理，任何光都可以用红R(λ)、绿G(λ)、蓝G(λ)三种色光按不同的比例混合而成。那么当任意颜色光C(λ)与红R(λ)、绿G(λ)、蓝B(λ)混合匹配时可写出如下RGB三原色的物理模型：C(λ)＝rR(λ)+gG(λ)+bB(λ)r、g、b分别代表各个颜色光的比例，1＝r+b+g。当r＝g＝b时，将配出标准白光，从色彩角度来说三原色等量混合可以得到标准白光,此时红光波长λR＝700nm，绿光波长λG＝546.1nm,蓝光波长λB＝435.8nm。同理，从LED封装原理来说，蓝光芯片发出波长为435.8nm的蓝光与红色荧光粉激发出700nm的红光和绿色荧光粉激发出546.1nm的绿光等量混合也可以得到标准白光。但是，对白光LED封装来说，这只是一个理想的物理模型，没有考虑实际生产中的各种误差影响。在LED封装过程中使用的蓝光芯片，波长误差范围为2.5nm，荧光粉激发的黄光波长，也在一个区间范围，荧光粉发光的亮度同时还受荧光粉颗粒粒径和数量的影响；在配胶环节，荧光粉称重时还受电子称精度影响，导致物料配比还存在误差，也会影响亮度；当然，点胶时点胶机精度和荧光粉浓度变化也会影响LED发光特性。因此，实际生产中必须考虑这些误差带来影响本文档来自技高网...

【技术保护点】
1.一种基于大数据技术的LED生产工艺优化方法，其特征在于，包括：S1、建立点胶数据模型，其中，所述点胶数据模型用于表征原始物料参数与原始点胶量的对应关系；S2、通过所述点胶数据模型获取当前点胶量；S3、通过所述当前点胶量得到LED产品。

【技术特征摘要】
1.一种基于大数据技术的LED生产工艺优化方法，其特征在于，包括：S1、建立点胶数据模型，其中，所述点胶数据模型用于表征原始物料参数与原始点胶量的对应关系；S2、通过所述点胶数据模型获取当前点胶量；S3、通过所述当前点胶量得到LED产品。2.根据权利要求1所述的优化方法，其特征在于，步骤S1包括：S11、采集多组原始生产数据；S12、获取每组原始生产数据对应的所述原始物料参数；S13、获取所述每组原始生产数据对应的所述原始点胶量；S14、将所述多组原始生产数据对应的所述原始物料参数与所述多组原始生产数据对应的所述原始点胶量进行匹配，获得所述点胶数据模型。3.根据权利要求2所述的优化方法，其特征在于，所述原始生产数据包括原始物料参数、原始物料用量产生的误差数据、初始胶量浓度数据、生产过程中胶量的浓度变化数据、胶量的补偿数据、工艺条件数据，产品生产的时长数据和原始产品良率数据。4.根据权利要求2所述的优化方法，其特征在于，步骤S13包括：S131、建立所述每组原始生产数据对应的不同初始胶量的胶量曲线；S132、建立所述每组原始生产数据对应的不同胶量补偿量的补偿曲线；S132、根据所述胶量曲线和所述补偿曲线获取所述原始点胶量。5.根据权利要求1所述的优化方法，其特征在于，步骤S2包括：S2...

【专利技术属性】
技术研发人员：顾铠，毛毅，
申请(专利权)人：浙江云科智造科技有限公司，
类型：发明
国别省市：浙江,33