基于测量数据机器学习的电路板故障检测方法和系统技术方案

本发明专利技术提供了一种基于测量数据机器学习的电路板故障检测方法和系统，在训练过程中，用户将历史存储的原始不良品维修记录数据批量上传至服务器；服务器对不同型号电路板的数据进行分类，以及进行特征工程；对每一子类使用机器学习算法进行单独建模和训练；在预测过程中，用户上传不良电路板的相应特征实例；服务器根据产品型号归类后，使用之前特征工程的结果来提取出可用特征；使用训练好的机器学习模型来分析当前实例的特征，预测出故障原因。一方面结合数据分析和机器学习技术来进行故障检测，大大减少了维修测试所需的人力成本和时间；另一方面实现了特征选择与增量学习，提升了整体系统的训练效率与准确率。

PCB Fault Detection Method and System Based on Measuring Data Machine Learning

The invention provides a circuit board fault detection method and system based on machine learning of measurement data. During the training process, the user uploads batch of the original bad product maintenance record data stored in history to the server; the server classifies the data of different types of circuit boards and carries out feature engineering; and uses machine learning algorithm to model and train each subclass separately. In the forecasting process, users upload the corresponding feature instances of bad circuit boards; after the server classifies according to the product type, the available features are extracted by using the results of previous feature engineering; and the trained machine learning model is used to analyze the characteristics of the current instance and predict the cause of the failure. On the one hand, it combines data analysis and machine learning technology for fault detection, which greatly reduces the manpower cost and time required for maintenance testing; on the other hand, it realizes feature selection and incremental learning, and improves the training efficiency and accuracy of the whole system.

【技术实现步骤摘要】
基于测量数据机器学习的电路板故障检测方法和系统
本专利技术涉及电路板故障检测
，具体地，涉及一种基于测量数据机器学习的电路板故障检测方法和系统。
技术介绍
在电子厂商的生产环境中，各个电子产品会有规定的各项性能指标。而对于测试和维修流水线的员工而言，他们的任务就是根据各项基本指标来判断一个产品是否合格，并找到不合格产品的问题所在。以电路板为例，由于各个电路板产品具有一定的差异性，而且每种产品的元件数量众多，测试和维修部门的员工检验不良品故障原因的难度也相当之大。以往情况下，员工都是根据肉眼检查，或使用测量仪器对不良品进行逐点排查，并根据经验来一步一步推测得出结果。但是类似此种基于人工经验的不良品排错方法，一来可靠性有待提升，容易出现纰漏；二来耗时长，排错效率低；三来学习成本高，新人上手慢；四来经验具有一定的不可继承性，当一个新的电路板产品到达时，员工需要重新学习和总结故障排错经验。在工业4.0即将到来之际，这一系列的困难和挑战急需解决，刻不容缓。幸运的是，随着计算机硬件条件的不断提升，计算机的运算能力也在逐年翻倍。凭借着这一股浪潮，在今天，人工智能技术得以大力发展，机器学习，大本文档来自技高网...

【技术保护点】
1.一种基于测量数据机器学习的电路板故障检测方法，其特征在于，包括：训练阶段步骤：接收电路板维修数据，对电路板维修数据进行分类，得到分类结果，根据分类结果使用机器学习进行建模和训练，得到机器学习模型；预测阶段步骤：接收故障检测请求，将故障检测请求中的数据实例根据分类结果进行归类，使用机器学习模型进行预测，得到故障原因。

【技术特征摘要】
1.一种基于测量数据机器学习的电路板故障检测方法，其特征在于，包括：训练阶段步骤：接收电路板维修数据，对电路板维修数据进行分类，得到分类结果，根据分类结果使用机器学习进行建模和训练，得到机器学习模型；预测阶段步骤：接收故障检测请求，将故障检测请求中的数据实例根据分类结果进行归类，使用机器学习模型进行预测，得到故障原因。2.根据权利要求1所述的基于测量数据机器学习的电路板故障检测方法，其特征在于，所述训练阶段步骤包括：数据上传步骤：将电路板维修数据上传至服务器，所述电路板维修数据包括特征数据和标签数据，所述特征数据记录电路板基本信息，所述标签数据记录电路板故障维修数据；数据分类步骤：服务器接收电路板维修数据，根据电路板基本信息对电路板故障维修数据进行分类，得到多个子类，分别对每个子类通过特征工程进行特征提取，得到特征工程结果；子类建模步骤：对各子类使用机器学习进行单独建模训练，得到机器学习模型。3.根据权利要求2所述的基于测量数据机器学习的电路板故障检测方法，其特征在于，预测阶段步骤包括：接收请求步骤：接收故障检测请求，将故障检测请求中的数据实例上传至服务器；故障归类步骤：根据数据实例中的产品型号信息，将数据实例归类到对应的子类，根据特征工程结果对数据实例进行提取，得到可用特征；故障预测步骤：根据数据实例归类，使用机器学习模型对可用特征进行预测，得到多个故障原因；故障筛选步骤：根据朴素贝叶斯，对多个故障原因进行筛选，得到可能性最大的故障原因作为最终故障原因，将所述最终故障原因返回。4.一种基于测量数据机器学习的电路板故障检测系统，其特征在于，包括：训练阶段模块：接收电路板维修数据，对电路板维修数据进行分类，得到分类结果，根据分类结果使用机器学习进行建模和训练，得到机器学习模型；预测阶段模块：接收故障检测请求，将故障检测请求中的数据实例根据分类结果进行归类，使用机器学习模型进行预测，得...

【专利技术属性】
技术研发人员：黄闻光，虞子傲，李林生，田晓华，王新兵，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31