一种SMT生产过程控制图模式识别方法技术

本发明专利技术公开了一种SMT生产过程控制图模式识别方法，包括：获取SMT生产过程中当前阶段工序的控制点的关键质量参数，对关键质量参数进行预处理；对预处理后的关键质量参数进行小波分解，得到关键质量参数的高频信号和低频信号；将高频信号和低频信号输入至预训练好的多分类支持向量机中进行控制图模式的识别，同时根据高频信号和低频信号绘制控制图；根据多分类支持向量机输出的控制图模式的识别结果，利用统计过程控制方法得到异常模式下对应的异常原因、以及预测下一阶段工序的控制图模式变化趋势。本发明专利技术的SMT生产过程控制图模式识别方法，有效提高了SMT生产过程控制图识别的精度和能力。

A pattern recognition method of SMT production process control chart

【技术实现步骤摘要】
一种SMT生产过程控制图模式识别方法
本申请属于质量状态监控领域，具体涉及一种SMT生产过程控制图模式识别方法。
技术介绍
表面贴装技术(SurfaceMountingTechnology，简称SMT)生产过程质量管理控制作为现代智能装备制造业过程质量的核心技术之一，目前，SMT生产线主要由贴片机、印刷机、点胶机、波峰焊机、光学检测装置等组成，各环节独立工作，没有形成整生产线的闭环，导致SMT生产线车间透明度较低，数据采集密度较小，许多生产过程为黑匣子；质量管控没有覆盖全生产过程，质量控制不精准；车间设备互联性差，无车间级信息集成。随着工业物联网技术的发展，针对SMT生产车间的可视化实时监控平台日益增多，将实时生产数据和设备运行状态数据采集回数据中心，实现对生产线及车间的实时监测。然而，这些可视化平台只实现了对各类数据的显示，虽然一定程度上方便了生产管理，但是本质上没有对生产过程质量进行提升，如何利用生产数据，基于大数据分析对SMT生产过程质量进行提高具有明显意义。而大部分现代SMT生产企业的制造执行系统(ManufacturingExecutionSystem，MES)里储存了很多之前的质量过程数据，通过对这些历史数据的分析挖掘可以发现影响产品质量变化的因素以及制造过程的运行情况。SMT生产过程具有批量大、生产节拍快、工艺过程复杂等特点，其生产数据具有采样率高、更新速度快、样本量大、易受干扰等特点。传统分析方法难以处理多噪声和强干扰下的大量过程数据，在SMT生产过程中难以应用。因此，针对SMT生产过程数据特性，设计一套针对性的、高效的、智能的大数据处理方法，实现对生产质量的优化提升，具有非常好的研究意义和应用价值。近年来，统计过程控制(StatisticalProcessControl,SPC)技术被大量运用于制造过程质量控制中，尤其是以控制图为代表的技术，使得事后根据质量检验结果来控制质量的滞后方法逐步转变为在制造过程事中控制的方法，根据控制图进行异常原因判断以及变化趋势预测，促使过程质量控制能力进一步提高。而随着SMT生产过程的自动化水平日益提升，工艺过程复杂程度也不断增加。如果只是基于传统分析方法的SPC进行过程质量管控难以处理多噪声和强干扰下的大量过程数据，已较难满足现实需求。目前，针对SMT生产过程质量智能管控问题依然没有很好的解决方案。为此，针对上述痛点，亟需一种更好的SMT生产过程控制图模式识别方法。
技术实现思路
本申请的目的在于提供一种SMT生产过程控制图模式识别方法，有效提高了SMT生产过程控制图识别的精度和能力。为实现上述目的，本申请所采取的技术方案为：一种SMT生产过程控制图模式识别方法，所述SMT生产过程控制图模式识别方法，包括：步骤1：获取SMT生产过程中当前阶段工序的控制点的关键质量参数，对所述关键质量参数进行预处理；步骤2：对预处理后的关键质量参数进行小波分解，得到关键质量参数的高频信号和低频信号；步骤3：将所述高频信号和低频信号输入至预训练好的多分类支持向量机中进行控制图模式的识别，同时根据高频信号和低频信号绘制控制图，所述控制图模式包括正常模式和异常模式，所述异常模式包括周期模式、上升趋势模式、下降趋势模式、向上阶跃模式和向下阶跃模式；步骤4：根据所述多分类支持向量机输出的控制图模式的识别结果，利用统计过程控制方法得到异常模式下对应的异常原因、以及预测下一阶段工序的控制图模式变化趋势。作为优选，所述对关键质量参数进行预处理，包括：步骤1.1：获取一组关键质量参数作为原始数据x，x＝(x1,x2,x3,…,xn)，n为原始数据x包含的数据个数，且n为奇数，计算原始数据x的均值和标准差δ，如下：当时，则数据xi为异常点，xi为原始数据x中的第i个数据；当数据xi为异常点时，若数据xi为正，则将数据xi赋值为若数据xi为负，则将数据xi赋值为步骤1.2：若数据xi缺失，即xi＝0；或数据xi缺少属性值，即xi＝nlack；或数据xi属性值不一致，即xi＝nerror时，对数据xi进行重新赋值，如下：即数据xi缺失或缺少属性值时，将均值赋值给该数据，若数据xi属性值不一致时，则将原始数据的中位数赋值给该数据，且若数据xi缺失、缺少属性值或属性值不一致时，则在计算原始数据x的均值和标准差δ时忽略该数据。作为优选，所述对预处理后的关键质量参数机进行小波分解，得到高频信号和低频信号，包括：建立M级小波变换如下：式中，x(n)包含计算得到的高频信号和低频信号，n为原始数据x包含的数据个数，waM和wbm为小波系数，AM(n)为Haar小波基函数，Bm(n)为Morlet小波基函数。本申请提供的SMT生产过程控制图模式识别方法采用预处理去除关键质量参数中的干扰“噪音”和无关信息，提高模式识别的精度，并且将预处理后的数据进行小波分解，得到针对性更高的高频信号和低频信号，利用多分类支持向量机先对高频信号和低频信号进行分类，再根据分类后的结果判断生成过程中是否出现异常或将要出现异常，以及时作出异常处理或根据预判阻止异常情况的出现，克服了统计过程控制方法存在的数据处理能力有限的缺点，同时采用预分类的方式也提高了模式识别准确度。附图说明图1为本申请的SMT生产过程控制图模式识别方法的流程图；图2为本申请的预处理流程图；图3为本申请控制图异常模式的表现形式和异常原因的一种实施例示意图；图4为本申请的SMT生产过程控制图模式识别方法的应用流程图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是在于限制本申请。如图1所示，其中一个实施例中提供一种SMT生产过程控制图模式识别方法，该方法包括以下步骤：步骤1：获取SMT生产过程中当前阶段工序的控制点的关键质量参数，对所述关键质量参数进行预处理。SMT生产过程中控制点为生产过程中的重要监视点，根据重要监视点的数据获取可使最终识别得到的控制图模式与实际生产过程更加匹配，提高控制图模式的真实性。控制点根据生产过程的实际监控需求进行设置，例如在生产过程的关键阶段工序后设置控制点。由于直接获取的关键质量参数中可能存在人为因素或制造环境引起的干扰信息和无关信息，故需要对数据进行预处理，以得到更加纯净的数据信息。数据预处理时可采用特征选择、标准化或正则化等方式，为了得到与原始数据匹配度更高的预处理后的本文档来自技高网...

【技术保护点】
1.一种SMT生产过程控制图模式识别方法，其特征在于，所述SMT生产过程控制图模式识别方法，包括：/n步骤1：获取SMT生产过程中当前阶段工序的控制点的关键质量参数，对所述关键质量参数进行预处理；/n步骤2：对预处理后的关键质量参数进行小波分解，得到关键质量参数的高频信号和低频信号；/n步骤3：将所述高频信号和低频信号输入至预训练好的多分类支持向量机中进行控制图模式的识别，同时根据高频信号和低频信号绘制控制图，所述控制图模式包括正常模式和异常模式，所述异常模式包括周期模式、上升趋势模式、下降趋势模式、向上阶跃模式和向下阶跃模式；/n步骤4：根据所述多分类支持向量机输出的控制图模式的识别结果，利用统计过程控制方法得到异常模式下对应的异常原因、以及预测下一阶段工序的控制图模式变化趋势。/n

【技术特征摘要】
1.一种SMT生产过程控制图模式识别方法，其特征在于，所述SMT生产过程控制图模式识别方法，包括：
步骤1：获取SMT生产过程中当前阶段工序的控制点的关键质量参数，对所述关键质量参数进行预处理；
步骤2：对预处理后的关键质量参数进行小波分解，得到关键质量参数的高频信号和低频信号；
步骤3：将所述高频信号和低频信号输入至预训练好的多分类支持向量机中进行控制图模式的识别，同时根据高频信号和低频信号绘制控制图，所述控制图模式包括正常模式和异常模式，所述异常模式包括周期模式、上升趋势模式、下降趋势模式、向上阶跃模式和向下阶跃模式；
步骤4：根据所述多分类支持向量机输出的控制图模式的识别结果，利用统计过程控制方法得到异常模式下对应的异常原因、以及预测下一阶段工序的控制图模式变化趋势。


2.如权利要求1所述的SMT生产过程控制图模式识别方法，其特征在于，所述对关键质量参数进行预处理，包括：
步骤1.1：获取一组关键质量参数作为原始数据x，x＝(x1,x2,x3,…,xn)，n为原始数据x包含的数据个数，且n为奇数，计算原始数据x的均值和标准差δ，如下：

【专利技术属性】
技术研发人员：王瑶为，张文安，吴祥，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33