歡迎光臨
每天分享高質量文章

PCB 機器學習(ML.NET)初體驗實現PCB加投率預測

 使用ML.NET建立PCB加投率模型對單一蝕刻工序進行加投率預測, 此實體為最簡單預測,要想實現全流程加投率預測挑戰難度還是挺大的,可以查看另一種關於大資料在PCB行業應用—加投率計算基本原理:PCB 加投率計算實現基本原理–K最近鄰演算法(KNN)

 

一.PCB加投資料結構

        建立資料結構,蝕刻工序影響報廢的的關鍵引數,銅厚、線寬公差、最小線寬、最小線距(實際影響引數會更多)

二.準備資料—蝕刻工序資料

       準備PCB蝕刻工序歷史實際報廢率資料與對應的影響蝕刻報廢的引數因子(測試資料只用了12條,資料量是遠遠不夠的,僅僅用於測試用,要實際要預測的話於少準備1年以前的生產資料,資料量的多少決定預測的準確率高低),此資料是引數對此蝕刻工序的影響報廢權重值,並非真實的值, 為了簡化:報廢多少量就是因該要加投多少量。

       如下資料:每行資料帶表信息: 【錶面銅厚】,【線寬】,【最小線寬】,【最小線距】,【報廢率】

69,3,14,14,0.03

44,35,10,10,0.03

64,11,13,13,0.03

39,0,31,31,0.03

4,2,47,47,0.02

2,1,48,48,0.02

2,3,48,48,0.02

12,8,40,40,0.02

11,75,7,7,0.01

14,61,13,13,0.01

18,75,4,4,0.01

11,45,22,22,0.01

三.訓練PCB加投率模型(加載資料,轉換資料,學習演算法,訓練模型)

  四.讀取PCB加投率模型並呼叫

         將PCB加投率模型封裝WebAPI接口,供外部呼叫

五.PCB加投率預測呼叫實體

 

原文地址:https://www.cnblogs.com/adalovelacer/p/work-together.html

赞(0)

分享創造快樂