面向手机印刷电路板工业大数据的异常检测系统.pdf

面向手机印刷电路板工业大数据的异常检测系统 摘 要 手机印刷电路板基于数据检测方法要面对以下四个挑战：数据量大；数据维度高； 数据类别分布不平衡；检测系统缺乏自适应能力。手机印刷电路板生产速度快，因此数 据量大。检测系统需要进行四五十种不同测试，包括锡膏厚度、体积、面积以及偏移等 内容，导致数据维度多。一般生产中不良率仅为 150PPM，所以数据分布非常不平衡。 检测系统基于规则，因此缺乏自适应能力。为了解决上述问题，本文对手机印刷电路板 工业大数据的异常检测进行如下研究： 1) 结合 Wasserstein 距离和互信息，提出了一种特征选择算法，通过降低数据集特 征维度，来提高检测速度。算法基本原理是通过Wasserstein 距离度量特征对分类的重要 性，结合互信息对特征之间冗余的度量，以此寻找对分类很重要而彼此之间冗余较小的 特征子集。实验证明，该算法效果显著，可以将原始数据集由45 个特征降低到4 个， 极大提高检测速度。 2) 利用生成式对抗网络进行数据合成，使数据集分布平衡。对于不平衡数据集，系 统难以精确检测出稀少的不良产品，可以通过生成式对抗网络合成相似的稀少类数据使 数据集达到平衡，来提高检测效果。实验证明，通过平衡数据集可以有效提升检测效果， 在训练大约200 次时，即可获得高质量稀少数据。 3) 设计可自学习的手机印刷板工业大数据异常检测系统。该系统采用模块化设计， 其中数据源模块不断更新本地数据，异常检测模块根据本地数据实时训练多个备用模型， 系统会根据检测结果变化对离线训练模型与在线模型进行热切换，实现系统自学习能力。 上线运行结果显示，本系统可以将检测结果F1 值提升至 0.7 左右，召回率提升至 0.75 左右。 实际上线运行之后的结果表明，本文设计的异常检测系统，可以有效提升检测速度 和效果，并通过多个模型热切换实现可自动学习能力，对降低生产成本提升生产效率有 着很好的作用。 I 面向手机印刷电路板工业大数据的异常检测系统 关键词：异常检测，实时数据分类， 生成式对抗网络，数据不平衡，特征选择 II Anomaly Detection System for Big Data of Mobile Printed Circuit Board Industry Abstract Data-based PCB detection methods for mobile phones face the following four challenges: large amount of data; high data dimension; unbalanced distribution of data categories; and lack of adaptive ability of detection system. Printed circuit board (PCB) of mobile phone has a high production speed, so it has a large amount of data. The detection system needs 40 or 50 different tests, including the thickness, volume, area and offset of solder paste, which results in high data dimension. In general, the bad rate in production is only 150 PPM, so the data distribution is very unbalanced. The detection system is based on rules, so it lacks adaptive ability. In order to solve the above problems, this paper carries out the following