面向手机印刷电路板工业大数据的异常检测系统.pdfVIP

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。