装配良率控制方法、设备及计算机可读存储介质技术

本申请公开了一种装配良率控制方法、设备及计算机可读存储介质，所述方法包括：获取装配良率预测模型；输入目标物料的目标物料信息至所述装配良率预测模型中，得到所述目标物料的目标排配和所述目标排配对应的目标装配良率；其中，所述装配良率预测模型根据训练物料信息、训练排配组合与训练装配良率训练初始预测模型得到；通过获取到装配良率预测模型，将待装配的目标物料的目标物料信息输入至装配良率预测模型中，装配良率预测模型可自动的输出排配方式，也即目标排配，同时输出的还有目标排配对应的装配良率，在装配良率最大时，对应的目标排配即为最优排配方式，进而在控制装配良率的基础上，实现自动排配，提高了物料排配的效率。配的效率。配的效率。

【技术实现步骤摘要】
装配良率控制方法、设备及计算机可读存储介质


[0001]本申请涉及加工生产
，尤其涉及一种装配良率控制方法、设备及计算机可读存储介质。

技术介绍

[0002]装配生产线的良率问题一直广泛地存在于工厂中，基于两种或多种物料装配的智能最优匹配算法还未被应用。目前技术还停留在传统的被动式解决问题的方法，经验丰富的装配老师傅基于历史测量物料的尺寸通过试错法则去决定两种尺寸物料的按批次排产，具有大时滞、良率不佳、经验无法行形成知识规律的特点，从而导致现有的物料装配存在排配效率低、排配良率不稳定的问题。

技术实现思路

[0003]本申请的主要目的在于提供一种装配良率控制方法、设备及计算机可读存储介质，旨在解决物料装配存在排配效率低、排配良率不稳定的问题。
[0004]为实现上述目的，本申请提供一种装配良率控制方法，所述方法包括以下步骤：获取装配良率预测模型；输入目标物料的目标物料信息至所述装配良率预测模型中，得到所述目标物料的目标排配和所述目标排配对应的目标装配良率；其中，所述装配良率预测模型根据训练物料信息、训练排配组合与训练装配良率训练初始预测模型得到。
[0005]可选地，所述获取装配良率预测模型的步骤之前，所述方法还包括：建立初始预测模型；获取训练数据集，其中，所述训练数据集中包括训练物料信息、训练排配组合与训练装配良率；根据所述训练数据集训练所述初始预测模型，得到装配良率预测模型。
[0006]可选地，所述建立初始预测模型的步骤，包括：获取装配物料的历史相关信息；根据所述历史相关信息，确定所述装配物料中影响装配精度的关键因子；建立所述关键因子和预测良率之间的关系模型，确定初始预测模型。
[0007]可选地，所述历史相关信息中包括不同批次的所述装配物料的图位尺寸、量测尺寸、成产模号的信息，所述根据所述历史相关信息，确定所述装配物料中影响装配精度的关键因子的步骤，包括：获取所述装配物料中影响装配精度的关键点位；根据所述关键点位的图位尺寸和量测尺寸进行尺寸数据计算，得到所述关键点位对应的生产制程水准数值；根据所述生产制程水准数值和预设计算模型，计算得到所述装配物料的不同关键
点位的整体误差水平；比对所述整体误差水平和预设误差水平；若所述整体误差水平大于所述预设误差水平，则确定所述整体误差水平对应的关键点位为关键因子。
[0008]可选地，所述获取训练数据集的步骤，包括：根据所述历史相关信息和历史装配良率，建立装配不良模式库；根据所述关键因子对所述历史相关信息进行特征筛选，得到训练特征数据；获取所述训练特征数据对应的生产制程水准数值和历史装配良率，分别设定为训练水准数值和训练良率；基于所述训练特征数据、所述训练水准数值和所述训练良率，建立所述训练数据集。
[0009]可选地，所述根据所述历史相关信息和历史装配良率，建立装配不良模式库的步骤之后，所述方法包括：比对所述历史装配良率与良率达标值；若所述历史装配良率小于所述良率达标值，则对所述历史装配良率对应的历史相关信息进行分析，得到影响装配良率的影响因子；根据所述影响因子对所述历史相关信息中所述图位尺寸进行调整，更新所述训练数据集。
[0010]可选地，所述根据所述训练数据集训练所述初始预测模型，得到装配良率预测模型的步骤，包括：将所述训练数据集输入至所述初始预测模型中，基于所述初始预测模型对所述训练数据集进行预测处理，得到对应的训练良率；将所述训练良率与预设良率进行比对，得到比对结果；基于所述比对结果对所述初始预测模型进行参数调整，并确定是否满足预设训练完成条件，若不满足时，返回将所述训练数据集输入至所述初始预测模型中的步骤，直至达到预设训练完成条件，得到装配良率预测模型。
[0011]可选地，所述输入目标物料的目标物料信息至所述装配良率预测模型中，得到所述目标物料的目标排配和所述目标排配对应的目标装配良率的步骤之后，所述方法包括：比对所述目标装配良率与实际装配良率，得到良率差值；若所述良率差值大于良率差阈值，则输出调整信息；根据所述调整信息对所述装配良率预测模型进行调整优化。
[0012]为实现上述目的，本申请还提供一种装配良率控制设备，所述装配良率控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的装配良率控制程序，所述装配良率控制程序被所述处理器执行时实现如上所述的装配良率控制方法的步骤。
[0013]此外，为实现上述目的，本申请还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有装配良率控制程序，所述装配良率控制程序被处理器执行时实现如上所述的装配良率控制方法的步骤。
[0014]本申请中，获取装配良率预测模型；输入目标物料的目标物料信息至所述装配良
率预测模型中，得到所述目标物料的目标排配和所述目标排配对应的目标装配良率；其中，所述装配良率预测模型根据训练物料信息、训练排配组合与训练装配良率训练初始预测模型得到；通过上述方式，获取到装配良率预测模型，将待装配的目标物料的目标物料信息输入至装配良率预测模型中，装配良率预测模型可自动的输出排配方式，也即目标排配，同时输出的还有目标排配对应的装配良率，在装配良率最大时，对应的目标排配即为最优排配方式，进而在控制装配良率的基础上，实现自动排配，提高了物料排配的效率。
附图说明
[0015]图1为本申请实施例方案涉及的硬件运行环境的结构示意图；图2为本申请装配良率控制方法第一实施例的流程示意图；图3为本申请装配良率控制装置较佳实施例的功能示意图模块图。
[0016]本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0017]应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0018]如图1所示，图1是本申请实施例方案涉及的硬件运行环境的设备结构示意图。
[0019]需要说明的是，本申请实施例装配良率控制设备可以是智能手机、个人计算机和服务器等设备，在此不做具体限制。
[0020]如图1所示，该装配良率控制设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如WI
‑
FI接口）。存储器1005可以是高速RAM存储器，也可以是稳定的存储器（non
‑
volatile memory），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
[0021]本领域技术人员可以理解，图1中示出的设备结构并不构成对装配良率控制设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种装配良率控制方法，其特征在于，所述方法包括以下步骤：获取装配良率预测模型；输入目标物料的目标物料信息至所述装配良率预测模型中，得到所述目标物料的目标排配和所述目标排配对应的目标装配良率；其中，所述装配良率预测模型根据训练物料信息、训练排配组合与训练装配良率训练初始预测模型得到。2.如权利要求1所述的装配良率控制方法，其特征在于，所述获取装配良率预测模型的步骤之前，所述方法还包括：建立初始预测模型；获取训练数据集，其中，所述训练数据集中包括训练物料信息、训练排配组合与训练装配良率；根据所述训练数据集训练所述初始预测模型，得到装配良率预测模型。3.如权利要求2所述的装配良率控制方法，其特征在于，所述建立初始预测模型的步骤，包括：获取装配物料的历史相关信息；根据所述历史相关信息，确定所述装配物料中影响装配精度的关键因子；建立所述关键因子和预测良率之间的关系模型，确定初始预测模型。4.如权利要求3所述的装配良率控制方法，其特征在于，所述历史相关信息中包括不同批次的所述装配物料的图位尺寸、量测尺寸、成产模号的信息，所述根据所述历史相关信息，确定所述装配物料中影响装配精度的关键因子的步骤，包括：获取所述装配物料中影响装配精度的关键点位；根据所述关键点位的图位尺寸和量测尺寸进行尺寸数据计算，得到所述关键点位对应的生产制程水准数值；根据所述生产制程水准数值和预设计算模型，计算得到所述装配物料的不同关键点位的整体误差水平；比对所述整体误差水平和预设误差水平；若所述整体误差水平大于所述预设误差水平，则确定所述整体误差水平对应的关键点位为关键因子。5.如权利要求4所述的装配良率控制方法，其特征在于，所述获取训练数据集的步骤，包括：根据所述历史相关信息和历史装配良率，建立装配不良模式库；根据所述关键因子对所述历史相关信息进行特征筛选，得到训练特征数据；获取所述训练特征数据对应的生产制程水准数值和历史装配良率，分别设定为训练水准数值和训练良率；基于所述训练特征数据、所述训练水准数值和所述...

【专利技术属性】
技术研发人员：花霖，冯建设，张建宇，陈军，杨欢，姚琪，陈品宏，刘桂芬，王春洲，朱瑜鑫，张挺军，
申请(专利权)人：深圳市信润富联数字科技有限公司，
类型：发明
国别省市：