Gépi tanulási módszerek optimalizálása a stencilnyomtatási folyamat vizsgálatára

Martinek, Péter and Krammer, Olivér (2021) Gépi tanulási módszerek optimalizálása a stencilnyomtatási folyamat vizsgálatára. ELEKTRONIKAI TECHNOLÓGIA ÉS GYÁRTÁSINFORMATIKA (4). pp. 5-14. ISSN 2631-0813

Preview

Text etesgyi_2021_2_04_005.pdf - Published Version Download (595kB) | Preview

Abstract

Jelen cikk célja, hogy bemutassa az újraömlesztéses forrasztási technológia kritikus lépésének, a stencilnyomtatási folyamatnak a gépi tanuláson alapuló modellezési lehetőségeit. Ismertetjük az egyes gépi tanulási módszerek alapjait, majd pedig a következő gépi tanulási módszerek optimalizálását a stencilnyomtatás tekintetében: mesterséges neurális hálózat, neuro-fuzzy rendszer, szupport-vektor gépek, boost-olt döntési fák. A módszerek vizsgálatához és optimalizáláshoz kísérleti úton nyertük a tanító adathalmazt, melynek bementi paraméterei a forraszpaszta szemcseméretének tulajdonságai, a stencilapertúra mérete és a nyomtatási sebesség. A folyamat minőségét jellemző kimeneti paraméterek pedig a forraszpaszta-lenyomatok területe, magassága, térfogata. Az egyes, gépi tanulási módszerek becslési hibáját az átlagos abszolút százalékos hiba (MAPE – mean absolute percentage error) értékével jellemeztük. A vizsgált gépi tanulási módszerek teljesítményét összességében megfelelőnek találtuk (az átlagos becslési hiba 5% alatti), kivéve a neuro-fuzzy rendszert, melynek alkalmazását nem javasoljuk a stencilnyomtatási folyamat modellezésére.

Actions (login required)

Edit Item