使用ML.NET建立PCB加投率模型对单一蚀刻工序进行加投率预测, 此实例为最简单预测，要想实现全流程加投率预测挑战难度还是挺大的，可以查看另一种关于大数据在PCB行业应用---加投率计算基本原理:PCB 加投率计算实现基本原理--K最近邻算法（KNN）

一.PCB加投数据结构

        建立数据结构,蚀刻工序影响报废的的关键参数，铜厚、线宽公差、最小线宽、最小线距(实际影响参数会更多）

二.准备数据---蚀刻工序数据

       准备PCB蚀刻工序历史实际报废率数据与对应的影响蚀刻报废的参数因子（测试数据只用了12条,数据量是远远不够的,仅仅用于测试用,要实际要预测的话于少准备1年以前的生产数据,数据量的多少决定预测的准确率高低），此数据是参数对此蚀刻工序的影响报废权重值，并非真实的值, 为了简化：报废多少量就是因该要加投多少量。

       如下数据：每行数据带表信息: 【表面铜厚】，【线宽】，【最小线宽】，【最小线距】，【报废率】 

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.训练PCB加投率模型(加载数据,转换数据,学习算法,训练模型)

 

  四.读取PCB加投率模型并调用

         将PCB加投率模型封装WebAPI接口,供外部调用

五.PCB加投率预测调用实例

 

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

---

.NET社区新闻，深度好文，欢迎访问公众号文章汇总 http://www.csharpkit.com