A stencilnyomtats az elektronikus ramkrk tmeges sszeszerelshez szksges reflow forraszts legfontosabb rsze. Kutatsomban klnbz gpi tanulson alapul mdszerek teljestmnyt vizsgltam a stencilnyomtats legfontosabb folyamatjellemzinek elrejelzsre, melyek a levlasztott forrasztpaszta terlete, vastagsga s trfogata. A betantsi adatokat ksrleti ton a nyomtatsi sebessg (20-120 mm/s), a stencillyukak mretnek (0,35-1,7 terletarny) s a paszta rszecskemret (logaritmus-normlis eloszlssal jellemezve) vltoztatsval kaptam. Az alkalmazott gpi tanulsi mdszerek: ANFIS adaptv neuro-fuzzy kvetkeztetsi rendszerek; ANN mestersges neurlis hlzatok (klnbz tanulsi mdszerekkel); boosted fk, regresszis fk, SVM tmogat vektorgpek. Az egyes mdszereket hiperparamteres optimalizlssal javtottam s finomhangoltam, valamint keresztvalidcival kszbltem ki a tltanuls lehetsgt. Az eredmnyek alapjn a regresszis fa a legjobban teljest mdszer a stencilnyomtats modellezsre. A bemutatott mdszertan a finomhangolsra, paramter-optimalizlsra s a klnbz gpi tanulson alapul mdszerek sszehasonltsra knnyen adaptlhat az elektronikai gyrts brmely alkalmazsi terletre is.
Krammer Olivr
2024-01-31
Tmogat: EFI services Kft.