[发明专利]一种基于机器学习的PCB板订单合拼与排版预测方法及系统

说明书

本发明公开了一种基于机器学习的PCB板订单合拼与排版预测方法及系统，包括下述步骤：样本数据采样：获取PCB板生产过程的订单数据的历史信息数据作为样本数据；样本数据的质量分析和预处理：对选出的样本数据的进行质量分析和预处理；特征数据提取：提取经过质量分析和预处理的样本数据的特征值；模型选择：根据特征值数据的实际情况和具体要解决的问题来选择模型；模型参数配置与训练：对模型参数进行寻优并进行训练机器学习模型；模型评估：根据模型评估值生成预测代理模型并导出模型文件；生成预测结果；本发明旨在提供一种基于机器学习的PCB板订单合拼与排版预测方法及系统，通过预测模型能够帮助企业更精确的估算生产成本。

技术领域

本发明涉及PCB板生产领域，尤其涉及一种基于机器学习的PCB板订单合拼与排版预测方法及系统。

背景技术

随着计算机、电子、通信等高科技产业的高速发展，PCB板产量与生产需求迅猛增长，PCB板生产厂家已逐渐向大批量，多品种生产模式转变。目前国内外较少有对PCB板合拼优化排样优化问题进行较全面的研究、适用的方法以及成熟的应用软件。都是采用传统的人机交互半自动拼板方式，这种方式已不能满足PCB板日益增长的需求。

传统PCB生产企业都是采用大批量，少品种的PCB生产模式，针对这种模式，PCB生产企业采用PCB单拼拼板生产方法大量生产某种PCB板，即通过人工或简单软件将一种PCB子板排样在一张PNL大板上，然后经过其它工序生产成型后，再将PCB子板从PNL大板上切割/分离下来，从而达到一次生产多个同规格PCB子板的目的。

对PCB子板进行单拼或合拼的方式，其拼板功能相对简单，并且属于半自动拼板，即通过人工导入输入文件，然后通过人机交互拼板，从而得到最终拼板结果，过程复杂、花费时间，且拼板效果差。对于PCB板大规模多批次订单合拼与排版下料问题计算规模大，无法快速(短时间)计算出精确的估算生产原料成本，不能提前精确的进行原料采够，指导订单报价等问题目前尚未出现合适的解决方案。

现有的软件与方法并不能快速得出PCB板排版结果，现有的PCB板订单合拼或单拼排版结果存在诸多不足的地方：交互式合拼效率很低、合拼过程依靠人工经验，生产批次较多且拼板结果不合理，受人工因素影响且不适合推广等问题。

对于PCB板样板生产和试制企业，合拼与排版主要存在以下问题：(1)PCB板种类多，批量大：PCB板种类可达到25000多种，工艺复杂；(2)拼板种类多，板材利用率低：生产调整成本高，人工合拼或单拼使得材料利用率较低；(3)交货时间紧：PCB板生产企业订单利润与交货时间息息相关，合拼生产不合理导致企业难以满足对客户快速反应的需要。(4)系统数据的衔接与贯通：PCB板拼板自动化与信息化需要解决。

发明内容

本发明的目的在于提出一种基于机器学习的PCB板订单合拼与排版预测方法及系统，通过预测模型能够帮助企业更精确的估算生产成本，指导订单报价，引导采购部门准确的进行原料板材采购，协助生产计划人员进行预排产等功能。该方法与系统能够实现精确的订单合拼与排版预测结果，提高企业生产效率，降低企业生产成本。

为达此目的，本发明采用以下技术方案：一种基于机器学习的PCB板订单合拼与排版预测方法，其特征在于，包括下述步骤：

样本数据采样：获取PCB板生产过程的订单数据的历史信息数据作为样本数据；

样本数据的质量分析和预处理：对选出的样本数据的进行质量分析和预处理；

特征数据提取：提取经过质量分析和预处理的样本数据的特征值；

模型选择：根据特征值数据的实际情况和具体要解决的问题来选择模型；

模型参数配置与训练：对模型参数进行寻优并进行训练机器学习模型；

模型评估：根据模型评估值生成预测代理模型并导出模型文件；