CN118656271B - 基于云计算的ic载板制造数据监控方法、系统及介质 - Google Patents
基于云计算的ic载板制造数据监控方法、系统及介质 Download PDFInfo
- Publication number
- CN118656271B CN118656271B CN202411131895.2A CN202411131895A CN118656271B CN 118656271 B CN118656271 B CN 118656271B CN 202411131895 A CN202411131895 A CN 202411131895A CN 118656271 B CN118656271 B CN 118656271B
- Authority
- CN
- China
- Prior art keywords
- data
- substrate
- manufacturing
- fog computing
- server
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3031—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a motherboard or an expansion card
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本申请公开了一种基于云计算的IC载板制造数据监控方法、系统及介质,主要涉及载板制造监控技术领域,用以解决现有方案主要侧重于单个流程的自我监控,无法实现整体数据的综合分析的问题。包括:确定第一雾计算服务器和第二雾计算服务器;向第一雾计算服务器,上传制造数据、设备数据、采购数据和结果数据;实时向第二雾计算服务器,上传制造数据、设备数据和采购数据;通过第一雾计算服务器,上传至云计算终端,获得训练好的神经网络模型的模型参数;将模型参数下发至第二雾计算服务器,使第二雾计算服务器通过模型参数更新内部的神经网络模型,获得预测结果数据。
Description
技术领域
本申请涉及IC载板制造技术领域,尤其涉及一种基于云计算的IC载板制造数据监控方法、系统及介质。
背景技术
IC载板(Integrated Circuit 集成电路),也被称为IC封装基板或封装基板,是PCB(Printed Circuit Board 印制电路板)行业里技术难度较高的产品。其主要作用是:承载半导体IC芯片,作为芯片与PCB之间的连接桥梁,实现信号传输连接。保护、固定、支撑IC芯片,并提供散热通道,确保芯片的正常工作和稳定性。IC载板相较于普通PCB具有板体更薄、线宽线距更精细、孔径更小等优点,因此需要更精密的对位技术、电镀技术等。
现有的,IC载板制造过程的监控方案为:使用高精度的传感器或者视觉系统实现对板材加工的制造速度、制造时间、制造数量、缺陷率实时监控。通过机器视觉系统实现对贴装过程元器件的位置、方向、尺寸等参数的合格率、尺寸精度监控。使用自动测试设备或者人工检测来实现对成品电路板的全面检测。
但是,上述方案主要侧重于单个流程的自我监控,无法实现整体数据的综合分析;因此,亟需一种基于云计算的IC载板制造数据监控方法、系统及介质,解决现有方案主要侧重于单个流程的自我监控,无法实现整体数据的综合分析的问题。
发明内容
针对现有技术的上述不足,本申请提供一种基于云计算的IC载板制造数据监控方法、系统及介质,以解决现有方案主要侧重于单个流程的自我监控,无法实现整体数据的综合分析的问题。
第一方面,本申请提供了一种基于云计算的IC载板制造数据监控方法,方法包括:通过制造线上预设的传感器,获取IC载板的制造数据;其中,制造数据至少包括:IC载板类型、制造速度、制造时间、制造数量;通过IC载板数据记录服务器,获取IC载板对应制造设备的设备数据、采购数据和结果数据;其中,设备数据至少包括:工作状态、运行参数、故障信息,采购数据至少包括:采购原料种类、供应商名称、采购日期,结果数据至少包括:缺陷类型、缺陷率、合格率、尺寸精度;基于IC载板的IC载板类型、预设的传感器的位置信息和IC载板数据记录服务器的位置信息,确定对应的第一雾计算服务器和第二雾计算服务器;向第一雾计算服务器,上传制造数据、设备数据、采购数据和结果数据;实时向第二雾计算服务器,上传制造数据、设备数据和采购数据;通过第一雾计算服务器,将预设时间段内IC载板对应的制造数据、设备数据、采购数据和结果数据,上传至云计算终端;通过预设时间段内的制造数据、设备数据、采购数据和结果数据,训练云计算终端内部的初始神经网络模型,进而获得训练好的神经网络模型,进而获得训练好的神经网络模型的模型参数;通过云计算终端,将模型参数下发至第二雾计算服务器,使第二雾计算服务器通过模型参数更新内部的神经网络模型;并将实时获得的制造数据、设备数据和采购数据输入神经网络模型,获得预测结果数据。
进一步地,通过IC载板数据记录服务器,获取IC载板对应制造设备的设备数据、采购数据和结果数据,具体包括:通过IC载板数据记录服务器的设备数据上传界面获取IC载板对应制造设备的设备数据;通过与IC载板数据记录服务器建立通信连接的采购上传终端,获取采购数据;通过与IC载板数据记录服务器建立通信连接的检测终端获取结果数据。
进一步地,存在预设数量个雾计算服务器,且预设数量大于100;第一雾计算服务器和第二雾计算服务器均具有预设服务类型,且预设服务类型与IC载板类型存在一对一关系;基于IC载板的IC载板类型、预设的传感器的位置信息和IC载板数据记录服务器的位置信息,确定对应的第一雾计算服务器和第二雾计算服务器,具体包括:基于IC载板的IC载板类型,从闲置的雾计算服务器集合中获取若干雾计算服务器;进而基于雾计算服务器的位置信息,从若干雾计算服务器中,选择与预设的传感器的位置信息和IC载板数据记录服务器的位置信息之间的直线距离均小于预设距离范围的两个雾计算服务器;其中,位置信息为经纬度信息;确定两个雾计算服务器中的任一为第一雾计算服务器,另一为第二雾计算服务器。
进一步地,第一雾计算服务器和第二雾计算服务器均包括新增数据上传接口,用于获取IC载板的新增参与数据;在第一雾计算服务器获取到新增参与数据后,将新增参与数据与制造数据、设备数据、采购数据和结果数据一起上传至云计算终端;进而再次训练初始神经网络模型,获得训练好的神经网络模型的模型参数;在第二雾计算服务器获取到新增参与数据对应的模型参数后,更新神经网络模型;在完成神经网络模型的更新后,将新增参与数据与制造数据、设备数据、采购数据一起作为输入数据,输入神经网络模型。
进一步地,在将实时获得的制造数据、设备数据和采购数据输入神经网络模型,获得预测结果数据之后,方法还包括:将预测结果数据发送至预设检测终端。
第二方面,本申请提供了一种基于云计算的IC载板制造数据监控系统,系统包括:制造线上预设的传感器,用于获取IC载板的制造数据;其中,制造数据至少包括:IC载板类型、制造速度、制造时间、制造数量;IC载板数据记录服务器,用于获取IC载板对应制造设备的设备数据、采购数据和结果数据;其中,设备数据至少包括:工作状态、运行参数、故障信息,采购数据至少包括:采购原料种类、供应商名称、采购日期,结果数据至少包括:缺陷类型、缺陷率、合格率、尺寸精度;确定模块,用于基于IC载板的IC载板类型、预设的传感器的位置信息和IC载板数据记录服务器的位置信息,确定对应的第一雾计算服务器和第二雾计算服务器;向第一雾计算服务器,上传制造数据、设备数据、采购数据和结果数据;实时向第二雾计算服务器,上传制造数据、设备数据和采购数据;第一雾计算服务器,用于将预设时间段内IC载板对应的制造数据、设备数据、采购数据和结果数据,上传至云计算终端;云计算终端,用于通过预设时间段内的制造数据、设备数据、采购数据和结果数据,训练云计算终端内部的初始神经网络模型,进而获得训练好的神经网络模型,进而获得训练好的神经网络模型的模型参数;通过云计算终端,将模型参数下发至第二雾计算服务器;第二雾计算服务器,用于通过模型参数更新内部的神经网络模型;并将实时获得的制造数据、设备数据和采购数据输入神经网络模型,获得预测结果数据。
进一步地,IC载板数据记录服务器包括设备数据上传界面和通信连接组件;设备数据上传界面,用于获取IC载板对应制造设备的设备数据;通信连接组件,用于与采购上传终端建立通信连接,获取采购数据;与检测终端建立通信连接,获取结果数据。
进一步地,存在预设数量个雾计算服务器,且预设数量大于100;第一雾计算服务器和第二雾计算服务器均具有预设服务类型,且预设服务类型与IC载板类型存在一对一关系;确定模块包括确定单元,用于基于IC载板的IC载板类型,从闲置的雾计算服务器集合中获取若干雾计算服务器;进而基于雾计算服务器的位置信息,从若干雾计算服务器中,选择与预设的传感器的位置信息和IC载板数据记录服务器的位置信息之间的直线距离均小于预设距离范围的两个雾计算服务器;其中,位置信息为经纬度信息;确定两个雾计算服务器中的任一为第一雾计算服务器,另一为第二雾计算服务器。
进一步地,第一雾计算服务器和第二雾计算服务器均包括新增数据上传接口,用于获取IC载板的新增参与数据;第一雾计算服务器,还用于在第一雾计算服务器获取到新增参与数据后,将新增参与数据与制造数据、设备数据、采购数据和结果数据一起上传至云计算终端;进而再次训练初始神经网络模型,获得训练好的神经网络模型的模型参数;第二雾计算服务器,还用于在获取到新增参与数据对应的模型参数后,更新神经网络模型;在完成神经网络模型的更新后,将新增参与数据与制造数据、设备数据、采购数据一起作为输入数据,输入神经网络模型。
第三方面,本申请提供了一种非易失性计算机存储介质,其上存储有计算机指令,计算机指令在被执行时实现如上述任一项的一种基于云计算的IC载板制造数据监控方法。
本领域技术人员能够理解的是,本申请至少具有如下有益效果:
本申请通过制造线上预设的传感器、IC载板数据记录服务器,获得制造数据、设备数据、采购数据和结果数据,进而训练神经网络模型,获得训练好的神经网络模型。由于结果数据是后续上传的,存在滞后性,通过训练好的神经网络模型预测当前制造数据、设备数据、采购数据对应的结果数据,能够通过整体数据,实现IC载板的综合分析获得结果数据,解决了现有方案主要侧重于单个流程的自我监控,无法实现整体数据的综合分析的问题。
另外,本申请涉及两个雾计算服务器,一个雾计算服务器进行预设IC载板类型的数据采集,进而更新训练云计算终端的神经网络模型,进而将模型参数下发给另一个雾计算服务器,进而使另一个雾计算服务器中的神经网络模型能够一直适应数据的变化,具有较高的检测精度。
附图说明
下面参照附图来描述本公开的部分实施例,附图中:
图1是本申请实施例提供的一种基于云计算的IC载板制造数据监控方法流程图。
图2是本申请实施例提供的一种基于云计算的IC载板制造数据监控系统内部结构示意图。
具体实施方式
本领域技术人员应当理解的是,下文所描述的实施例仅仅是本公开的优选实施例,并不表示本公开仅能通过该优选实施例实现,该优选实施例仅仅是用于解释本公开的技术原理,并非用于限制本公开的保护范围。基于本公开提供的优选实施例,本领域普通技术人员在没有付出创造性劳动的情况下所获得的其它所有实施例,仍应落入到本公开的保护范围之内。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
本申请实施例提供了一种基于云计算的IC载板制造数据监控方法,如图1所示,本申请实施例提供的方法,主要包括以下步骤:
步骤110、通过制造线上预设的传感器,获取IC载板的制造数据。
需要说明的是,制造数据至少包括:IC载板类型、制造速度、制造时间、制造数量。
步骤120、通过IC载板数据记录服务器,获取IC载板对应制造设备的设备数据、采购数据和结果数据。
需要说明的是,设备数据至少包括:工作状态、运行参数、故障信息,采购数据至少包括:采购原料种类、供应商名称、采购日期,结果数据至少包括:缺陷类型、缺陷率、合格率、尺寸精度。另外,结果数据为后续测试的检测终端上传的,具有滞后性。
本步骤可以具体为:
通过IC载板数据记录服务器的设备数据上传界面获取IC载板对应制造设备的设备数据;通过与IC载板数据记录服务器建立通信连接的采购上传终端,获取采购数据;通过与IC载板数据记录服务器建立通信连接的检测终端,获取结果数据。
步骤130、基于IC载板的IC载板类型、预设的传感器的位置信息和IC载板数据记录服务器的位置信息,确定对应的第一雾计算服务器和第二雾计算服务器;向第一雾计算服务器,上传制造数据、设备数据、采购数据和结果数据;实时向第二雾计算服务器,上传制造数据、设备数据和采购数据。
需要说明的是,存在预设数量个雾计算服务器,且预设数量大于100;第一雾计算服务器和第二雾计算服务器均具有预设服务类型,且预设服务类型与IC载板类型存在一对一关系。雾计算服务器可以为任意可行的能够传输数据和支持网络模型运行的服务端。
其中,基于IC载板的IC载板类型、预设的传感器的位置信息和IC载板数据记录服务器的位置信息,确定对应的第一雾计算服务器和第二雾计算服务器,具体可以为:
基于IC载板的IC载板类型,从闲置的雾计算服务器集合中获取若干雾计算服务器;进而基于雾计算服务器的位置信息,从若干雾计算服务器中,选择与预设的传感器的位置信息和IC载板数据记录服务器的位置信息之间的直线距离均小于预设距离范围的两个雾计算服务器;其中,位置信息为经纬度信息;确定两个雾计算服务器中的任一为第一雾计算服务器,另一为第二雾计算服务器。
步骤140、通过第一雾计算服务器,将预设时间段内IC载板对应的制造数据、设备数据、采购数据和结果数据,上传至云计算终端;通过预设时间段内的制造数据、设备数据、采购数据和结果数据,训练云计算终端内部的初始神经网络模型,进而获得训练好的神经网络模型,进而获得训练好的神经网络模型的模型参数。
另外,为了实现能够兼容新增的参数数据,本申请涉及的第一雾计算服务器和第二雾计算服务器均包括新增数据上传接口,用于获取IC载板的新增参与数据。
在第一雾计算服务器获取到新增参与数据后,将新增参与数据与制造数据、设备数据、采购数据和结果数据一起上传至云计算终端;进而再次训练初始神经网络模型,获得训练好的神经网络模型的模型参数;在第二雾计算服务器获取到新增参与数据对应的模型参数后,更新神经网络模型;在完成神经网络模型的更新后,将新增参与数据与制造数据、设备数据、采购数据一起作为输入数据,输入神经网络模型。
步骤150、通过云计算终端,将模型参数下发至第二雾计算服务器,使第二雾计算服务器通过模型参数更新内部的神经网络模型;并将实时获得的制造数据、设备数据和采购数据输入神经网络模型,获得预测结果数据。
在将实时获得的制造数据、设备数据和采购数据输入神经网络模型,获得预测结果数据之后,方法还包括:
将预测结果数据发送至预设检测终端。
另外,本领域技术人员可以根据实际需求将预测结果数据发送至任意可行的终端。
除此之外,图2为本申请实施例提供的一种基于云计算的IC载板制造数据监控系统。如图2所示,本申请实施例提供的系统,主要包括:
制造线上预设的传感器210,用于获取IC载板的制造数据。
需要说明的是,制造数据至少包括:IC载板类型、制造速度、制造时间、制造数量。
IC载板数据记录服务器220,用于获取IC载板对应制造设备的设备数据、采购数据和结果数据。
需要说明的是,设备数据至少包括:工作状态、运行参数、故障信息,采购数据至少包括:采购原料种类、供应商名称、采购日期,结果数据至少包括:缺陷类型、缺陷率、合格率、尺寸精度。
IC载板数据记录服务器220包括设备数据上传界面和通信连接组件;设备数据上传界面,用于获取IC载板对应制造设备的设备数据;通信连接组件,用于与采购上传终端建立通信连接,获取采购数据;与检测终端建立通信连接,获取结果数据。
确定模块230,用于基于IC载板的IC载板类型、预设的传感器的位置信息和IC载板数据记录服务器220的位置信息,确定对应的第一雾计算服务器240和第二雾计算服务器260;向第一雾计算服务器240,上传制造数据、设备数据、采购数据和结果数据;实时向第二雾计算服务器260,上传制造数据、设备数据和采购数据。
需要说明的是,存在预设数量个雾计算服务器,且预设数量大于100;第一雾计算服务器240和第二雾计算服务器260均具有预设服务类型,且预设服务类型与IC载板类型存在一对一关系。
确定模块230包括确定单元,用于基于IC载板的IC载板类型,从闲置的雾计算服务器集合中获取若干雾计算服务器;进而基于雾计算服务器的位置信息,从若干雾计算服务器中,选择与预设的传感器的位置信息和IC载板数据记录服务器220的位置信息之间的直线距离均小于预设距离范围的两个雾计算服务器;其中,位置信息为经纬度信息;确定两个雾计算服务器中的任一为第一雾计算服务器240,另一为第二雾计算服务器260。
第一雾计算服务器240,用于将预设时间段内IC载板对应的制造数据、设备数据、采购数据和结果数据,上传至云计算终端250。
云计算终端250,用于通过预设时间段内的制造数据、设备数据、采购数据和结果数据,训练云计算终端250内部的初始神经网络模型,进而获得训练好的神经网络模型,进而获得训练好的神经网络模型的模型参数;通过云计算终端250,将模型参数下发至第二雾计算服务器260。
第二雾计算服务器260,用于通过模型参数更新内部的神经网络模型;并将实时获得的制造数据、设备数据和采购数据输入神经网络模型,获得预测结果数据。
另外,第一雾计算服务器240和第二雾计算服务器260均包括新增数据上传接口,用于获取IC载板的新增参与数据。
第一雾计算服务器240,还用于在第一雾计算服务器240获取到新增参与数据后,将新增参与数据与制造数据、设备数据、采购数据和结果数据一起上传至云计算终端250;进而再次训练初始神经网络模型,获得训练好的神经网络模型的模型参数。
第二雾计算服务器260,还用于在获取到新增参与数据对应的模型参数后,更新神经网络模型;在完成神经网络模型的更新后,将新增参与数据与制造数据、设备数据、采购数据一起作为输入数据,输入神经网络模型。
除此之外,本申请实施例还提供了一种非易失性计算机存储介质,其上存储有可执行指令,在该可执行指令被执行时,实现如上述的一种基于云计算的IC载板制造数据监控方法。
至此,已经结合前文的多个实施例描述了本公开的技术方案,但是,本领域技术人员容易理解的是,本公开的保护范围并不仅限于这些具体实施例。在不偏离本公开技术原理的前提下,本领域技术人员可以对上述各个实施例中的技术方案进行拆分和组合,也可以对相关技术特征作出等同的更改或替换,凡在本公开的技术构思和/或技术原理之内所做的任何更改、等同替换、改进等都将落入本公开的保护范围之内。
Claims (8)
1.一种基于云计算的IC载板制造数据监控方法,其特征在于,所述方法包括:
通过制造线上预设的传感器,获取IC载板的制造数据;其中,制造数据包括:IC载板类型、制造速度、制造时间、制造数量;
通过IC载板数据记录服务器,获取IC载板对应制造设备的设备数据、采购数据和结果数据;其中,设备数据包括:工作状态、运行参数、故障信息,采购数据包括:采购原料种类、供应商名称、采购日期,结果数据包括:缺陷类型、缺陷率、合格率、尺寸精度;
基于IC载板的IC载板类型、预设的传感器的位置信息和IC载板数据记录服务器的位置信息,确定对应的第一雾计算服务器和第二雾计算服务器;具体包括:
基于IC载板的IC载板类型,从闲置的雾计算服务器集合中获取若干雾计算服务器;进而基于雾计算服务器的位置信息,从若干雾计算服务器中,选择与预设的传感器的位置信息和IC载板数据记录服务器的位置信息之间的直线距离均小于预设距离范围的两个雾计算服务器;其中,位置信息为经纬度信息;确定两个雾计算服务器中的任一为第一雾计算服务器,另一为第二雾计算服务器;
其中,存在预设数量个雾计算服务器,且预设数量大于100;第一雾计算服务器和第二雾计算服务器均具有预设服务类型,且预设服务类型与IC载板类型存在一对一关系,且一个预设服务类型对应若干雾计算服务器,雾计算服务器仅对应一个预设服务类型;
向第一雾计算服务器,上传IC载板的制造数据、IC载板对应制造设备的设备数据、采购数据和结果数据;实时向第二雾计算服务器,上传IC载板的制造数据、IC载板对应制造设备的设备数据和采购数据;
通过第一雾计算服务器,将预设时间段内IC载板对应的制造数据、IC载板对应制造设备的设备数据、采购数据和结果数据,上传至云计算终端;通过预设时间段内的IC载板的制造数据、IC载板对应制造设备的设备数据、采购数据和结果数据,训练云计算终端内部的初始神经网络模型,进而获得训练好的神经网络模型,进而获得训练好的神经网络模型的模型参数;
通过云计算终端,将模型参数下发至第二雾计算服务器,使第二雾计算服务器通过模型参数更新内部的神经网络模型;并将实时获得的IC载板的制造数据、IC载板对应制造设备的设备数据和采购数据输入神经网络模型,获得预测结果数据。
2.根据权利要求1所述的基于云计算的IC载板制造数据监控方法,其特征在于,通过IC载板数据记录服务器,获取IC载板对应制造设备的设备数据、采购数据和结果数据,具体包括:
通过IC载板数据记录服务器的设备数据上传界面获取IC载板对应制造设备的设备数据;
通过与IC载板数据记录服务器建立通信连接的采购上传终端,获取采购数据;通过与IC载板数据记录服务器建立通信连接的检测终端获取结果数据。
3.根据权利要求1所述的基于云计算的IC载板制造数据监控方法,其特征在于,第一雾计算服务器和第二雾计算服务器均包括新增数据上传接口,用于获取IC载板的新增参与数据;
在第一雾计算服务器获取到新增参与数据后,将新增参与数据与IC载板的制造数据、IC载板对应制造设备的设备数据、采购数据和结果数据一起上传至云计算终端;
进而再次训练初始神经网络模型,获得训练好的神经网络模型的模型参数;
在第二雾计算服务器获取到新增参与数据对应的模型参数后,更新神经网络模型;在完成神经网络模型的更新后,将新增参与数据与IC载板的制造数据、IC载板对应制造设备的设备数据、采购数据一起作为输入数据,输入神经网络模型。
4.根据权利要求1所述的基于云计算的IC载板制造数据监控方法,其特征在于,在将实时获得的IC载板的制造数据、IC载板对应制造设备的设备数据和采购数据输入神经网络模型,获得预测结果数据之后,所述方法还包括:
将预测结果数据发送至预设检测终端。
5.一种基于云计算的IC载板制造数据监控系统,其特征在于,所述系统包括:
制造线上预设的传感器,用于获取IC载板的制造数据;其中,制造数据包括:IC载板类型、制造速度、制造时间、制造数量;
IC载板数据记录服务器,用于获取IC载板对应制造设备的设备数据、采购数据和结果数据;其中,设备数据包括:工作状态、运行参数、故障信息,采购数据包括:采购原料种类、供应商名称、采购日期,结果数据包括:缺陷类型、缺陷率、合格率、尺寸精度;
确定模块,用于基于IC载板的IC载板类型、预设的传感器的位置信息和IC载板数据记录服务器的位置信息,确定对应的第一雾计算服务器和第二雾计算服务器;向第一雾计算服务器,上传IC载板的制造数据、IC载板对应制造设备的设备数据、采购数据和结果数据;实时向第二雾计算服务器,上传IC载板的制造数据、IC载板对应制造设备的设备数据和采购数据;
确定模块包括确定单元,用于基于IC载板的IC载板类型,从闲置的雾计算服务器集合中获取若干雾计算服务器;进而基于雾计算服务器的位置信息,从若干雾计算服务器中,选择与预设的传感器的位置信息和IC载板数据记录服务器的位置信息之间的直线距离均小于预设距离范围的两个雾计算服务器;其中,位置信息为经纬度信息;确定两个雾计算服务器中的任一为第一雾计算服务器,另一为第二雾计算服务器;
其中,存在预设数量个雾计算服务器,且预设数量大于100;第一雾计算服务器和第二雾计算服务器均具有预设服务类型,且预设服务类型与IC载板类型存在一对一关系,且一个预设服务类型对应若干雾计算服务器,雾计算服务器仅对应一个预设服务类型;
第一雾计算服务器,用于将预设时间段内IC载板对应的制造数据、设备数据、采购数据和结果数据,上传至云计算终端;
云计算终端,用于通过预设时间段内的IC载板的制造数据、IC载板对应制造设备的设备数据、采购数据和结果数据,训练云计算终端内部的初始神经网络模型,进而获得训练好的神经网络模型,进而获得训练好的神经网络模型的模型参数;通过云计算终端,将模型参数下发至第二雾计算服务器;
第二雾计算服务器,用于通过模型参数更新内部的神经网络模型;并将实时获得的IC载板的制造数据、IC载板对应制造设备的设备数据和采购数据输入神经网络模型,获得预测结果数据。
6.根据权利要求5所述的基于云计算的IC载板制造数据监控系统,其特征在于,IC载板数据记录服务器包括设备数据上传界面和通信连接组件;
设备数据上传界面,用于获取IC载板对应制造设备的设备数据;
通信连接组件,用于与采购上传终端建立通信连接,获取采购数据;与检测终端建立通信连接,获取结果数据。
7.根据权利要求5所述的基于云计算的IC载板制造数据监控系统,其特征在于,第一雾计算服务器和第二雾计算服务器均包括新增数据上传接口,用于获取IC载板的新增参与数据;
第一雾计算服务器,还用于在第一雾计算服务器获取到新增参与数据后,将新增参与数据与IC载板的制造数据、IC载板对应制造设备的设备数据、采购数据和结果数据一起上传至云计算终端;进而再次训练初始神经网络模型,获得训练好的神经网络模型的模型参数;
第二雾计算服务器,还用于在获取到新增参与数据对应的模型参数后,更新神经网络模型;在完成神经网络模型的更新后,将新增参与数据与IC载板的制造数据、IC载板对应制造设备的设备数据、采购数据一起作为输入数据,输入神经网络模型。
8.一种非易失性计算机存储介质,其特征在于,其上存储有计算机指令,所述计算机指令在被执行时实现如权利要求1-4任一项所述的一种基于云计算的IC载板制造数据监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411131895.2A CN118656271B (zh) | 2024-08-19 | 2024-08-19 | 基于云计算的ic载板制造数据监控方法、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411131895.2A CN118656271B (zh) | 2024-08-19 | 2024-08-19 | 基于云计算的ic载板制造数据监控方法、系统及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118656271A CN118656271A (zh) | 2024-09-17 |
| CN118656271B true CN118656271B (zh) | 2024-11-29 |
Family
ID=92697693
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411131895.2A Active CN118656271B (zh) | 2024-08-19 | 2024-08-19 | 基于云计算的ic载板制造数据监控方法、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118656271B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113660336A (zh) * | 2018-03-30 | 2021-11-16 | 北京忆芯科技有限公司 | 利用kv存储设备的云计算与雾计算系统 |
| CN115443641A (zh) * | 2020-03-26 | 2022-12-06 | 斯纳普公司 | 将第一用户界面内容组合到第二用户界面中 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204155126U (zh) * | 2014-09-26 | 2015-02-11 | 广东电网有限责任公司佛山供电局 | 一种变电站智能监控装置 |
| CN116996577A (zh) * | 2023-08-14 | 2023-11-03 | 南方电网数字平台科技(广东)有限公司 | 电力系统的雾计算资源预分配方法、装置、设备及介质 |
| CN118409713B (zh) * | 2024-07-01 | 2024-09-13 | 清河电子科技(山东)有限责任公司 | 一种ic载板生产信息处理方法、系统、电子设备及介质 |
-
2024
- 2024-08-19 CN CN202411131895.2A patent/CN118656271B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113660336A (zh) * | 2018-03-30 | 2021-11-16 | 北京忆芯科技有限公司 | 利用kv存储设备的云计算与雾计算系统 |
| CN115443641A (zh) * | 2020-03-26 | 2022-12-06 | 斯纳普公司 | 将第一用户界面内容组合到第二用户界面中 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118656271A (zh) | 2024-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6944521B2 (en) | Method of providing board packaging line program | |
| US9807920B2 (en) | Electronic component mounting system | |
| CN105760555B (zh) | 一种滤棒成型工艺质量分析和追溯系统及其方法 | |
| JP2006279072A (ja) | 半導体装置製造管理システム | |
| CN115438493B (zh) | 基于数字孪生的pcb板制作过程调试系统,方法及加工设备 | |
| CN105278490A (zh) | 一种制造最佳化的平台及方法 | |
| CN109471142B (zh) | 一种基于rtk差分定位的工作轨迹识别方法 | |
| KR100486032B1 (ko) | 열화진단방법, 열화진단 중개장치, 열화진단장치 및프로그램을 기록한 컴퓨터 판독 가능한 기록 매체 | |
| CN101266484B (zh) | 工序管理方法以及电子装置的制造方法 | |
| JP2008090837A (ja) | 装置の遠隔診断システム及び方法 | |
| CN106327082A (zh) | 一种基于互联网云计算的医疗器械计量检测质控平台 | |
| US9153502B2 (en) | Semiconductor chip testing method and semiconductor chip testing device | |
| CN110519982A (zh) | 贴片方法、装置、电子设备以及存储介质 | |
| CN118656271B (zh) | 基于云计算的ic载板制造数据监控方法、系统及介质 | |
| CN109693459B (zh) | 信息处理方法及装置 | |
| US8552867B2 (en) | Radio frequency identification for collecting stage-by-stage manufacturing and/or post-manufacturing information associated with a circuit board | |
| CN109879233A (zh) | 一种基于gps定位的加油枪检定信息录入系统及方法 | |
| RU2593446C1 (ru) | Способ автоматического контроля метрологических характеристик средств измерения (си) массы нефти или жидких нефтепродуктов (нп) при их отпуске на базах топлива | |
| CN114218430A (zh) | 远程协作设备运维系统、方法及装置 | |
| CN106569121A (zh) | 一种电量管理ic电压电流精度校准的方法 | |
| CN109102357A (zh) | 一种基于物品检测的推送方法、装置及终端 | |
| Sower | Statistical process control for managers | |
| JP2012204455A (ja) | 実装不良解析システム及び工程異常モニタリングシステム | |
| JPH04287274A (ja) | プリント板搭載電子機器の品質情報管理システム | |
| CN102116826A (zh) | 电子元器件引脚电压量测系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |