?使用ML.NET建立PCB加投率模型對單一蝕刻工序進行加投率預測, 此實例為最簡單預測，要想實現(xiàn)全流程加投率預測挑戰(zhàn)難度還是挺大的，可以查看另一種關于大數據在PCB行業(yè)應用---加投率計算基本原理:PCB 加投率計算實現(xiàn)基本原理--K最近鄰算法（KNN）

一.PCB加投數據結構

? ? ? ? 建立數據結構,蝕刻工序影響報廢的的關鍵參數，銅厚、線寬公差、最小線寬、最小線距(實際影響參數會更多）

二.準備數據---蝕刻工序數據

? ? ? ?準備PCB蝕刻工序歷史實際報廢率數據與對應的影響蝕刻報廢的參數因子（測試數據只用了12條,數據量是遠遠不夠的,僅僅用于測試用,要實際要預測的話于少準備1年以前的生產數據,數據量的多少決定預測的準確率高低），此數據是參數對此蝕刻工序的影響報廢權重值，并非真實的值, 為了簡化：報廢多少量就是因該要加投多少量。

? ? ? ?如下數據：每行數據帶表信息: 【表面銅厚】，【線寬】，【最小線寬】，【最小線距】，【報廢率】?

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.訓練PCB加投率模型(加載數據,轉換數據,學習算法,訓練模型)

?

? 四.讀取PCB加投率模型并調用

? ? ? ? ?將PCB加投率模型封裝WebAPI接口,供外部調用

五.PCB加投率預測調用實例

?

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

---

.NET社區(qū)新聞，深度好文，歡迎訪問公眾號文章匯總 http://www.csharpkit.com

總結

以上是生活随笔為你收集整理的PCB 机器学习(ML.NET)初体验实现PCB加投率预测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。