一种SMT贴片生产状况可视化展示方法、设备及介质

技术领域

本申请涉及工业互联网数字孪生技术领域，尤其涉及一种SMT贴片生产状况可视化展示方法、设备及介质。

背景技术

表面贴装技术(Surface Mount Technology，SMT)是电子制造业的关键技术，贴装设备的工艺对整个SMT的生产质量起着至关重要的作用。随着电子信息产业的迅速发展，SMT技术已经成为电子组装技术中不可或缺的一部分。SMT技术是指将表面贴装的电子组件，直接焊接于印刷电路底版的表面上，与传统插装工艺不同，SMT工艺的元件及焊点均在同一表面上。

现有技术中，特别是针对SMT板卡订单生产工序，往往难以对生产状况、设备运行效率进行实时监测，如何将设备告警、设备监控、线体产量完成率、故障数据等进行三维可视化直观展示，成为了亟待解决的问题。

发明内容

本申请实施例提供了一种SMT贴片生产状况可视化展示方法、设备及介质，用于解决如下技术问题：现有技术中，特别是针对SMT板卡订单生产工序，往往难以对生产状况、设备运行效率进行实时监测，如何将设备告警、设备监控、线体产量完成率、故障数据等进行三维可视化直观展示，成为了亟待解决的问题。

本申请实施例采用下述技术方案：

本申请实施例提供一种SMT贴片生产状况可视化展示方法。包括，基于SMT贴片的生产流程，创建SMT产线初步场景；在SMT产线初步场景中，融合PCB板焊接异常检测模型与SMT产线设备综合效率预测模型，搭建智慧SMT贴片管理数字孪生场景；获取智慧SMT贴片管理数字孪生场景中各工艺设备的运行参数；基于PCB板焊接异常检测模型，对智慧SMT贴片管理数字孪生场景中的多个工艺设备进行工作准确率预测；以及，基于SMT产线设备综合效率预测模型，与各工艺设备的运行参数，对各工艺设备的运行效率进行预测；通过Rest接口，将各工艺设备的运行参数、多个工艺设备的工作准确率，以及各工艺设备的运行效率进行对接，以通过对接得到的数据对SMT贴片的生产流程状况进行可视化展示。

本申请实施例通过搭建智慧SMT贴片管理数字孪生场景，并通过构建的多个模型对生产设备进行准确率预测，以及对当前工艺设备的运行效率进行预测。能够构建产线仿真模型，模拟生产过程，计算分析仿真数据，模拟真实车间情况，从而解决SMT板卡订单无法及时应对、生产实时进度不可视、设备运行效率不可知以及工序无管控等痛点问题。并将设备告警、设备监控、线体的产量完成率、故障数据等进行直观展示，定位改善生产瓶颈，从而科学定量分析产线规划方案。

在本申请的一种实现方式中，在SMT产线初步场景中，融合PCB板焊接异常检测模型与SMT产线设备综合效率模型，搭建智慧SMT贴片管理数字孪生场景，具体包括：在SMT产线初步场景中的贴片工艺之后，融入第一PCB板焊接异常检测模型，以对贴片设备的运行准确率进行预测；以及在SMT产线初步场景中的AOI检测工艺之后，融入第二PCB板焊接异常检测模型，以对AOI检测设备的运行准确率进行预测；以及在SMT产线初步场景中，融入SMT产线设备综合效率预测模型，以对SMT贴片生产流程中的各工艺设备的生产效率进行预测；基于SMT产线初步场景、第一PCB板焊接异常检测模型、第二PCB板焊接异常检测模型以及SMT产线设备综合效率预测模型，搭建智慧SMT贴片管理数字孪生场景。

在本申请的一种实现方式中，在SMT产线初步场景中的贴片工艺之后，融入第一PCB板焊接异常检测算法模型，以对贴片设备的运行准确率进行预测，具体包括：通过第一预置图像监拍装置对贴片工艺后的元件进行图像拍摄；将拍摄的图像输入第一PCB板焊接异常检测模型，以通过第一PCB板焊接异常检测模型，对图像中存在错误的元件进行标注；其中，存在错误的元件至少包括元件位置贴错、元件移位、元件贴反、元件侧立、原件丢失、极性错误以及焊膏图形之间粘连中的一项；获取存在错误元件图像的第一数量，以及获取输入第一PCB板焊接异常检测模型中图像的第二数量；将第一数量与第二数量进行比值计算，以得到贴片工艺设备的预测运行准确率。

在本申请的一种实现方式中，在AOI检测工艺之后融入第二PCB板焊接异常检测模型，以对AOI检测设备的运行准确率进行预测，具体包括：通过第二预置图像监拍装置对AOI检测工艺之后的零件进行图像拍摄；将拍摄的图像输入第二预置PCB板焊接异常检测模型，以通过第二PCB板焊接异常检测模型，对图像中存在错误的零件进行标注；其中，所处存在错误的零件至少包括零件脚变形、零件锡桥、零件少锡、零件冷焊中的一项；获取存在错误零件图像的第三数量，以及获取输入第二PCB板焊接异常检测模型中图像的第四数量；将第三数量与第四数量进行比值计算，以得到AOI检测工艺设备的预测运行准确率。

在本申请的一种实现方式中，基于SMT产线设备综合效率预测模型，与各工艺设备的运行参数，对各工艺设备的运行效率进行预测，具体包括：获取各工艺设备分别对应的运行时间数据，以基于运行时间数据确定出各工艺设备分别对的时间开动率；以及获取各工艺设备分别对应的故障数据；以及获取各工艺设备分别对应的产品合格率；将时间开动率、故障数据以及产品合格率输入SMT产线设备综合效率预测模型，以通过SMT产线设备综合效率预测模型输出各工艺设备分别对应的预测运行效率。

在本申请的一种实现方式中，通过SMT产线设备综合效率预测模型输出各工艺设备分别对应的预测运行效率，具体包括：通过SMT产线设备综合效率预测模型，基于运行时间数据与故障数据，得到各工艺设备分别对应的性能开动率；通过SMT产线设备综合效率预测模型，对各工艺设备分别对应的时间开动率、性能开动率以及产品合格率进行乘积计算，以得到各工业设备分别对应的预测运行效率。

在本申请的一种实现方式中，基于SMT贴片的生产流程，创建SMT产线初步场景之后，方法还包括：基于实际生产设备摆放状况进行设备点位摆放；以及对SMT产线初步场景对应的业务图表、孪生体面板以及图层进行配置，以对SMT贴片的生产流程产线和各工艺设备运行过程进行模拟。

在本申请的一种实现方式中，通过对接得到的数据对SMT贴片的生产流程状况进行可视化展示，具体包括：将对接得到的数据与预置指标数据进行比对，在对接得到的数据不符合预置指标数据的情况下，确定SMT贴片的生产流程存在缺陷；确定出存在缺陷的工艺设备；将对接数据与存在缺陷的工艺设备进行三维可视化展示。

本申请实施例提供一种SMT贴片生产状况可视化展示设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：基于SMT贴片的生产流程，创建SMT产线初步场景；在SMT产线初步场景中，融合PCB板焊接异常检测模型与SMT产线设备综合效率预测模型，搭建智慧SMT贴片管理数字孪生场景；获取智慧SMT贴片管理数字孪生场景中各工艺设备的运行参数；基于PCB板焊接异常检测模型，对智慧SMT贴片管理数字孪生场景中的多个工艺设备进行工作准确率预测；以及，基于SMT产线设备综合效率预测模型，与各工艺设备的运行参数，对各工艺设备的运行效率进行预测；通过Rest接口，将各工艺设备的运行参数、多个工艺设备的工作准确率，以及各工艺设备的运行效率进行对接，以通过对接得到的数据对SMT贴片的生产流程状况进行可视化展示。

本申请实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：基于SMT贴片的生产流程，创建SMT产线初步场景；在SMT产线初步场景中，融合PCB板焊接异常检测模型与SMT产线设备综合效率预测模型，搭建智慧SMT贴片管理数字孪生场景；获取智慧SMT贴片管理数字孪生场景中各工艺设备的运行参数；基于PCB板焊接异常检测模型，对智慧SMT贴片管理数字孪生场景中的多个工艺设备进行工作准确率预测；以及，基于SMT产线设备综合效率预测模型，与各工艺设备的运行参数，对各工艺设备的运行效率进行预测；通过Rest接口，将各工艺设备的运行参数、多个工艺设备的工作准确率，以及各工艺设备的运行效率进行对接，以通过对接得到的数据对SMT贴片的生产流程状况进行可视化展示。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例通过搭建智慧SMT贴片管理数字孪生场景，并通过构建的多个模型对生产设备进行准确率预测，以及对当前工艺设备的运行效率进行预测。能够构建产线仿真模型，模拟生产过程，计算分析仿真数据，模拟真实车间情况，从而解决SMT板卡订单无法及时应对、生产实时进度不可视、设备运行效率不可知以及工序无管控等痛点问题。并将设备告警、设备监控、线体的产量完成率、故障数据等进行直观展示，定位改善生产瓶颈，从而科学定量分析产线规划方案。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本申请实施例提供的一种SMT贴片生产状况可视化展示方法流程图；

图2为本申请实施例提供的一种SMT贴片生产状况可视化展示设备的结构示意图。

具体实施方式

本申请实施例提供一种SMT贴片生产状况可视化展示方法、设备及介质。

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

表面贴装技术(Surface Mount Technology，SMT)是电子制造业的关键技术，贴装设备的工艺对整个SMT的生产质量起着至关重要的作用。随着电子信息产业的迅速发展，SMT技术已经成为电子组装技术中不可或缺的一部分。SMT技术是指将表面贴装的电子组件，直接焊接于印刷电路底版的表面上，与传统插装工艺不同，SMT工艺的元件及焊点均在同一表面上。

现有技术中，特别是针对SMT板卡订单生产工序，往往难以对生产状况、设备运行效率进行实时监测，如何将设备告警、设备监控、线体产量完成率、故障数据等进行三维可视化直观展示，成为了亟待解决的问题。

为了解决上述问题，本申请实施例提供一种SMT贴片生产状况可视化展示方法、设备及介质。通过搭建智慧SMT贴片管理数字孪生场景，并通过构建的多个模型对生产设备进行准确率预测，以及对当前工艺设备的运行效率进行预测。能够构建产线仿真模型，模拟生产过程，计算分析仿真数据，模拟真实车间情况，从而解决SMT板卡订单无法及时应对、生产实时进度不可视、设备运行效率不可知以及工序无管控等痛点问题。并将设备告警、设备监控、线体的产量完成率、故障数据等进行直观展示，定位改善生产瓶颈，从而科学定量分析产线规划方案。

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。

图1为本申请实施例提供的一种SMT贴片生产状况可视化展示方法流程图。如图1所示，SMT贴片生产状况可视化展示方法包括如下步骤：

S101、基于SMT贴片的生产流程，创建SMT产线初步场景。

在本申请的一个实施例中，数字孪生为我国工业互联网智能化探索提供了基础方法，成为支撑我国制造业高质量发展的关键抓手。随着物理系统向信息空间数字化的快速发展，数字孪生技术充分利用传感器和通信技术，对物理实体进行数据分析与建模。然而复杂的操作系统和庞大的数据对于企业的平台开发和场景搭建带来了人力和时间的成本风险，本申请实施例可以提供零代码三维场景体系构建和实时交互效果联动，构建三维可视化场景。

具体地，围绕智能终端工厂SMT A线、SMT B线、SMT C线、SMT D线等自动化SMT产线印刷、印刷质量判定、贴片、贴片质量判定、回流焊、AOI测试、THT插装、波峰焊接、部件组装和整机装配板卡等SMT贴装全流程现实场景。针对板卡订单无法及时应对、生产实时进度不可视、设备运行效率不可知、工序无管控等痛点问题，基于数字孪生低代码3D渲染、3D场景搭建等技术，进行SMT产线初步场景创建。

S102、在SMT产线初步场景中，融合PCB板焊接异常检测模型与SMT产线设备综合效率预测模型，搭建智慧SMT贴片管理数字孪生场景。

在本申请的一个实施例中，基于实际生产设备摆放状况进行设备点位摆放。以及对SMT产线初步场景对应的业务图表、孪生体面板以及图层进行配置，以对SMT贴片的生产流程产线和各工艺设备运行过程进行模拟。

具体地，在搭建智慧SMT贴片管理数字孪生场景时，确定出当前实际流程中的各个工艺设备的摆放位置，通过设备摆放在数字孪生场景中进行设备点位摆放。通过场景配置对场景业务的图表、孪生体面板、图层等进行配置，模拟产线生产和设备运行过程，以对对SMT贴片的生产流程产线和各工艺设备运行过程进行模拟。

在本申请的一个实施例中，在SMT产线初步场景中的贴片工艺之后，融入第一PCB板焊接异常检测模型，以对贴片设备的运行准确率进行预测。以及在SMT产线初步场景中的AOI检测工艺之后，融入第二PCB板焊接异常检测模型，以对AOI检测设备的运行准确率进行预测。以及在SMT产线初步场景中，融入SMT产线设备综合效率预测模型，以对SMT贴片生产流程中的各工艺设备的生产效率进行预测。基于SMT产线初步场景、第一PCB板焊接异常检测模型、第二PCB板焊接异常检测模型以及SMT产线设备综合效率预测模型，搭建智慧SMT贴片管理数字孪生场景。

具体地，SMT生产工艺主要包括上板、锡膏印刷、贴片、回流焊、焊后AOI及下板等。本申请实施例在贴片工艺后，回流焊炉前工序增加工业视觉相机，对贴片后的元件进行图像拍摄，并增加第一PCB板焊接异常检测模型，将拍摄的图像输入该第一PCB板焊接异常检测模型，以对元件是否存在错误进行检测，从而对贴片设备的准确率进行检测。

进一步地，本申请实施例在焊后AOI检测工艺后，设置第二PCB板焊接异常检测模型，通过光学影像对比，确定出经过焊后AOI检测后的零件是否还存在错误，从而对焊后AOI检测设备的准确率进行检测。此外，本申请实施例还设置有SMT产线设备综合效率预测模型，该SMT产线设备综合效率预测模型通过获取到的各个工艺设备的工作数据，对各个工艺设备的工作效率进行预测。通过对比分析挖掘各要素对OEE的影响程度，针对性地制定生产及管理措施，提高厂内各工序的生产效率。

在本申请的一个实施例中，通过第一预置图像监拍装置对贴片工艺后的元件进行图像拍摄；将拍摄的图像输入第一PCB板焊接异常检测模型，以通过第一PCB板焊接异常检测模型，对图像中存在错误的元件进行标注。其中，存在错误的元件至少包括元件位置贴错、元件移位、元件贴反、元件侧立、原件丢失、极性错误以及焊膏图形之间粘连中的一项。获取存在错误元件图像的第一数量，以及获取输入第一PCB板焊接异常检测模型中图像的第二数量。将第一数量与第二数量进行比值计算，以得到贴片工艺设备的预测运行准确率。

在本申请的一个实施例中，通过第二预置图像监拍装置对AOI检测工艺之后的零件进行图像拍摄。将拍摄的图像输入第二预置PCB板焊接异常检测模型，以通过第二PCB板焊接异常检测模型，对图像中存在错误的零件进行标注，其中，所处存在错误的零件至少包括零件脚变形、零件锡桥、零件少锡、零件冷焊中的一项。获取存在错误零件图像的第三数量，以及获取输入第二PCB板焊接异常检测模型中图像的第四数量。将第三数量与第四数量进行比值计算，以得到AOI检测工艺设备的预测运行准确率。

具体地，本申请实施例中的SMT生产工艺主要包括上板、锡膏印刷、贴片、回流焊、焊后AOI及下板等。第一PCB板焊接异常检测模型设置在贴片工艺后，在贴片机后，回流焊炉前工序增加工业视觉相机提前检测贴片是否有元件贴错、元件移位、元件贴反(如电阻翻面)、元件侧立、元件丢失、极性错误、以及贴片压力过大造成焊膏图形之间粘连等问题，提升产线效率。

同时，第二PCB板焊接异常检测模型设置在焊后AOI检测工艺后，焊后AOI检测通过光学影像对比，能够进一步检测零件脚变形、锡桥、少锡、冷焊等问题，提高良品率。

进一步地，第一PCB板焊接异常检测模型与第二PCB板焊接异常检测模型，可以快速实现贴片及焊接异常的精确检测。基于深度学习的焊点、零部件图像识别算法，通过自适应矩估计配合加速卷积神经网络实现，经过训练后可对大量贴片及焊接图片进行快速分类识别检测，提高PCB板异常识别准确率，进而提升生产效率和焊接质量，降低产品返修成本。

S103、获取智慧SMT贴片管理数字孪生场景中各工艺设备的运行参数。

在本申请的一个实施例中，在搭建智慧SMT贴片管理数字孪生场景，模拟产线生产和设备运行过程后，实时对SMT产线叠板机、印刷机、贴片机、无铅回流焊机、AOI检测、自动下板机等工艺设备的参数、布局、节拍、故障数据和产量等数据进行监测，通过监测到的数据得到各个工艺设备分别对应的运行参数。

S104、基于PCB板焊接异常检测模型，对智慧SMT贴片管理数字孪生场景中的多个工艺设备进行工作准确率预测；以及，基于SMT产线设备综合效率预测模型，与各工艺设备的运行参数，对各工艺设备的运行效率进行预测。

在本申请的一个实施例中，获取各工艺设备分别对应的运行时间数据，以基于运行时间数据确定出各工艺设备分别对的时间开动率。以及获取各工艺设备分别对应的故障数据。以及获取各工艺设备分别对应的产品合格率。将时间开动率、故障数据以及产品合格率输入SMT产线设备综合效率预测模型，以通过SMT产线设备综合效率预测模型输出各工艺设备分别对应的预测运行效率。

具体地，通过SMT产线设备综合效率预测模型，基于运行时间数据与故障数据，得到各工艺设备分别对应的性能开动率。通过SMT产线设备综合效率预测模型，对各工艺设备分别对应的时间开动率、性能开动率以及产品合格率进行乘积计算，以得到各工业设备分别对应的预测运行效率。

进一步地，设备综合效率是一项指标，它确定了真正有效的计划生产时间的百分比。它旨在通过准确跟踪实现“完美生产”的进度来支持TPM计划。设备综合效率＝时间开动率×性能开动率×产品合格率，在设备综合效率公式里，时间开动率反映了设备的时间利用情况；性能开动率反映了设备的性能发挥情况；而合格品率则反映了设备的有效工作情况。通过采集贴片机、回流焊、印刷机等设备运行及故障数据以及产品质检合格率数据，SMT产线设备综合效率预测模型自动计算各工序的设备综合效率，通过对比分析挖掘各要素对设备综合效率的影响程度，针对性地制定生产及管理措施，提高厂内各工序的生产效率。

S105、通过Rest接口，将各工艺设备的运行参数、多个工艺设备的工作准确率，以及各工艺设备的运行效率进行对接，以通过对接得到的数据对SMT贴片的生产流程状况进行可视化展示。

在本申请的一个实施例中，将对接得到的数据与预置指标数据进行比对，在对接得到的数据不符合预置指标数据的情况下，确定SMT贴片的生产流程存在缺陷。确定出存在缺陷的工艺设备。将对接数据与存在缺陷的工艺设备进行三维可视化展示。

具体地，本申请实施例通过标准的Rest接口，对接SMT产线叠板机、印刷机、贴片机、无铅回流焊机、AOI检测、自动下板机等工艺设备的参数、布局、节拍、故障数据和产量等数据。将对接后得到的数据与预置指标数据进行比对，若得到的数据不符合预置指标数据的范围，则说明该数据对应的工艺存在缺陷，即该工艺对应的设备存在问题，需要对该工艺设备进行告警，以提醒管理人员对其进行管理。

进一步地，本申请实施例通过计算分析SMT生产和设备等数据，将设备告警、设备监控、线体产量完成率、故障数据等进行三维可视化直观展示，定位改善生产瓶颈，从而定量分析产线资源配置和生产策略，提高厂内各工序的生产效率。

图2为本申请实施例提供的一种SMT贴片生产状况可视化展示设备的结构示意图。如图2所述，SMT贴片生产状况可视化展示设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

基于SMT贴片的生产流程，创建SMT产线初步场景；

在所述SMT产线初步场景中，融合PCB板焊接异常检测模型与SMT产线设备综合效率预测模型，搭建智慧SMT贴片管理数字孪生场景；

获取所述智慧SMT贴片管理数字孪生场景中各工艺设备的运行参数；

基于所述PCB板焊接异常检测模型，对所述智慧SMT贴片管理数字孪生场景中的多个工艺设备进行工作准确率预测；以及，基于所述SMT产线设备综合效率预测模型，与所述各工艺设备的运行参数，对所述各工艺设备的运行效率进行预测；

通过Rest接口，将所述各工艺设备的运行参数、所述多个工艺设备的工作准确率，以及所述各工艺设备的运行效率进行对接，以通过对接得到的数据对所述SMT贴片的生产流程状况进行可视化展示。

本申请实施例还提供一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：

基于SMT贴片的生产流程，创建SMT产线初步场景；

在所述SMT产线初步场景中，融合PCB板焊接异常检测模型与SMT产线设备综合效率预测模型，搭建智慧SMT贴片管理数字孪生场景；

获取所述智慧SMT贴片管理数字孪生场景中各工艺设备的运行参数；

基于所述PCB板焊接异常检测模型，对所述智慧SMT贴片管理数字孪生场景中的多个工艺设备进行工作准确率预测；以及，基于所述SMT产线设备综合效率预测模型，与所述各工艺设备的运行参数，对所述各工艺设备的运行效率进行预测；

通过Rest接口，将所述各工艺设备的运行参数、所述多个工艺设备的工作准确率，以及所述各工艺设备的运行效率进行对接，以通过对接得到的数据对所述SMT贴片的生产流程状况进行可视化展示。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请的实施例可以有各种更改和变化。凡在本申请实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。