CN112288168A - 基于数字孪生的smt产线质量分析平台 - Google Patents
基于数字孪生的smt产线质量分析平台 Download PDFInfo
- Publication number
- CN112288168A CN112288168A CN202011190410.9A CN202011190410A CN112288168A CN 112288168 A CN112288168 A CN 112288168A CN 202011190410 A CN202011190410 A CN 202011190410A CN 112288168 A CN112288168 A CN 112288168A
- Authority
- CN
- China
- Prior art keywords
- quality
- production line
- twin
- data
- layer
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 86
- 238000004458 analytical method Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000013461 design Methods 0.000 claims abstract description 16
- 238000013135 deep learning Methods 0.000 claims abstract description 9
- 238000007639 printing Methods 0.000 claims abstract description 9
- 230000005540 biological transmission Effects 0.000 claims abstract description 5
- 238000003466 welding Methods 0.000 claims abstract description 5
- 230000000007 visual effect Effects 0.000 claims abstract description 4
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 4
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims description 3
- 239000006071 cream Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000011056 performance test Methods 0.000 claims description 2
- 229910000679 solder Inorganic materials 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- RVCKCEDKBVEEHL-UHFFFAOYSA-N 2,3,4,5,6-pentachlorobenzyl alcohol Chemical compound OCC1=C(Cl)C(Cl)=C(Cl)C(Cl)=C1Cl RVCKCEDKBVEEHL-UHFFFAOYSA-N 0.000 description 1
- 208000034423 Delivery Diseases 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的一种基于数字孪生的SMT产线分析平台，结果准确、过程可视。通过下述技术方案实现：SMT产线物理空间与SMT产线虚拟空间之间通过数据总线实现信息与数据的传输，数据层依据数据种类将数据分为的设计类、工艺类、质量类和调测类数据虚实映射到孪生层，孪生层以各孪生体之间的功能关系对各数字孪生体进行组织和耦合；分析层以孪生体驱动质量预测算法和质量追溯算法，对产线印刷和焊接的质量进行追溯与质量预测，系统层基于SMT产线数字孪生库、深度学习算法库和模型库中的质量预测模型及质量追溯模型进行可视化设计，通过工业预测和质量追溯APP，在三维空间上实时可视化展示产线的质量，并在产品生产过程中进行质量预警。
Description
技术领域
本发明涉及一种基于数字孪生的表面贴装技术SMT(Surface Mount Technology,SMT)产线质量分析平台，可通过APP的方式实现SMT产线的质量预测与追溯。
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。并具有微型化、大规模化、自动化的优点。
SMT生产线是电子制造典型产线，作为电子产品制造业基础的PCB组装(以下简称PCBA)，包括市场上的电子产品(如手机、电脑等终端产品等)的生产制造，都离不开SMT产线。目前大多数SMT生产线仅初步实现了自动化，在质量控制上的智能化水平还比较低，由于SMT产线流程较长，各工艺流程质量影响因素众多，各流程质量直接相关，且组装质量难以量化评价。
在实际应用过程中，SMT产线的质量管理还比较粗放，一旦出现质量问题，难以准确分析质量问题产生的原因，也难以有针对性地采取解决措施，而只能依赖人员的经验进行分析处理，质量问题的处理周期长，影响了产品的正常交付。另一方面，管理过程中多数还是采用事后控制的方式，难以在质量问题发生前对质量问题进行事前控制和精准预测，对产品质量的提升效果非常有限。
数字孪生的概念最初由Grieves教授于2003在美国密歇根大学的产品全生命周期管理课程上提出，并被定义为三维模型，包括实体产品、虚拟产品以及二者间的连接，但由于当时技术和认知上的局限，数字孪生的概念并没有得到重视。直到2011年，美国空军研究实验室和NASA合作提出了构建未来飞行器的数字孪生体，并定义数字孪生为一种面向飞行器或系统的高度集成的多物理场、多尺度、多概率的仿真模型，能够利用物理模型、传感器数据和历史数据等反映与该模型对应的实体的功能、实时状态及演变趋势等，随后数字孪生才真正引起关注，一些学者在NASA提出概念的基础上进行了补充和完善，例如Gabor等提出数字孪生还应包含专家知识以实现精准模拟，Rios等认为数字孪生不仅面向飞行器等复杂产品，还应面向更加广泛通用的产品。数字孪生最先应用于工业领域，尤其是大型装备制造业，通过搭建整合制造流程的数字孪生生产系统，实现从产品设计、生产计划到制造执行的全过程数字化。
发明内容
本发明的目的是针对现有技术存在的不足之处，本发明提供一种结果准确、过程可视，可实现SMT产线的质量预测与追溯的基于数字孪生的SMT产线质量分析平台。
为实现上述目的，本发明提供一种基于数字孪生的SMT产线分析平台，包括：由印刷机、锡膏厚度检测设备、贴片机、回流焊炉、AOI光学检测设备和板级性能测试设备构成的SMT产线物理空间，由数据层、孪生层、分析层和系统层组成的SMT产线虚拟空间，其特征在于：SMT产线物理空间与SMT产线虚拟空间之间通过数据总线实现信息与数据的传输，数据层依据数据种类将数据分为设计类数据、工艺类数据、质量类数据和调测类数据并将数据映射到孪生层，孪生层以设计、工艺、质量、调测这些不同孪生体之间的功能关系对各数字孪生体进行组织和耦合，驱动分析层实现不同孪生体与各类数据之间的信息绑定；分析层以基于相互支撑的深度学习算法库/模型库为基础，以孪生体驱动质量预测算法和质量追溯算法，对产线印刷和焊接质量进行追溯与质量预测，将预测结果送入系统层，系统层基于SMT产线数字孪生库、深度学习算法库和模型库中的质量预测模型及质量追溯模型进行可视化设计，通过工业预测APP和质量追溯APP，在三维空间上实时可视化展示产线的质量情况，并在产品生产过程中进行质量预警。
本发明相比于现有技术具有如下有益效果：
结果准确。本发明采用SMT产线物理空间与虚拟空间，通过SMT实际产线中各类数据的信息与孪生模型的融合，在虚拟空间提前进行质量分析，揭示质量影响因素与质量特性的关系，实现异常形式识别，提高异常模式识别的精度与效率，保证产品生产的过程能力，为质量的改进找出方向并及时的识别各生产过程中的质量异常问题，缩短加工缺陷诊断和补救时间、改善产品质量以及为生产过程质量改善提供参考依据，从而提高SMT产线的一次交验合格率、降低质量损失率。
过程直观。本发明采用SMT产线物理空间与SMT产线虚拟空间之间通过数据总线实现信息与数据的传输，数据层依据数据种类将数据分为的设计类数据、工艺类数据、质量类数据和调测类数据虚实映射到孪生层，孪生层以各孪生体之间的功能关系对各数字孪生体进行组织和耦合，驱动分析层实现不同孪生体与各类数据之间的信息绑定；利用三维虚拟空间中的数字孪生体实时可视化展现SMT产线的质量情况，实现了数字孪生体驱动的产线质量预测与管控，在虚拟空间中实现产品及产线质量问题的提前判别，进而预知可能发生的缺陷，指导物理空间产线及产品质量预测水平的提升。
附图说明
图1是本发明所述的基于数字孪生的SMT产线质量分析平台的组成示意图。
以下结合附图和实施例对本发明作进一步详细说明,但并不因此将本发明限制在所述的实施例范围之中。
具体实施方式
参阅图1。在以下描述的优选实施例中，一种基于数字孪生的SMT产线分析平台，包括：由印刷机、锡膏厚度检测设备、贴片机、回流焊炉、AOI光学检测设备和板级性能测试设备构成的SMT产线物理空间，由数据层、孪生层、分析层和系统层组成的SMT产线虚拟空间，其特征在于：SMT产线物理空间与SMT产线虚拟空间之间通过数据总线实现信息与数据的传输，数据层依据数据种类将数据分为设计类数据、工艺类数据、质量类数据和调测类数据并将数据映射到孪生层，孪生层以设计、工艺、质量、调测等，不同孪生体之间的功能关系对各数字孪生体进行组织和耦合，驱动分析层实现不同孪生体与各类数据之间的信息绑定；分析层以基于相互支撑的深度学习算法库/模型库为基础，以孪生体驱动质量预测算法和质量追溯算法，对产线印刷和焊接质量进行追溯与质量预测，将预测结果送入系统层，系统层基于SMT产线数字孪生库、深度学习算法库和模型库中的质量预测模型及质量追溯模型进行可视化设计，通过工业预测APP和质量追溯APP，在三维空间上实时可视化展示产线的质量情况，并在产品生产过程中进行质量预警。
虚拟空间中的数据层包括：物理空间中的设备数据、使用规范等。
虚拟空间中的孪生层包括：互为耦合的设计数字孪生体、工艺数字孪生体、质量孪生体和调测孪生体等几个部分，各孪生体之间通过功能关系进行耦合与信息绑定。
在可选的实施例中，
SMT产线物理空间利用数据总线实现SMT产线中印刷机、锡膏厚度检测设备、贴片机、回流焊炉、AOI光学检测设备、板级性能测试设备的实际设备与产线虚拟空间的互联互通。
物理空间中的各类设备依据数据种类将数据分为设计类、工艺类、质量类和调测类数据，形成虚拟空间中的数据层。
SMT产线虚拟空间构建设计数字孪生体、工艺数字孪生体、质量孪生体和调测孪生体，各孪生体之间通过功能关系进行耦合与信息绑定，形成虚拟空间中的孪生层。
SMT产线虚拟空间构构建基于深度学习的算法库和模型库，以不同的数字孪生体驱动SMT产线的质量预测与预测分析过程，形成虚拟空间中的分析层。
SMT产线虚拟空间构建面向质量追溯与质量预测的工业APP，通过可视化的方式在三维空间里实时展示SMT产线的质量情况，并提供质量追溯与质量预测功能，形成虚拟空间中的系统层。
以上所述为本发明较佳实施例，应该注意的是上述实施例对本发明进行说明，然而本发明并不局限于此，并且本领域技术人员在脱离所附权利要求的范围情况下可设计出替换实施例。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
Claims (8)
1.一种基于数字孪生的SMT产线分析平台，包括：由印刷机、锡膏厚度检测设备、贴片机、回流焊炉、AOI光学检测设备和板级性能测试设备构成的表面贴装技术SMT产线物理空间，由数据层、孪生层、分析层和系统层组成的SMT产线虚拟空间，其特征在于：SMT产线物理空间与SMT产线虚拟空间之间通过数据总线实现信息与数据的传输，数据层依据数据种类将数据分为设计类数据、工艺类数据、质量类数据和调测类数据并将数据映射到孪生层，孪生层以设计、工艺、质量、调测的这些不同孪生体之间的功能关系，对各数字孪生体进行组织和耦合，驱动分析层实现不同孪生体与各类数据之间的信息绑定；分析层以基于相互支撑的深度学习算法库/模型库为基础，以孪生体驱动质量预测算法和质量追溯算法，对产线印刷和焊接质量进行追溯与质量预测，将预测结果送入系统层，系统层基于SMT产线数字孪生库、深度学习算法库和模型库中的质量预测模型及质量追溯模型进行可视化设计，通过工业预测APP和质量追溯APP，在三维空间上实时可视化展示产线的质量情况，并在产品生产过程中进行质量预警。
2.如权利要求1所述的基于数字孪生的SMT产线分析平台，其特征在于：虚拟空间中的数据层包括：物理空间中的设备数据、使用规范。
3.如权利要求1所述的基于数字孪生的SMT产线分析平台，其特征在于：虚拟空间中的孪生层包括：互为耦合的设计数字孪生体、工艺数字孪生体、质量孪生体和调测孪生体，各孪生体之间通过功能关系进行耦合与信息绑定。
4.如权利要求1所述的基于数字孪生的SMT产线分析平台，其特征在于：SMT产线物理空间利用数据总线实现SMT产线中印刷机、锡膏厚度检测设备、贴片机、回流焊炉、AOI光学检测设备、板级性能测试设备的实际设备与产线虚拟空间的互联互通。
5.如权利要求1所述的基于数字孪生的SMT产线分析平台，其特征在于：物理空间中的各类设备依据数据种类将数据分为设计类、工艺类、质量类和调测类数据，形成虚拟空间中的数据层。
6.如权利要求1所述的基于数字孪生的SMT产线分析平台，其特征在于：SMT产线虚拟空间构建设计数字孪生体、工艺数字孪生体、质量孪生体和调测孪生体，各孪生体之间通过功能关系进行耦合与信息绑定，形成虚拟空间中的孪生层。
7.如权利要求1所述的基于数字孪生的SMT产线分析平台，其特征在于：SMT产线虚拟空间构建基于深度学习的算法库和模型库，以不同的数字孪生体驱动SMT产线的质量预测与预测分析过程，形成虚拟空间中的分析层。
8.如权利要求1所述的基于数字孪生的SMT产线分析平台，其特征在于：SMT产线虚拟空间构建面向质量追溯与质量预测的工业APP，通过可视化的方式在三维空间里实时展示SMT产线的质量情况，并提供质量追溯与质量预测功能，形成虚拟空间中的系统层。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011190410.9A CN112288168B (zh) | 2020-10-30 | 2020-10-30 | 基于数字孪生的smt产线质量分析平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011190410.9A CN112288168B (zh) | 2020-10-30 | 2020-10-30 | 基于数字孪生的smt产线质量分析平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112288168A true CN112288168A (zh) | 2021-01-29 |
| CN112288168B CN112288168B (zh) | 2022-07-29 |
Family
ID=74352505
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011190410.9A Active CN112288168B (zh) | 2020-10-30 | 2020-10-30 | 基于数字孪生的smt产线质量分析平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112288168B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113610362A (zh) * | 2021-07-20 | 2021-11-05 | 苏州超集信息科技有限公司 | 一种基于深度学习流水线产品追溯方法及系统 |
| CN115238529A (zh) * | 2022-09-23 | 2022-10-25 | 北自所(北京)科技发展股份有限公司 | 基于数字孪生的化纤长丝工艺溯源方法、装置及存储介质 |
| CN116306473A (zh) * | 2023-02-06 | 2023-06-23 | 广州辰创科技发展有限公司 | 一种基于数字孪生行为模型建模的pcba动态功能检测方法和装置 |
| CN116880365A (zh) * | 2023-05-22 | 2023-10-13 | 深圳普菲特信息科技股份有限公司 | 设备生产过程的监控方法、系统和可读存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109343496A (zh) * | 2018-11-14 | 2019-02-15 | 中国电子工程设计院有限公司 | 应用于工业生产的数字孪生系统及其形成方法 |
| CN109613895A (zh) * | 2018-11-12 | 2019-04-12 | 中国电子科技集团公司第三十八研究所 | 一种智能生产线数字孪生系统 |
| CN110347131A (zh) * | 2019-07-18 | 2019-10-18 | 中国电子科技集团公司第三十八研究所 | 面向生产的数字孪生系统 |
| DE102018205872A1 (de) * | 2018-04-18 | 2019-10-24 | Robert Bosch Gmbh | Verfahren zur Erzeugung eines digitalen Zwillings eines physikalischen Objekts |
| CN111209647A (zh) * | 2018-11-20 | 2020-05-29 | 财团法人资讯工业策进会 | 模拟装置及方法 |
| CN111210359A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 面向智能矿山场景的数字孪生演化机理及方法 |
| CN111539583A (zh) * | 2020-05-13 | 2020-08-14 | 中国电子科技集团公司第十四研究所 | 一种基于数字孪生的生产过程仿真优化方法 |
| CN111580478A (zh) * | 2020-05-13 | 2020-08-25 | 中国电子科技集团公司第十四研究所 | 一种复杂电子装备总装数字孪生车间 |
-
2020
- 2020-10-30 CN CN202011190410.9A patent/CN112288168B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102018205872A1 (de) * | 2018-04-18 | 2019-10-24 | Robert Bosch Gmbh | Verfahren zur Erzeugung eines digitalen Zwillings eines physikalischen Objekts |
| CN109613895A (zh) * | 2018-11-12 | 2019-04-12 | 中国电子科技集团公司第三十八研究所 | 一种智能生产线数字孪生系统 |
| CN109343496A (zh) * | 2018-11-14 | 2019-02-15 | 中国电子工程设计院有限公司 | 应用于工业生产的数字孪生系统及其形成方法 |
| CN111209647A (zh) * | 2018-11-20 | 2020-05-29 | 财团法人资讯工业策进会 | 模拟装置及方法 |
| CN110347131A (zh) * | 2019-07-18 | 2019-10-18 | 中国电子科技集团公司第三十八研究所 | 面向生产的数字孪生系统 |
| CN111210359A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 面向智能矿山场景的数字孪生演化机理及方法 |
| CN111539583A (zh) * | 2020-05-13 | 2020-08-14 | 中国电子科技集团公司第十四研究所 | 一种基于数字孪生的生产过程仿真优化方法 |
| CN111580478A (zh) * | 2020-05-13 | 2020-08-25 | 中国电子科技集团公司第十四研究所 | 一种复杂电子装备总装数字孪生车间 |
Non-Patent Citations (2)
| Title |
|---|
| ZHIFENG LIU等: "Data Super-Network Fault Prediction Model and Maintenance Strategy for Mechanical Product Based on Digital Twin", 《IEEE ACCESS》 * |
| 郭具涛 等: "基于数字孪生的航天制造车间生产管控方法", 《中国机械工程》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113610362A (zh) * | 2021-07-20 | 2021-11-05 | 苏州超集信息科技有限公司 | 一种基于深度学习流水线产品追溯方法及系统 |
| CN113610362B (zh) * | 2021-07-20 | 2023-08-08 | 苏州超集信息科技有限公司 | 一种基于深度学习流水线产品追溯方法及系统 |
| CN115238529A (zh) * | 2022-09-23 | 2022-10-25 | 北自所(北京)科技发展股份有限公司 | 基于数字孪生的化纤长丝工艺溯源方法、装置及存储介质 |
| CN116306473A (zh) * | 2023-02-06 | 2023-06-23 | 广州辰创科技发展有限公司 | 一种基于数字孪生行为模型建模的pcba动态功能检测方法和装置 |
| CN116306473B (zh) * | 2023-02-06 | 2024-04-26 | 广州辰创科技发展有限公司 | 一种pcba动态功能检测方法和装置 |
| CN116880365A (zh) * | 2023-05-22 | 2023-10-13 | 深圳普菲特信息科技股份有限公司 | 设备生产过程的监控方法、系统和可读存储介质 |
| CN116880365B (zh) * | 2023-05-22 | 2024-02-23 | 深圳普菲特信息科技股份有限公司 | 设备生产过程的监控方法、系统和可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112288168B (zh) | 2022-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112288168B (zh) | 基于数字孪生的smt产线质量分析平台 | |
| CN111209647A (zh) | 模拟装置及方法 | |
| CN101986317A (zh) | 电子整机smt生产线虚拟制造系统及其实现方法 | |
| CN110488739A (zh) | 一种基于物联网的smt生产数据采集监控追溯方法 | |
| CN108427093A (zh) | 一种用于电能表自动化检定装置的校准检定系统及方法 | |
| CN103698686A (zh) | 一种信号测试方法及设备 | |
| JP7393415B2 (ja) | 計画に従った設置後にスイッチキャビネットの内容物を試験するためのデバイス及び方法 | |
| CN108133103A (zh) | 一种电子设计dfm检测系统、方法和介质 | |
| Chang et al. | An implementation of health prediction in SMT solder joint via machine learning | |
| CN1263270A (zh) | 印刷线路板上电子元器件异常测试方法及测试仪 | |
| Chang et al. | Classification of solder joints via automatic mistake reduction system for improvement of AOI inspection | |
| US20100224014A1 (en) | Method of inspecting mount state of component | |
| CN115968189A (zh) | 一种smt贴片生产状况可视化展示方法、设备及介质 | |
| US7134599B2 (en) | Circuit board inspection apparatus | |
| CN116306485A (zh) | 一种电路板数字孪生体的建立方法、系统及终端 | |
| CN115309593A (zh) | 一种面向国产计算机的自动化测试系统及方法 | |
| CN205862320U (zh) | 计算机软件测试装置 | |
| CN102118920A (zh) | 电路板贴片加工测评系统及方法 | |
| CN114048586A (zh) | 一种基于虚拟仿真的手机智能装配生产教学方法 | |
| JP2007115038A (ja) | プリント基板品質情報管理システム | |
| CN102479149A (zh) | Aoi数据处理方法 | |
| Rehmat et al. | A unified framework for automated inspection of handheld safety critical devices in production assemblies | |
| LaCasse et al. | Predicting contact-without-connection defects on printed circuit boards employing ball grid array package types: a data analytics case study in the smart manufacturing environment | |
| CN202770471U (zh) | 一种平板电脑的自动测试装置 | |
| Aydın et al. | Detection of printed circuit board faults with FPGA-based real-time image processing |
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 |