論文の概要: Data-Driven Prediction Model of Components Shift during Reflow Process
in Surface Mount Technology
- arxiv url: http://arxiv.org/abs/2001.09619v1
- Date: Mon, 27 Jan 2020 08:00:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-06 08:07:16.811430
- Title: Data-Driven Prediction Model of Components Shift during Reflow Process
in Surface Mount Technology
- Title（参考訳）: 表面実装技術におけるリフロー過程における成分シフトのデータ駆動予測モデル
- Authors: Irandokht Parviziomran, Shun Cao, Krishnaswami Srihari, and Daehan Won
- Abstract要約: 表面実装技術 (SMT) では, ハンダパッドに装着した部品は再流時に移動する。
この能力は自己配向として知られており、溶融したはんだペーストの流動動的挙動の結果である。
本研究の目的は、x方向とy方向のリフロー中のコンポーネントの動きを予測する機械学習モデルを開発することである。
- 参考スコア（独自算出の注目度）: 1.4680035572775534
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In surface mount technology (SMT), mounted components on soldered pads are
subject to move during reflow process. This capability is known as
self-alignment and is the result of fluid dynamic behaviour of molten solder
paste. This capability is critical in SMT because inaccurate self-alignment
causes defects such as overhanging, tombstoning, etc. while on the other side,
it can enable components to be perfectly self-assembled on or near the desire
position. The aim of this study is to develop a machine learning model that
predicts the components movement during reflow in x and y-directions as well as
rotation. Our study is composed of two steps: (1) experimental data are studied
to reveal the relationships between self-alignment and various factors
including component geometry, pad geometry, etc. (2) advanced machine learning
prediction models are applied to predict the distance and the direction of
components shift using support vector regression (SVR), neural network (NN),
and random forest regression (RFR). As a result, RFR can predict components
shift with the average fitness of 99%, 99%, and 96% and with average prediction
error of 13.47 (um), 12.02 (um), and 1.52 (deg.) for component shift in x, y,
and rotational directions, respectively. This enhancement provides the future
capability of the parameters' optimization in the pick and placement machine to
control the best placement location and minimize the intrinsic defects caused
by the self-alignment.
- Abstract（参考訳）: 表面実装技術 (SMT) では, ハンダパッドに装着した部品は再流時に移動する。
この機能は自己調整として知られ、溶融はんだペーストの流体力学的挙動の結果である。
この能力は、SMTでは不正確な自己アライメントがオーバーハング、墓石の加工などの欠陥を引き起こすため、他方では、コンポーネントを欲求位置またはその近傍で完全に自己アライメントすることができる。
本研究の目的は、x方向とy方向のリフロー中のコンポーネントの動きと回転を予測できる機械学習モデルを開発することである。
本研究は,(1)自己調整と成分幾何,パッド形状等を含む各種要因との関係を明らかにするために,(1)実験データを用いて,(2)支援ベクトル回帰(svr),ニューラルネットワーク(nn),およびランダムフォレスト回帰(rfr)を用いて,成分移動の距離と方向を予測するための高度な機械学習予測モデルを適用した。
その結果、RFRは、平均適合度99%、99%、96%、平均予測誤差13.47(um)、12.02(um)、および1.52(deg.)で、それぞれx、y、回転方向の成分シフトを予測できる。
この拡張は、最適配置位置を制御し、自己アライメントに起因する本質的な欠陥を最小限に抑えるためのピック・アンド・プレースメント・マシンにおけるパラメータの最適化の将来の能力を提供する。
関連論文リスト
- GTransPDM: A Graph-embedded Transformer with Positional Decoupling for Pedestrian Crossing Intention Prediction [6.327758022051579]
GTransPDMは多モード特徴を利用した歩行者横断意図予測のために開発された。
PIEデータセットでは92%の精度で、JAADデータセットでは87%の精度で処理速度は0.05msである。
論文 参考訳（メタデータ） (2024-09-30T12:02:17Z) - Data-Driven Prediction and Uncertainty Quantification of PWR Crud-Induced Power Shift Using Convolutional Neural Networks [2.147634833794939]
Crud-induced Power Shift (CIPS) は加圧水炉の運用上の課題である。
本研究は、原子炉固有のキャリブレーションを組み込んだ組立レベルでCIPSインスタンスを予測するためのトップダウンアプローチを提案する。
論文 参考訳（メタデータ） (2024-06-27T15:04:24Z) - FRED: Towards a Full Rotation-Equivariance in Aerial Image Object
Detection [28.47314201641291]
FRED(Fully Rotation-Equivariant Oriented Object Detector)を導入する。
提案手法は,DOTA-v1.0では同等の性能を示し,DOTA-v1.5では1.5mAP,モデルパラメータでは16%と大幅に低下する。
論文 参考訳（メタデータ） (2023-12-22T09:31:43Z) - Adaptive Multi-source Predictor for Zero-shot Video Object Segmentation [68.56443382421878]
ゼロショットビデオオブジェクトセグメンテーション(ZVOS)のための新しい適応型マルチソース予測器を提案する。
静的オブジェクト予測器では、RGBソースは、同時に深度および静注ソースに変換される。
実験の結果,提案モデルは3つのZVOSベンチマークにおいて最先端の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-03-18T10:19:29Z) - Predicting Surface Texture in Steel Manufacturing at Speed [81.90215579427463]
亜鉛めっきおよび熱間圧延過程における鋼板の表面テクスチャの制御は,顧客要求を満たすために不可欠である。
本稿では,インラインレーザ反射計測から表面特性予測への変換精度向上のための機械学習の利用を提案する。
論文 参考訳（メタデータ） (2023-01-20T12:11:03Z) - FeDXL: Provable Federated Learning for Deep X-Risk Optimization [105.17383135458897]
我々は、既存のアルゴリズムが適用できないXリスクのファミリーを最適化するために、新しい連邦学習(FL)問題に取り組む。
Xリスクに対するFLアルゴリズムを設計する際の課題は、複数のマシンに対する目的の非可逆性と、異なるマシン間の相互依存にある。
論文 参考訳（メタデータ） (2022-10-26T00:23:36Z) - TomoSLAM: factor graph optimization for rotation angle refinement in
microtomography [0.0]
試料、検出器、信号源の相対軌道は伝統的に知られていると考えられている。
機械的反発、回転センサ測定誤差、熱変形、実際の軌道は所望のものとは異なる。
本研究の科学的新規性は、マイクロトモグラフィーにおける軌道改善の問題をSLAM問題として考察することである。
論文 参考訳（メタデータ） (2021-11-10T08:00:46Z) - Understanding Interlocking Dynamics of Cooperative Rationalization [90.6863969334526]
選択的合理化(Selective rationalization)は、ニューラルネットワークの出力を予測するのに十分な入力の小さなサブセットを見つけることによって、複雑なニューラルネットワークの予測を説明する。
このような合理化パラダイムでは,モデルインターロックという大きな問題が浮かび上がっている。
A2Rと呼ばれる新しい合理化フレームワークを提案し、アーキテクチャに第3のコンポーネントを導入し、選択とは対照的にソフトアテンションによって駆動される予測器を提案する。
論文 参考訳（メタデータ） (2021-10-26T17:39:18Z) - Learning High-Precision Bounding Box for Rotated Object Detection via
Kullback-Leibler Divergence [100.6913091147422]
既存の回転物体検出器は、主に水平検出パラダイムから受け継がれている。
本稿では,回転回帰損失の設計を帰納パラダイムから導出手法に変更することを目的としている。
論文 参考訳（メタデータ） (2021-06-03T14:29:19Z) - Transfer Learning for Motor Imagery Based Brain-Computer Interfaces: A
Complete Pipeline [54.73337667795997]
移動学習(TL)は、新しい被験者の校正作業を減らすために、運動画像(MI)ベースの脳-コンピュータインタフェース(BCI)に広く用いられている。
本稿では,MIベースのBCIの3つのコンポーネント(空間フィルタリング,特徴工学,分類)すべてにおいてTLが考慮できることを示す。
論文 参考訳（メタデータ） (2020-07-03T23:44:21Z) - Optimization of Passive Chip Components Placement with Self-Alignment
Effect for Advanced Surface Mounting Technology [2.6168876987285308]
表面実装技術(SMT)は、電子部品を半田印刷回路基板(PCB)に直接配置する電子包装の強化手法である。
リフロー過程の間、沈殿したはんだペーストが溶け始めると、電子部品は最高対称性を達成する方向に移動する。
本研究では,予測手法として,サポートベクタ回帰(SVR)とランダムフォレスト回帰(RFR)の2つの機械学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-01-27T07:37:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。