【摘 要】
：
表面贴装技术（Surface Mounted Technology,SMT）是电子制造业的核心工艺,已成为印制电路板（Printed Circuit Board,PCB）制造的主要方式。电子制造企业在生产中积累了大量的生产经验知识,但多以孤立的技术文档等非结构化文本形式存在,尚未形成统一的知识库,不利于知识的复用、传承和管理。企业借助于信息化系统在生产中积累了海量结构化数据,但这些数据并未被充分利
论文部分内容阅读
表面贴装技术（Surface Mounted Technology,SMT）是电子制造业的核心工艺,已成为印制电路板（Printed Circuit Board,PCB）制造的主要方式。电子制造企业在生产中积累了大量的生产经验知识,但多以孤立的技术文档等非结构化文本形式存在,尚未形成统一的知识库,不利于知识的复用、传承和管理。企业借助于信息化系统在生产中积累了海量结构化数据,但这些数据并未被充分利用,其中潜在的价值也多被忽略。充分发掘各类数据的价值,实现各类数据中知识的高效利用和统一管理对SMT产线工艺改善和产品质量提升具有重要意义。利用实体识别、关系抽取等自然语言处理技术可以获取文本中的特定信息。借助数据挖掘技术可以实现结构化数据中隐含关键信息的发现。知识图谱可以实现大规模知识的统一表示和高效检索。为此,本文分别采用自然语言处理技术和数据挖掘技术实现SMT产线文本数据和结构化数据知识抽取,并结合知识图谱技术构建SMT产品质量知识图谱原型系统。主要研究内容如下:（1）提出SMT产品质量知识图谱构建总体框架。从产线实际需求出发,进行SMT产品质量知识图谱本体构建,确定了缺陷类型、缺陷成因、缺陷现象、解决措施、影响因素和缺陷后果共计6种本体,最后提出了SMT产品质量知识图谱构建总体框架。（2）SMT产线文本数据知识抽取方法研究。根据本体构建的结果对SMT产线文本数据集进行标注;构建了基于BERT-Bi-LSTM-CRF的命名实体识别模型和基于BERT的实体关系抽取模型;经实验从SMT产线文本数据集中抽取到覆盖SMT产品缺陷类型、缺陷成因等关键信息的事实性知识。（3）SMT产线结构化数据知识抽取方法研究。提出基于XGBoost的SMT产品质量影响因素分析方法;提出基于Apriori的SMT产品高发缺陷成因关联分析方法;经实验从SMT产线结构化数据中抽取到影响SMT产品质量的各类关键影响因素及其重要度以及SMT产品缺陷成因关联规则等过程性知识。（4）SMT产品质量知识图谱原型系统。整合上述研究得到的事实性知识和过程性知识并进行统一表示;采用B/S架构开发了SMT产品质量知识图谱原型系统,将前置研究的主要成果以功能模块或可视化结果的方式展示出来,并实现对SMT产品质量知识图谱的扩充、更新和应用。
其他文献
人工智能的应用场景越来越广泛,在图像识别、文本处理、语音识别、决策系统、大数据等应用上,已经达到相当高的水平。由于神经网络的参数量巨大,在成本有限、资源有限、功耗水平有限等众多因素下给神经网络算法部署带来了巨大的挑战。因此,有必要从软件算法和硬件结构两方面对神经网络算法的实现进行加速优化,以满足神经网络加速器高精度、低延迟及低功耗等需求。本文致力于设计一款高性能、高能效的神经网络推理芯片,并从软件
随着互联网的快速发展,网络信息逐渐成为人们生活中的重要组成部分,由于公共网络的广泛性和开放性,网络信息在传输过程中易被获取并篡改,从而造成重要信息被泄露,甚至对相关网络造成严重破坏。对于一些安全防护要求比较高的单位和机构,不得不将自身网络与外部公共网络进行隔离。但随着大数据、物联网等技术的发展,以及与互联网的深度融合,这些单位和机构不可避免的要与内部网络之外的公共网络进行数据交换以支撑自己内部业务
在科学与工程的技术应用中多目标优化问题随处可见,具体表现在自动控制、投资组合、投资决策和车间调度等方面。虽然超多目标优化问题在很多领域都有广泛应用,但随着目标数量的增大,现有的超多目标进化算法也暴露出较多的弊端。例如,算法在进化过程中无法较好地判断出解的支配关系,导致非支配解的数量快速增长,从而使得算法难以选择出合适个体进入下一代,最终造成算法收敛到局部最优解甚至无法收敛。本文针对超多目标优化问题
去中心化移动众包系统借助区块链技术,摆脱了集中式移动众包系统对可信中心化众包平台的依赖,利用区块链系统代替第三方实体,通过矿工节点的工作保证系统的稳定运行。去中心化移动众包系统通常包含请求节点,工作节点和矿工节点三类节点,节点协同执行任务,保证系统的安全和发展。但其缺少了可信中心的监管,所有节点的行为完全自主,动态的去中心化环境和不可预测的节点行为对去中心化移动众包系统的性能提出了挑战,因此需要合
现如今,互联网的兴起,不良信息在互联网的传播以及医疗需求的不断增加,许多诊疗交互系统的功能以及性能不能满足用户的使用需求,因此本论文针对目前诊疗交互系统的不足,设计与开发了基于Spring Boot框架的诊疗交互系统—云病历。此外,目前市面上的诊疗交互系统很少考虑到敏感信息在诊疗交互系统中传播的可能性,所以本文进一步在云病历系统原有功能的基础上针对敏感信息的存在增加了敏感语义检测模块并给出了具体的
多目标优化问题是工程应用与科学研究的基本问题,解决此类问题的主要方法是进化计算。随着众多学者提出许多经典的多目标进化算法,经过多年实践证明这些算法能很好解决多目标优化问题,但是面对高维决策变量的大规模多目标优化问题,它们的求解有效性会大幅缩减。这就是著名的“维度灾难”问题,当维度增加时,搜索空间会呈指数型扩大。而现实世界中存在大量的高维多目标优化问题亟需解决,所以迫切需要设计新型算法来解决大规模决
三维人体模型重建一直是计算机视觉领域的一个重要研究课题。现有的互联网公开数据中包含大量的人体图像,重建三维人体模型可以更好地理解和描述图像中人体动作、形态、表情等信息。基于深度学习的方法在重建三维人体模型领域中应用较为广泛,然而目前缺少包含全身三维人体模型标签的公开数据集,这给基于单目图像重建全身三维人体模型带来了很大的阻碍。本文构建了带全身三维人体模型标签的数据集,并提出了端到端的全身三维人体模
科技飞速发展的今天,Web系统的规模和复杂性也不断增加,如何确保系统的安全性与稳定性是系统开发过程中的难题,测试也在系统开发流程中起着至关重要的作用。手工测试是如今测试工作中常用的方法,但局限于人力、时间等资源条件。在规模越来越大、模块越来越复杂的系统中,手工测试效率低、测试覆盖率低,已成为测试发展的一大难题。每个项目都面临如何提高测试效率的问题,而自动化测试就可以解决这个难题,但是同时自动化测试
图结构在实际生活中的应用越来越广,例如化学分子结构、交通网络、以及社区社会关系等都可以被构建为图。图神经网络（Graph Neural Networks,GNN）是一种基于信息传递的神经网络,非常适合处理图结构数据。近年来,由于图结构强大的表示能力,图神经网络在关于图的各种任务中取得了出色的性能,但是随着应用场景的复杂性增加逐渐暴露出了一些问题比如现有的大多数GNN模型是依赖手工设计导致其适应性比
金刚石材料因其具有硬度大、禁带宽度大、载流子迁移率高和热导率高等优异的材料特性,在高频高功率器件的研发领域具有巨大潜力。近年来,国内的金刚石材料和器件发展较快,但仍存在单晶金刚石材料尺寸小、质量低和器件电学性能差等问题。基于此,本文对高质量、大尺寸单晶金刚石的生长及高性能金刚石基器件的实现展开了研究。本文研究内容和成果如下:1、基于微波等离子体化学沉积（MPCVD）设备分析和研究了甲烷、氮气和氧气