CN2023101372814一种基于lightgbm算法的PCB内层涨缩补偿预测方法.pdf

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN116187556A
(43)申请公布日2023.05.30
(21)申请号202310137281.4
(22)申请日2023.02.20
(71)申请人江西景旺精密电路有限公司
地址343000江西省吉安市吉水县城西工
业区
(72)发明人池飞吴伟辉张伦亮段绍华
夏云平
(74)专利代理机构南昌洪达专利事务所36111
专利代理师黄文亮
(51)Int.Cl.
G06Q10/04(2023.01)
G06Q50/04(2012.01)
G06N20/00(2019.01)
G06F17/18(2006.01)

权利要求书1页说明书4页附图1页
(54)发明名称
一种基于lightgbm算法的PCB内层涨缩补偿
预测方法
(57)摘要
本发明公开了一种基于lightgbm算法的PCB
内层涨缩补偿预测方法，所述方法包括S1、特征
采集：采集历史生产数据；S2、对采集的数据进行
预处理；S3、最佳数据集划分种子：对预处理的数
据集划分训练集、测试集；S4、确定最佳模型；S5、
模型存储；S6、调用模型输出预测值；S7、预测值
提交MES系统应用；S8、进行模型算法训练，输出
最佳划分种子a1、参数值集合b1、模型c1，应用c1
模型进行下一批次的涨缩补偿预测。本发明通过
模型预测准确度及精确度的提升，并将lightgbm
算法与MES系统融合，实现内层涨缩补偿的自动
化，规避人工提供涨缩补偿系数的不足。
CN116187556A
CN116187556A权利要求书1/1页

1.一种基于lightgbm算法的PCB内层涨缩补偿预测方法，其特征在于：所述方法包括
S1、特征采集：采集历史生产数据；
S2、对采集的数据进行预处理；
S3、最佳数据集划分种子：对预处理的数据集划分训练集、测试集；
S4、确定最佳模型：调用GridSearch方法对训练集进行K折划分，K‑1份为训练集，1份为
验证集，对算法参数设置一定的区间值，通过K次循环训练，输出验证集rmse均值最小的算
法参数值集合b，将参数值集合b的算法模型确定为最佳模型c；
S5、模型存储；
S6、调用模型输出预测值；
S7、预测值提交MES系统应用；
S8、进行模型算法训练，输出最佳划分种子a1、参数值集合b1、模型c1，应用c1模型进行
下一批次的涨缩补偿预测。
2.根据权利要求1所述的一种基于lightgbm算法的PCB内层涨缩补偿预测方法，其特征
在于：历史生产数据为近180天的历史数据。
3.根据权利要求1所述的一种基于lightgbm算法的PCB内层涨缩补偿预测方法，其特征
在于：历史生产数据包括补偿系数、钻靶涨缩数据和产品叠构设计及板材特征。
4.根据权利要求3所述的一种基于lightgbm算法的PCB内层涨缩补偿预测方法，其特征
在于：产品叠构设计及板材特征包括Tg值、板材厚度、板材铜厚、压合厚度、pp张数、残铜率、
线宽、线距。
5.根据权利要求1所述的一种基于lightgbm算法的PCB内层涨缩补偿预测方法，其特征
在于：所述S2中数据预处理包括补偿调整值计算、数据转换和缺失值补全。
6.根据权利要求1所述的一种基于lightgbm算法的PCB内层涨缩补偿预测方法，其特征
在于：所述S3中最佳数据集划分种子具体为设置数据集划分种子区间，输出区间内测试集
rmse最小值的划分种子a，应用种子a对预处理的数据集划分训练集、测试集。
7.根据权利要求1所述的一种基于lightgbm算法的PCB内层涨缩补偿预测方法，其特征
在于：所述S6中调用模型输出预测值具体为当下一批次产品开料下机时，抓取模型所需对
应的特征数据集，调用模型c输出涨缩补偿预测值d。
8.根据权利要求1所述的一种基于lightgbm算法的PCB内层涨缩补偿预测方法，其特征
在于：所述S7具体为通过MES系统将该预测值d提交至MI参数栏位进行更新并生产应用。
9.根据权利要求1所述的一种基于lightgbm算法的PCB内层涨缩补偿预测方法，其特征
在于：所述S8中模型算法训练周期设置为一周。

2
CN116187556A说明书1/4页

一种基于lightgbm算法的PCB内层涨缩补偿预测方法

技术领域
[0001]本发明涉及PCB加工技术领域，具体涉及一种基于lightgbm算法的PCB内层涨缩补
偿预测方法。

背景技术
[0002]当前行业内运用数量模型对PCB内层涨缩补偿系数进行预测，主要模型为多元线
型回归模型。对于4层板涨缩补偿预测能力较好，预测良率能达到90％以上。但是，对于6层
及以上层次的涨缩补偿预测能力较弱，预测良率综合均值为75％以下，无法实现涨缩补偿
预测自动化，且应用回归模型预测值生产