運用類神經網路建構 SMT 封裝元件輔助分類系統
An Assistant Classification System based on Artificial Neural Network for SMT Components
姓名：王彥智
現今科技發展下，電子電路設計與組裝的工作流程已逐漸趨於自動化，而佈局工程師在執行印刷電路板可製造性設計檢查前，仍採用 人工的方式逐一分類印刷電路板上所使用電子零件屬於何種封裝系列，此步驟不僅仰賴工程師本身的工作經驗，更無法確保電子零件封裝系列分類後的正確性。電子零件封裝系列判斷若有誤，可能影 響佈局工程師的工作流程乃至於組裝廠的生產良率與產品品質。因此本論文挑選用於判斷電子零件封裝系列常見的19項特徵以及25種不同類型之SMT封裝元件，利用類神經網路建構一個SMT封裝 元件輔助分類系統，並將 25 種封裝類型的電 子 零件 分 類 成 10 項 對 於可 製 造性 設 計檢 查 結果影 響 甚劇 的 封裝 系列。本 論文 為 提 供準 確 的分 類 結果，分別 對 於訓練資 料 是否 需 做正 規化 進 行比 較 與分 析，透 過實 驗 結果 可 發現 經 過正規化 後 的訓 練 結果 較未 正 規劃 的 訓練 結果 的 分類 正 確率 提高 50.2%。當隱 藏 層神 經 元數 量為 輸 入與 輸 出節 點 數 總和的 1.5 至 2 倍時 可 獲得較佳 的 類神 經 網路 架構。譬 如，以 分 類 電子 零 件封 裝 測試 資料 為 例，若 隱 藏 層 神 經 元 數 量 選 擇 1.72 倍 的類神經架構下 分 類 正 確 率 可 達99.2%。實 驗結 果 顯 示本 論 文所提之 SMT 封裝 元 件輔 助 分 類系 統 可輔助佈 局 工程 師 判斷 電子 元 件所屬的封裝系 列 。
關鍵詞：類神經網路、電子零件封裝、可製造性查驗、輔助表面黏貼元件封裝分類系統、隱藏層神經元設計