一种电子元器件加工数据的边缘计算方法与流程
本发明涉及工业边缘计算,具体为一种电子元器件加工数据的边缘计算方法。
背景技术:
1、电子元器件加工过程通常包含贴片、回流焊、自动光学检测以及自动x射线检测等多道工序,各工序设备配备有可编程逻辑控制器、温度传感器、压力传感器以及工业相机等数据采集单元,工业互联网领域已普遍采用统一通信协议进行现场数据采集与传输,并借助边缘网关实现数据的本地初步处理,以降低云端传输带宽压力和响应延迟,与此同时,将图结构节点映射至低维向量空间的图嵌入表示学习技术已在推荐系统与知识图谱构建领域得到应用,深度强化学习也已被用于资源调度与任务分配等决策优化场景;
2、现阶段电子元器件加工行业中与本发明较为接近的边缘计算实现方案通常按照如下方式运行:各工序设备通过统一通信协议将贴装压力、温区温度曲线以及检测图像等原始数据上传至边缘网关,边缘网关对数据进行格式清洗、单位换算以及时间戳对齐等标准化处理,形成结构统一的数据集合,边缘网关按照预先设定的固定规则或者固定的云边协同比例,将处理任务分配至本地计算单元或者上传至云端服务器进行推理运算,检测结果反馈至制造执行系统用于生产决策,该方案在结构上由现场设备层、边缘网关层以及云端处理层组成,边缘网关作为现场设备与云端之间的中转枢纽;
3、上述方案存在以下不足:其一,由于该方案仅在边缘网关侧执行数据格式层面的清洗与聚合,未在数据层面建立跨工序工艺参数与最终质量缺陷之间的深层语义关联模型,边缘节点因而无法实时识别工艺参数波动与质量缺陷之间存在的因果关系,造成大量原始数据被无差别地传输和存储,其中具有决策价值的因果信息未被有效提炼,导致数据传输量大而有效决策信息密度低,使得不良品的根因定位与实时拦截存在滞后,其二,由于该方案采用固定规则或者固定比例的云边协同调度方式,未结合边缘节点的动态资源余量与具体任务的紧急程度进行自适应决策,在检测任务密集的时段,边缘节点容易出现算力过载,导致高优先级检测任务与低优先级任务被同等对待,产生较高的处理延迟,难以在工艺允许的时间窗口内完成对不良品的拦截,难以同时兼顾检测精度、异构硬件适配性与响应实时性三方面需求,为此,我们提出一种电子元器件加工数据的边缘计算方法。
技术实现思路
1、本发明的目的在于提供一种电子元器件加工数据的边缘计算方法。
2、针对上述现有技术存在的不足,本发明要解决的技术问题包括两个方面:其一,如何在边缘侧对电子元器件多道工序产生的多源异构工艺数据进行实时的深层语义对齐,从而在边缘侧直接建立工艺参数与质量缺陷之间的因果映射关系,避免仅停留在数据格式统一层面而导致有效决策信息密度低的问题,其二,如何在边缘节点算力和内存高度异构且资源受限的条件下,根据任务紧急程度与节点动态资源余量实现自适应任务调度,从而在保证检测精度的同时,避免因算力过载导致检测延迟超出工艺允许的时间窗口。
3、为解决上述技术问题,本发明提供一种电子元器件加工数据的边缘计算方法,包括:边缘网关通过通信协议采集电子元器件加工设备产生的多源异构工艺数据,对采集到的多源异构工艺数据进行预处理,得到标准化的多源特征向量,针对预处理后的每一类工艺参数或质量指标,在边缘网关维护的动态语义字典中检索是否存在对应的语义节点,若存在则更新该语义节点的取值,若不存在则在动态语义字典中新增对应语义节点并为其分配初始语义向量,以动态语义字典中的各语义节点作为顶点,以工艺参数节点与质量指标节点之间基于历史统计相关性建立的关联作为初始边,构建工艺关系图,在工艺关系图上执行随机游走采样得到节点序列,并对节点序列进行训练,将每个语义节点映射为统一语义向量空间中的嵌入向量,基于滑动时间窗口内的历史序列数据,计算已建立连接的工艺参数节点与质量指标节点之间的条件互信息,以量化对应工艺参数节点对质量指标节点的因果贡献程度,并根据计算得到的条件互信息更新工艺关系图中对应边的权重,得到因果语义图谱,将当前采集到的工艺参数对应的嵌入向量与语义向量空间中已建立的因果关联模式进行最近邻检索,在检索到的因果强度超过预设阈值且对应质量指标存在恶化趋势时,输出工艺异常预警信息及对应的缺陷扩散风险评估值,实时计算边缘节点的综合资源余量,综合资源余量根据边缘节点的可用算力与总算力的比值、可用内存与总内存的比值以及可用带宽与总带宽的比值,按照分别对应的算力权重、内存权重及带宽权重加权求和得到,针对待处理的检测任务,根据缺陷扩散风险评估值、该任务剩余可处理时间窗口长度的倒数以及该任务所属加工批次的关键度权重,加权求和计算得到该任务的紧急度评分,将综合资源余量、紧急度评分以及实时网络带宽状态组合为环境状态向量,输入强化学习调度代理的策略网络,从本地处理、边边协同处理、云端卸载和降级为剪枝模型处理四种候选动作中选择一种执行,在执行选择之前,判定综合资源余量是否低于预设资源枯竭阈值且紧急度评分是否高于预设紧急阈值,若两个条件同时满足,则跳过策略网络的决策过程,直接触发降级为剪枝模型处理的动作,调用预先训练好的剪枝版轻量检测模型对该任务进行处理。
4、采用上述技术方案,与现有技术相比,本发明的有益效果在于:
5、1.本发明区别于常规图嵌入表示学习与常规强化学习调度各自独立应用的现有技术组合方式,将因果语义图谱输出的缺陷扩散风险评估值直接作为强化学习调度代理紧急度评分的核心输入,使工艺异常的因果推断结果实时驱动资源调度决策,克服了现有边缘计算方案中数据语义分析与任务调度相互割裂、无法联动响应的技术局限,形成语义感知与资源调度协同决策的非显而易见技术效果;
6、2.本发明通过资源余量与任务紧急度双重感知的自适应卸载策略,使边缘系统在算力受限的情况下仍可在较短时间内完成高优先级任务的处理,实现检测精度、响应实时性与异构硬件算力之间的动态平衡,缓解了固定规则调度导致高优先级任务处理延迟的问题。
1.一种电子元器件加工数据的边缘计算方法,包括边缘网关通过通信协议采集电子元器件加工设备产生的多源异构工艺数据的步骤,其特征在于,还包括:
2.根据权利要求1所述的一种电子元器件加工数据的边缘计算方法,其特征在于,将每个语义节点映射为统一语义向量空间中的嵌入向量的步骤包括:对所述节点序列通过带负采样的skip-gram模型进行训练,以使同一游走窗口内共现的节点对在所述语义向量空间中的相似程度高于随机采样的非共现节点对,从而得到各语义节点对应的低维稠密嵌入向量。
3.根据权利要求1所述的一种电子元器件加工数据的边缘计算方法,其特征在于,判定对应质量指标存在恶化趋势的步骤包括:将所述质量指标节点在当前滑动时间窗口内的取值变化趋势与该质量指标节点的历史取值分布进行比对,在取值变化趋势偏离历史取值分布的程度超过预设偏离阈值时,判定该质量指标节点存在恶化趋势。
4.根据权利要求1所述的一种电子元器件加工数据的边缘计算方法,其特征在于,还包括:将执行所述动作后获得的状态、动作、奖励以及下一状态组成的经验元组存入经验回放缓冲区,根据本次任务处理的实际时延、检测精度损失及检测准确率,加权计算得到即时奖励值,基于所述经验回放缓冲区中的经验元组,对所述策略网络的价值函数进行迭代更新,所述迭代更新的幅度根据学习率、所述即时奖励值以及下一状态下各候选动作对应价值估计中的数值最大者确定。
5.根据权利要求4所述的一种电子元器件加工数据的边缘计算方法,其特征在于:所述策略网络采用离线预训练结合在线微调的方式部署,包括先在历史数据集上离线完成所述策略网络的初始训练,再在电子元器件加工产线的实际运行过程中,持续对所述策略网络的参数进行小步长的在线微调。
6.根据权利要求1所述的一种电子元器件加工数据的边缘计算方法,其特征在于:所述多源异构工艺数据包括贴片设备的贴装压力时序数据、回流焊设备的温区温度曲线特征以及光学检测设备与x射线检测设备输出的检测图像特征向量,所述检测图像特征向量包括缺陷位置特征、缺陷尺寸特征及灰度特征。
7.一种电子元器件加工数据的边缘计算系统,其特征在于,包括边缘网关和与所述边缘网关通信连接的边缘调度决策模块;
8.根据权利要求7所述的一种电子元器件加工数据的边缘计算系统,其特征在于:所述边缘调度决策模块还设置有资源枯竭阈值判定单元,所述资源枯竭阈值判定单元用于在所述强化学习调度代理执行常规决策之前,判定所述综合资源余量是否低于预设资源枯竭阈值且所述紧急度评分是否高于预设紧急阈值,并在判定结果为两个条件同时满足时,向所述剪枝版轻量检测模型发送触发信号。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法。
10.一种电子设备,包括存储器、处理器以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com