---源自 叕克PCB一PCBA,原文链接:https://mp.weixin.qq.com/s/K8i3zFmGCZgt31eLNvr_tA
1. 前言
针对一个样板生产以及中小批量的印制线路板企业,型号众多,客户通常只下一次订单,当接到一个PCB订单时,如果这个订单是一次性的且批量不大,预投料大小的设置会变得十分棘手:
1. 如果预投料后得到的入库PCB面积小于订单面积,则需要补投料才能满足客户要求,那么甩期将不可避免
2. 如果预投料后得到的入库PCB面积大于订单面积,则多出的PCB会成为呆滞品,并且大出越多、浪费越大
有没有办法,经过对预投料数值的合理预测,同时满足以下条件:
1. 最终入库PCB面积刚好等于订单面积,或者稍稍大一点而不导致太多浪费
2. 不需要很高的技术水平,经过短时间培训后就可以掌握的方法
3. 可以自动化智能运算出预测值,企业的专业知识可以得到固化与传承
答案是肯定的。通过多重的变量种类和维度的设置,可以精确地实现上述的运算,从而永久性地为企业创造效益。
2. 原理
2.1 研究方法:通常采用以下图1所示的三个方面进行
图1 研究方法包含的内容
2.2 计量经济建模法
本文的研究内容是利用一种基于计量经济建模法实现,经过对产品的特征进行计算和分析,挑选出合理的变量和权重,经过多维方程运算,从而精确地确定出需要预投料的量,这个模型的工作原理如下图2所示:
图2 计量经济建模法原理示意图
2.3 投料模型的成长历程
因为属于订制形式的产品,投料模型在工厂中的实现全自动ERP投料,需经历数个历程,具体如下面的图3所示
图3 投料模型的成长历程示意图
2.4 报废率预测模型的形式
根据计量经济建模法原理,选择出合理的变量种类和变量维度后,可以建立起一个数学模型,这个数学模型是一个n维一次方程式,用Eviews7.0软件解出方程式后即可得到所需的结果,计算公式如下图4所示:
图4 报废率预测模型的数学表达式
报废率预测模型的问题侦查及纠正,需考虑以下五个方面的问题:
´ 变量间的多重共线性(Multicollinearity)
´ 异方差性(Heteroscedasticity)
´ 自相关性(Autocorrelation)
´ 联立性(Simultaneous)
´ 稳健性(Stationary)
报废率预测模型预测功效检验,需考虑以下三个方面的问题:
´ 样本内预测及检验
´ 样本外预测及检验
´ Gregory C. Chow预测失灵检验
报废率预测模型的修正和投料模型的建立与优化,需依照以下步骤来进行,具体如图5中的流程图所示:
图5 报废率预测模型的修正和投料模型的建立与优化流程图
3. 不同的预投料方式回顾
3.1. 完全人工投料方式
项目开始前公司的投料方式为人工投料,这时候的自变量维度相当于“零”维,投料的精准度依赖于计划投料工程师的个人经验,具体流程如图6所示。当投料工程师从ERP系统中导出一笔订单信息,首先根据订单的类型判断是否新/返单,然后采取不同的方法。对于返单,查看MI系统的余数情况,根据半年内此类型订单的报废情况,结合投料工程师的经验,手动计算进行投料;而对于新单,根据其难度系数,采取相应人工调整。这种人工投料方式耗时较长,投料工程师工作强度大,同时投料数量受投料工程师个人经验影响较大。公司采用的人工投料方式,存在效率低、主观性强和投料效果波动大的问题。
图6 完全人工投料方式的料流程图
完全人工投料的方式导致增开率和余数入仓率普遍偏大,而且波动幅度大,公司的预投成本也偏高,采用完全人工投料方式时的效果如下图7所示
图7 完全人工投料方式时的效果(单位%)
3.2. 简单的预投料模型
有些PCB样板公司依据简单的变量维度进行设定,相当于只有2个自变量,忽略其他自变量(如产品难度信息等),也获得了比采用完全人式投料方式时好一些的效果,这样的好处是简单易懂、效率有提高,不好之处是只能针对简单的产品适用,对于不同难度的产品,无法区别对待。简单预投料模型的设定如下面图8所示。
图8 简单预投料模型的设定原理图
3.3. 具有23维自变量时的预投料模型
首先总结出所有可能对运算出结产生影响的因子,这个总数有109个(不包含2阶HDI及以上阶数HDI、刚挠结合等高端PCB,不包含软板)之巨,依据不同因子在历史数据中的贡献表现排序,筛选出23个对运算结果影响最大的变量进行建模,并固化到了计算机系统中实现了自动化运算。建模过程如下图9所示:
图9 从原始因子选择运算自变量建模的原则
自动化预投料模型带来的好处有以下:
l 提升投料的工作效率,输入订单信息后投料员仅点击模型计算,即可预测投料PCS数,实现精准化;
l 提升工作的标准化程度,订单信息和参数都经过标准化处理,便于系统识别,有利于后期的数据分析,实现标准化
l 提高投料的智能化,若订单数据缺失,投料界面有错误提示说明,方便投料员查找问题订单,实现智能化。
但是实际应用中,具有23维自变量的预投料模型仍有许多的不足,首先是普通板的运算精度仍有提高空间,其次是针对高端PCB的运算结果偏差仍比较大。压合结构如下图10所示的一款高难度2阶HDI 板,在实际运算过程中出现预投量不足的问题:
图10 高难度2阶HDI 板压合结构
此款高难度2阶HDI 板的难点如下所述:
l 外层通孔孔径0.15mm时,孔到铜距离0.11mm;
l 2阶HDI板,2个芯板厚度仅0.2mm需薄板电镀,内外层要求完成1 OZ铜厚,最小线宽/线路都为0.076/0.076mm;
l L2-L9 钻孔孔径0.15mm,最小线宽/线路都为0.076/0.076mm;
l 外层最小线宽/线距为0.076/0.076mm激光钻孔0.075mm,且外层孔径0.15mm的孔(板厚1.5mm)必须做树脂塞孔且为带铜帽的盘中孔;
自变量不足,导致无法识别出这个板子的难度,运算结果为预投预率7.6%,而实际报废率却为36%,偏差太大导致多次补投才能交货,故在处理高难度订单上,部份自变量缺失、并且多个难点并存导致交叉出新的问题,23维自变量的模型存在欠缺。
相关阅读: