知識星球使用ML.NET建立PCB加投率模型對單一蝕刻工序進行加投率預測, 此實體為最簡單預測，要想實現全流程加投率預測挑戰難度還是挺大的，可以檢視另一種關於大資料在PCB行業應用—加投率計算基本原理:PCB 加投率計算實現基本原理–K最近鄰演演算法（KNN）
一.PCB加投資料結構
建立資料結構,蝕刻工序影響報廢的的關鍵引數，銅厚、線寬公差、最小線寬、最小線距(實際影響引數會更多）
二.準備資料—蝕刻工序資料
準備PCB蝕刻工序歷史實際報廢率資料與對應的影響蝕刻報廢的引數因子（測試資料只用了12條,資料量是遠遠不夠的,僅僅用於測試用,要實際要預測的話於少準備1年以前的生產資料,資料量的多少決定預測的準確率高低），此資料是引數對此蝕刻工序的影響報廢權重值，並非真實的值, 為了簡化：報廢多少量就是因該要加投多少量。
如下資料：每行資料帶表資訊: 【錶面銅厚】，【線寬】，【最小線寬】，【最小線距】，【報廢率】
69,3,14,14,0.03
44,35,10,10,0.03
64,11,13,13,0.03
39,0,31,31,0.03
4,2,47,47,0.02
2,1,48,48,0.02
2,3,48,48,0.02
12,8,40,40,0.02
11,75,7,7,0.01
14,61,13,13,0.01
18,75,4,4,0.01
11,45,22,22,0.01
三.訓練PCB加投率模型(載入資料,轉換資料,學習演演算法,訓練模型)
四.讀取PCB加投率模型並呼叫
將PCB加投率模型封裝WebAPI介面,供外部呼叫
五.PCB加投率預測呼叫實體
原文地址:https://www.cnblogs.com/adalovelacer/p/work-together.html
