隨著微電子工業(yè)和先進制造技術(shù)的發(fā)展,設備的結(jié)構(gòu)越來越復雜,成本也越來越高。提高設備利用率對生產(chǎn)效率的改進方面起著至關(guān)重要的作用,是降低生產(chǎn)成本的關(guān)鍵因素。本文主要研究的對象是半導體封裝測試工廠的設備故障數(shù)據(jù)。通過對歷史故障數(shù)據(jù)的分析,實現(xiàn)對設備故障的預測,從而對設備維修維護策略提供參考,最終實現(xiàn)提高設備利用率的目標。本文研究的故障數(shù)據(jù)取自不同的串聯(lián)機械系統(tǒng),而不同的機械系統(tǒng)是由幾個,甚至十幾個不同的設備組成的。針對這樣復雜的數(shù)據(jù),本文主要利用時間序列的方法建立預測模型。把故障數(shù)據(jù)看成時間序列的一組動態(tài)數(shù)據(jù)。這些動態(tài)數(shù)據(jù)往往是非平穩(wěn)的,需要考慮對序列進行平穩(wěn)化處理。針對數(shù)據(jù)非平穩(wěn)性的特點,本文嘗試利用差分的方法對數(shù)據(jù)進行平穩(wěn)化處理。平穩(wěn)化效果較為理想,故嘗試建立ARIMA預測模型,并進行預測分析。預測分析結(jié)果表明了該方法的可行性。針對一些數(shù)據(jù)表現(xiàn)出階段性的趨勢,本文嘗試一種新的疊合預測模型。在這種疊合預測模型中,序列{Xt}被分解成確定性趨勢部分{mt}與隨機部分{Yt}的疊加。在實證研究中,把經(jīng)過預處理的故障數(shù)據(jù)看成時間序列的一組動態(tài)數(shù)據(jù)。對動態(tài)數(shù)據(jù)進行分解,一組為確定性趨勢序列,用以... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：41 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 引言
    1.1 研究的背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀和發(fā)展態(tài)勢
    1.3 本文主要研究內(nèi)容與方法
    1.4 本章小結(jié)
第二章 ARIMA預測模型及實證研究
    2.1 ARIMA預測模型
        2.1.1 時間序列的分解
        2.1.2 ARMA模型的定義
        2.1.3 ARIMA模型的定義
        2.1.4 時間序列的平穩(wěn)性檢驗
        2.1.5 ARMA模型階數(shù)的初定
        2.1.6 ARMA模型系數(shù)估計
        2.1.7 殘差序列白噪聲檢驗
    2.2 實證研究
        2.2.1 ARIMA預測模型的基本步驟
        2.2.2 原始數(shù)據(jù)及預處理
        2.2.3 ARIMA模型的建立
        2.2.4 預測結(jié)果分析
    2.3 本章小結(jié)
第三章 ARMA與非線性自回歸的疊合預測模型及實證研究
    3.1 疊合預測模型結(jié)構(gòu)設計
    3.2 非線性自回歸預測模型
        3.2.1 非線性自回歸預測模型的定義
        3.2.2 模型的擬合優(yōu)度
        3.2.3 非線性自回歸預測模型的基本步驟
    3.3 實證研究
        3.3.1 原始數(shù)據(jù)及預處理
        3.3.2 非線性自回歸模型的建立及預測
        3.3.3 ARMA模型的建立及預測
        3.3.4 預測結(jié)果分析
    3.4 本章小結(jié)
第四章 總結(jié)與展望
    4.1 本文小結(jié)
    4.2 展望
致謝
參考文獻
攻讀碩士期間所取得的研究成果


【參考文獻】：
期刊論文
[1]設備故障趨勢預測的分析與應用[J]. 續(xù)媛君,潘宏俠.  振動、測試與診斷. 2006(04)
[2]設備故障停機時間的ARMA模型預測[J]. 楊德斌,韓志清,徐金梧,姚林,胡軍.  冶金設備. 2006(01)
[3]基于ARIMA和RBF網(wǎng)絡組合預測的慣性器件故障預報[J]. 呂瑛潔,胡昌華,李國華,張偉.  電光與控制. 2005(04)
[4]基于灰色理論、徑向基神經(jīng)網(wǎng)絡的大型壓縮機故障預測方法的研究[J]. 金晶,芮延年,郭旭紅,趙禮剛.  蘇州大學學報(工科版). 2004(05)
[5]動態(tài)系統(tǒng)的故障預報技術(shù)[J]. 陳敏澤,周東華.  控制理論與應用. 2003(06)
[6]基于模糊自組織映射神經(jīng)網(wǎng)絡的故障診斷方法[J]. 宋云雪,史永勝.  計算機工程. 2003(14)
[7]GM模糊優(yōu)化方法在小子樣機械系統(tǒng)故障預測中的應用[J]. 陳舉華,郭毅之.  中國機械工程. 2002(19)
[8]故障模糊預測系統(tǒng)建模方法研究[J]. 王強,鄭堅,秦俊奇,賈長治.  計算機自動測量與控制. 2002(01)
[9]一種基于強跟蹤濾波器的自適應故障預報方法[J]. 陳敏澤,周東華.  上海海運學院學報. 2001(03)
[10]機械設備故障規(guī)律及運行趨勢預測方法綜述[J]. 蔣瑜,楊雪,阮啟明.  機電一體化. 2001(03)



本文編號：3461407