Выбор метрики для системы автоматической классификации электрорадиоизделий по производственным партиям : научное издание | Научно-инновационный портал СФУ

Выбор метрики для системы автоматической классификации электрорадиоизделий по производственным партиям : научное издание

Перевод названия: On distance metric for the system of automatic classification of the eee devices by production batches

Тип публикации: статья из журнала

Год издания: 2015

Ключевые слова: k-средних, k-медоид, прямоугольная метрика, кластерный анализ, автоматическая классифи-кация, электронные компоненты

Аннотация: Комплектация критически важных электронных узлов сложных систем качественной электронной компонентной базой – необходимое условие повышения надежности систем в целом. При этом важно, чтобы однотипные эле-менты схемы имели одинаковые характеристики, что обеспечивается наилучшим образом, если данные элементы изготовлены в рамках одной производственной партии из одной партии сырья. К различным категориям электронных узлов предъявляются разные требования по количеству используемых в них партий изделий. В настоящей работе за-дача выявления производственных партий в поставляемой партии изделий по результатам входных тестовых испытаний рассматривается как задача кластерного анализа. В статье обосновывается выбор прямоугольной метрики в задаче k-средних. В работе приведена необходимая при этом модификация используемой процедуры локального по-иска. Даны примеры результатов работы системы автоматической классификации электронных компонентов по производственным партиям, решающей задачи кластерного анализа на реальных данных с использованием метода k-средних с квадратичной евклидовой мерой расстояния и с прямоугольной метрикой. В качестве тестовых данных были использованы данные тестовых испытаний партий микросхем. Размерность данных – до 2 500 векторов данных, каждый из которых содержит результаты измерений до 230 параметров. Для визуального представления результатов классификации многомерного массива данных использовался метод многомерного масштабирования (MDS – Multidimensional Scaling). Packaging electronic units of complex technical systems with high quality electronic components is an essential condition of increasing quality of the whole system. Elements of the same type should have equal characteristics, which is achieved if they are produced as one produc-tion batch from a one batch of raw materials. Electronic units vary in the requirements concerning the number of pr o-duction batches of devices. This article considers the problem of discovering the quantity of the production ba tches in a lot shipped by a supplier of electronic devices based on testing results as a problem of cluster analysis. The authors propose using the rectangular metric in the k-means clustering problem. They also show the necessary modification of a local search procedure. The results of running system of EEE devices automatic classification by production batches are given. Such results are provided for a k-median problem with squared Euclidean and rectangular metrics. Tests da-ta of the electronic chips were used as example data. Data dimension is up to 2500 data vectors, each of them contains the results of measurement that are up to 230 parameters. An MDS method (Multidimensional Scaling) was used for visual representation of the multidimensional vectors classification results.

Ссылки на полный текст

Издание

Журнал: Программные продукты и системы

Выпуск журнала: 2

Номера страниц: 124-129

ISSN журнала: 0236235X

Место издания: Тверь

Издатель: Закрытое акционерное общество Научно-исследовательский институт Центрпрограммсистем

Авторы

  • Казаковцев Л.А. (Сибирский государственный аэрокосмический университет им. академика М.Ф. Решетнева)
  • Ступина А.А. (Сибирский государственный аэрокосмический университет им. академика М.Ф. Решетнева)
  • Орлов В.И. (Испытательный технический центр – НПО ПМ)

Вхождение в базы данных

Информация о публикациях загружается с сайта службы поддержки публикационной активности СФУ. Сообщите, если заметили неточности.

Вы можете отметить интересные фрагменты текста, которые будут доступны по уникальной ссылке в адресной строке браузера.