合成データに基づくはんだ接合の寿命予測のための種々の機械学習アルゴリズムの性能評価【JST・京大機械翻訳】

Muench Stefan; Bhat Darshankumar; Heindel Leonhard; Hantschke Peter; Roellig Mike; Kaestner Markus

プレプリント

J-GLOBAL ID：202202220041218961 整理番号：22P0331915

合成データに基づくはんだ接合の寿命予測のための種々の機械学習アルゴリズムの性能評価【JST・京大機械翻訳】

Performance Assessment of different Machine Learning Algorithm for Life-Time Prediction of Solder Joints based on Synthetic Data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月13日プレプリントサーバーでの情報更新日： 2022年04月13日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,温度-時間曲線を用いて電子部品のはんだ接触における損傷進展を予測するための計算効率の良い方法論を提案した。この目的のために,2つの機械学習アルゴリズム,多層パーセプトロンとLong Short-Termメモリネットワークを訓練し,それらの予測精度と必要な訓練データ量に関して比較した。訓練は,自動車応用に対して現実的である合成,通常分布データを用いて行った。表面マウント技術構成における単純なバイポーラチップ抵抗器の有限要素モデルを用いて,合成データを数値的に計算した。その結果,両方の機械学習アルゴリズムは累積クリープ歪の予測に対して適切な精度を示した。350時間(利用可能な訓練データの12.5%)の訓練データ長で,両方のモデルは,Long Short-Termメモリネットワークに対して,多層パーセプトロンに対して0.72のR ̄2と0.87のR ̄2のR ̄2の常に良好な適合性能を示した。累積クリープ歪の予測誤差は,350時間訓練データ量で10%以下であり,更なるデータを用いた場合,5%以下に減少した。したがって,両方のアプローチは,電子装置上の寿命予測に直接有望である。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

固体デバイス計測・試験・信頼性 , ろう付

, , , , ,

前のページに戻る