应用案例

• 

  天合光能电池良品率提升

  生产电池的工艺比较复杂，影响电池最终品质的因素众多，客户希望提升电池的良品率，就需要找到这些关键因素并加以控制。因此，需要借助机器学习算法从电池的众多参数中找出影响电池良品率的关键因素，并对关键因素进行参数推荐。

• 

  解决方案

  通过对历史数据进行分析，构建关键因素分析模型，挖掘影响良品率的关键参数，并基于关键因素参数推荐最佳工艺参数值。

  

• 

  给用户带来的价值

  经过此次制造电池的数据分析，发现产线S设备的para6、para25、para23等是影响最终良品率的重要因素，运用到产线时，可以根据此次分析给出的各参数推荐值进行设定，在精益生产、提高效率、降低试错成本、减少人工经验依赖等方面都产生了重大的价值。同时，模型还可以根据给定的特征参数分布，预测产品是良品还是非良品，便于快速定位不良品问题并及时解决。