基于大数据的元器件质量控制技术研究

袁咏歆，刘娟

（陕西省电子技术研究所，陕西西安，712000）

0 引言

元器件作为一种基本元素，其中包含众多复杂程度各异的群组，是电子电路的重要组成部分。考虑到元器件生产的成本压力，如何在降低成本的同时控制元器件质量成为时下该领域中的重点研究内容。我国针对元器件质量控制方面提出了“七专”条件，学术界也研究出相应的元器件质量控制技术，其主要研究内容为分析元器件的破坏性物理，尽管传统元器件质量控制技术在应用中能够取得一定的研究成果，但在实际应用中的问题也凸显出来，即为针对元器件质量控制的偏度系数高，无法实现对元器件质量的精准控制。通过分析以往控制技术可知，针对元器件质量控制技术的优化设计是提高元器件质量的必经之路。基于大数据的信息处理技术作为信息化时代的典型代表，能够捕捉、管理和处理基于常规软件工具下无法实现的数据集合，以其极高的洞察力，能够高效精准的捕捉到大量、多样的信息。由此可见，基于大数据的应用下，能够为信息处理带来全新的机遇。为此，将大数据信息处理技术应用于元器件质量控制中，通过建立元器件质量深度、广度和时间三个维度的大数据信息集，并加以分析和挖掘，实现元器件质量控制能力的提升，致力于从根本上提高对元器件质量信息的控制能力，进而提高元器件的产品质量。

1 大数据信息处理技术

大数据能够借助互联网海量信息存储、分析、挖掘的优势，打破时间以及空间的限制，依托分布式云计算强大的运算能力，实现对纷杂数据的归集、分析、处理及信息提取，在庞杂信息中提取出感兴趣的关键信息，实现“在泥沙中淘金”[1]。得益于互联网的分布信息存储模式，跨地域，甚至跨国界的同类信息得以被发掘整理；云计算强大的数据运算能力，将海量历史数据的再次利用变为可能，数据甚至可以追溯到数据建立的T0时刻[2]。通过在如此庞大的数据基础中提取出有价值的信息，并挖掘信息中存在的内部规律，实现了总结功能，即对既往事实和同行经验的总结，从而为自身提供一条成功的捷径。将大数据信息处理技术应用于元器件质量控制，可以发现元器件的生产薄弱环节，实现有针对性的关注，实现元器件质量的提升。

2 基于大数据的元器件质量控制技术

2.1 获取元器件质量信息

在控制元器件质量前，考虑到元器件种类各异，其结构之间错综复杂，必须获取元器件质量相关信息。首先，建立元器件质量信息数据通路，实现信息采集的联网虚拟通道构建；其次，对采集到的元器件质量信息进行矢量化处理，建立质量信息的指向标记信号，为后续分类处理打基础；再次，立足于元器件质量的矢量信息生成拓扑结构网络，构建数据间的有限度关联；最后，以WAV标准格式处理元器件质量信息，将纷繁复杂的数据格式按照统一的标准进行归一化处理，减轻软件处理的运算负担。将得出的元器件质量信息信号与属性数据相连，获取弱元器件质量信息信号[3]。元器件质量信息信号标准形式，范例如下所示：

若计算的数值大于门限值，则说明信息所含熵值与目标信息关联度紧密，具有足够的利用价值，将该信息存储并标记，转入下一步的处理工作；反之，则舍弃信息，继续检索下一条信息。通过近似全网检索，得到满足检索条件的元器件质量信息。

2.2 基于大数据标准化处理元器件质量信息

根据上述获取到的元器件质量信息，考虑到信息种类繁杂，其中包含大量冗余信息，因此需要基于大数据标准化处理元器件质量信息[4]。在此过程中，本文基于大数据结构标准化处理元器件质量信息，首先将结构化元器件质量信息转换为非结构化元器件质量数据，以数据描述特征作为分类标识，将标记为有价值的信息划分为若干更小的数据集合，以集合的共性特征为外在表征。而后采用大数据中分布式处理的功能，非结构化表示若干个小的数据集合。设基于大数据非结构化表示元器件质量数据的目标函数为ω，如公式（1）所示。

公式（1）中，t指的是元器件质量信息中数据点的归属度；f指的是每两个元器件质量信息数据集合之间的吸引度；i指的是同一个元器件质量信息数据在同步采集量中出现的次数；d指的是元器件质量数据的高维特征权重。通过公式（1），得到非结构化处理后的数据集合。

2.3 分析元器件质量数据可靠性

基于大数据标准化处理元器件质量信息的基础上，汇总元器件质量数据中包含的失效数据，进而分析元器件质量数据可靠性，为后续元器件质量控制提供真实可靠的数据。本文采用稀疏表示方式表征数据特征，达到降低运算量快速计算的目的，即通过同一子空间的低维数据表示元器件质量数据可靠性特征。基于大数据中Reduce非结构化表示数据后，采用计算子空间维数的方式提取元器件质量数据可靠性控制特征，设此过程目标函数为Y，可得公式（2）。

公式（2）中，y指的是元器件质量数据中的高维特征空间数据权重；n指的是元器件质量数据中的高维可靠性特征个数，为实数[5]。通过公式（2），可提取元器件质量数据可靠性特征，分布式并行更新元器件质量控制中数据点的吸引度，利用大数据的聚类存储功能，分布式存储元器件质量数据数据。

2.4 控制元器件质量

在元器件质量信息控制过程中，为减小软件体量，避免处理量出现超负荷的情况，通过计算元器件质量模糊控制承担处理增量值，实现元器件质量控制[6]。设其目标函数为△P，则有公式（3）。

公式（3）中，PT0指的是元器件质量模糊控制字符长度；TP指的是平均匹配数。通过公式（3），计算得出元器件质量模糊控制承担处理增量值，并以此为基础，得出元器件质量控制方程式。设其目标函数为k，则有公式（4）。

公式（4）中，E指的是元器件质量模糊控制信号labview窗函数长度；A指的是模糊控制权重；U指的是控制信号采集频率；1θ指的是控制能够到达期望的概率；2θ指的是控制未能够到达期望的概率；φ指的是控制成本。利用公式（4），综合控制元器件质量。通过上述控制公式，进而实现对元器件质量的有效控制。

3 实例分析

3.1 实验准备

本次实例分析选取某元器件为实验对象，元器件具体参数，如表1所示。

表1 元器件参数

结合表1所示，为本次实验所用元器件主要参数。本次实验目的为验证通过分析历史质量记录，发现共性问题，实现控制元器件质量目的的能力。实验方法设定为测试两种质量控制技术的控制偏度系数，控制偏度系数与标准偏度系数数值越接近，证明该质量控制技术的控制性能越好。设定实验元器件质量的标准偏度系数为0.20，试验时间设置为10min，以每1min为一个测试节点，分别使用传统的质量控制技术以及本文设计的质量控制技术进行对比实验，验证质量控制的偏差程度。

3.2 实验结果分析与结论

根据上述设计的实验方法与步骤，按照固定间隔的测试周期记录实验数值，绘入图1中，并将各测试点数值连成折线。

图1 控制偏度系数对比图

分析实验数据的曲线走势，可以发现对照组的数值离散型偏大，曲线呈现出明显的锐变特性，且对比设定的标准偏离度系数，误差更大；而基于大数据的元器件质量控制技术在实验周期内检测结果较为均衡，更接近标准值。表明所设计的质量控制技术具有更高的质量控制能力。