詹家强
(天津七一二通信广播股份有限公司,天津,300000)
电子元器件的固有缺陷是导致产品在使用早期过程中提前失效的主要原因,而老炼筛选试验是保障电子元器件在使用前期便可以剔除其固有的缺陷,保障电子元器件的产品质量及其特征符合客户的使用质量需求。电子元器件的质量控制工作使长期以来各项产品质量分析和疑难质量问题诊断研究工作都得到了较大的发展。而当前最常见的筛选方式就是“老炼”,即让半导体器件在高温、高压条件下进行超负荷工作,从而促使电子元器件的固有缺陷在短时间内暴露出来,提升产品质量控制的有效性[1]。
当前常见的电子元器件老炼筛选试验方法主要是指,在一定的高温环境下,在较长的时间内对电子元器件连续不断地施加相应的电应力,通过特别设置的电-热应力的综合作用来进一步催化电子元器件内部在未来使用过程中产生的物理和化学反应。促使电子元器件中隐含的各种潜在缺陷尽早暴露出来,从而实现电子元器件质量控制的目的[2]。为了有效提升老炼筛选技术的对电子元器件质量检测的有效性,首先分析了电子元器件的筛选方法,并且通过质量灰色预测挖掘算法以及质量灰色关联规则挖掘算法,从老炼试验数据中挖掘置信度大于预定阈值的规则,从而更好实现产品质量控制。
在当前大量的老炼试验数据统计分析基础上发现,电子元器件和设备在运行过程中呈现的元器件故障缺陷会随着时间的变化而暴露出来,而时间的变化曲线通常呈一个“浴盆”曲线形状。电子元器件的应用过程就如同人类的死亡率曲线,即人类的死亡率在婴幼期和老年期死亡率较高,而青壮年期的死亡率较低,且相对稳定。而电子元器件在早期使用过程中失效的频率高而随后技术下降,使用中期,失效的频率成为“偶然”失效率,呈最低或是近似于不变的状态。且使用后期,电子元器件达到使用损耗严重期,则其产品的使用损耗失效率会急速提升。其中,早期失效率升高的主要原因是电子元器件在生产和制造过程中存在的固有缺陷;而偶然失效期元器件失效率稳定的原因则是由于多种不确定应力作用冲击造成的随机冲击,属于偶然性失效;而后期失效率增高的原因是电子元器件在使用过程中受到老化、磨损、耗损、疲劳等多种物理变化而造成的必然性失效。基于此,电子元器件的老炼筛选方法则是有效避免电子元器件早期失效率升高的重要方法,即通过老炼筛选方法将电子元器件中固有的缺陷在老炼试验中暴露出来,避免元器件的质量受到影响,有效降低元器件的故障率,提升产品的可靠性。
电子元器件的老炼筛选方法主要有温度循环和随机振动两种老炼筛选应力方法。而当前较为权威电子元器件质量控制和环境筛选方法选择有效性如图1 所示。老炼筛选方法主要是通过不同的应力试验筛选不同级别上固有缺陷,即元器件的工艺缺陷、设备缺陷以及加工缺陷等多种缺陷类型[3]。
图1 环境应力筛选有效性示意图
温度循环筛选是老炼筛选试验对元器件部组件质量控制较为有效的应力筛选方法。这种筛选方法可以有效暴露元器件组件工艺和施工过程中存在的固有缺陷,如组装缺陷、破裂、绝缘裂口、焊接缺陷以及容差漂移等多种物理缺陷。温度循环老炼筛选方法需要考虑4 个环境因素,即最高温度、最低温度、温度变化率以及循环次数。
(1)最高温度。温度循环老炼筛选试验在测试元器件质量时,其所有的最高温度不得超过元器件所有构件材料的最高温度中的最低值。并且需要考虑元器件各组件产品技术条件所规定的最高温度值。
(2)最低温度。温度循环老炼筛选试验所测试的元器件组件测试环境不得低于元器件构件组成材料的最低额定温度中的最高值。
(3)温度变化率。温度变化率直接影响了元器件老炼筛选试验的效果。温度的最大变化率取决于热心特性和被筛选产品的承受能力。
(4)循环次数。根据我国《电子产品环境应力筛选方法》(以下简称《方法》),老炼筛选试验的温度循环时间通常为90h~180h,之间约经历25~50 次热循环[4]。
元器件的老炼筛选方法中的振动筛选在使用时需要根据元器件的不同类型而选择不同的振动种类,如随机振动、正弦扫描等。并且在使用过程中需要考虑2 个参数。
(1)振动等级。根据《方法》,随机振动筛选方法的振动等级为0.05~0.055g2/Hz。并且在筛选试验过程中根据振动激励的动态响应特征对其进行振动检查,实时优化振动谱等级。需要注意的是,随机振动试验因某种原因无法进行时,选用正弦扫描振动开展老炼筛选试验。
(2)持续时间。根据《方法》,在进行随机振动试验时,建议对三个轴向各进行10min 振动,但是应视具体试验的元器件部件的大小和刚度来确定振动时间。《方法》中规定的随机振动功率密度如图2 所示[5]。
图2 随机振动功率谱密度图
老炼试验是元器件的质量控制的重要方法之一,从技术层面提升老炼筛选试验的成效,并且通过构建数据挖掘模型,优化老炼筛选试验的实验成效。当前常用的数据挖掘方法有聚类法、关联法以及概念描述法等,主要是通过决策树、神经网络算法、模糊理论算法以及贝叶斯理论、灰色理论等计算规则来提升老炼筛选试验数据的有效性[6]。文章主要基于灰色理论构建老炼试验质量灰色预测数据挖掘模型,通过灰色理论算法来提取系统质量数据序列,从中挖掘产品老炼筛选试验的变化规律,从而有效推测元器件的质量控制行为和质量控制决策的有效性。
基于数据挖掘的灰色预测质量控制模型首先需要通过对元器件的质量采样装置进行质量数据采样,将采样的行为数据进行整理后,通过灰色理论算法将计算出元器件的质量控制预测值。质量灰色关联分析主要是通过将一般控制系统附加在质量灰色关联控制器而得到。即通过灰色关联度υ(M,N)来确定老炼试验的质量控制矢量P。将输出的老炼试验质量测试矢量M 朝着接近质量目标矢量N。
假设Mi=[Mi(1),Mi(2),…,Mi(n)],(i=1,2,…,m)表示采集数据的输出向量为质量的采样序列。即其响应式为:
其中,Mi表示时间响应函数;ai即bi分别表示的参数列;k 表示序数。
当控制算子f 满足条件(2)时则可以将其视为质量灰色预测控制方法。
将灰色关联的υ(M,N)来确定矢量控制矢量,其分析实质是通过比较数据到曲线几何形状的相似度,其相似度越高,质量的变化趋势就越接近,则元器件产品的生产行为对质量影响的关联度就越大。这样就可以从老炼试验的结果中提炼出影响元器件质量的重要因素、特征及对系统影响的差别。
假设N=[N1,N2,…,Nm]T表示输出质量的矢量集合,且M=[M1,M2,…,Mm]T表示目标质量的矢量集合。若是其中质量控制矢量U=[u1,u2,…,um]T中需满足条件uk=fk(υ(M,N)) 及K=1,2,…,s。其中灰色关联的几何υ(M,N)则表示质量的灰色关联控制。因此,基于灰色关联度的υ(M,N)质量灰色关联度系统计算公式为:
其中,ρ表示质量分辨系数且ρ ∈(0,∞),则ρ越小分辨率就越大。一般情况下,ρ的值为[0,1];且|x0(t)-xi(t)|表示在t 时刻的质量指标x0及xt的绝对差;且表示两集合之间的质量最小差;表示两个集合之间的质量最大差[7]。
通过构建的质量信息数据库,从老炼试验采集的数据集合中挖掘出数据中隐含的关联规则,并且找出其中隐含的关联。这时,假设质量的数据集合R表示为R={r1,r2,⋅⋅⋅,rm},其中ri是表示老炼试验数据质量控制的记录数据。每个质量记录都有着相对应的标识符号,假设X→Y为其中的一条关联规则,分别用S表示质量数据集中的支持度;C表示在采集的数据集合的置信度,分别可以通过公式(4)、公式(5)计算。
其中r 表示数据集合R 中的老炼试验的缺陷样本数据;t 表示在t 时刻内的含有的缺陷规则X 和Y 关联性。
根据以上计算规则计算出的最小置信度(minC)和最小支持度(minS),按照灰色理论和关联规则数据挖掘的元器件老炼试验得出的固有缺陷关联规则程序如图3 所示。
图3 质量灰色预测数据挖掘控制流程图
电子元器件老炼筛选试验根据老炼筛选试验的技术方法针对元器件的型号、任务以及涉及面广等特点选择合适的老炼筛选试验方法。并且,为了提升元器件和零部件的构成组件和系统的基本单元的性能和可靠性程度都直接影响着电子元器件产品的质量。因此,为了验证文章基于数据挖掘技术提出的实现电子元器件老炼筛选质量超前控制,利用文章设计的预测算法技术对产品的质量控制特性给出既定的合乎试验精度的预测值。文章以某次电子元器件的老炼筛选试验为例,选择电子元器件的电容器、半导体集成电路、晶体管以及继电器等共18630 支进行试验,具体情况如表1 所示。
表1 老炼试验结果统计
根据文章设计的灰色理论质量预测数据挖掘规则分析,将数据库中的电子元器件的老炼筛选信息表。并且根据数据库中电子元器件老炼试验缺陷来预测老炼筛选试验的质量预测情况,具体预测结果如表2 所示。
表2 电子元器件老炼筛选质量预测结果分析
从表2 可以看出,文章对电子元器件的老炼筛选预测精度更好,绝对残差以及相对残差随着k 值升高,产品的残差值更低。因此,使用文章设计的质量灰色预测数据挖掘模型可以更好地提升电子元器件老炼试验的效果。
总而言之,电子元器件老炼筛选试验是提升产品实用性和可靠性的重要手段,通过老炼筛选试验提升产品的合格率有着更好的作用。文章设计的质量灰色预测数据挖掘模型可以更好地优化老炼筛选试验的成效,基于老炼筛选试验的数据采集具有更加广阔的研究前景。在灰色理论和关联规则数据挖掘技术的总合规则研究下,从质量数据库中利用关联规则算法和挖掘技术引入产品质量控制优化。基于此,利用老炼筛选试验可以有效避免电子元器件在未来使用过程中,因为生产过程中存在的固有缺陷导致电子元器件的使用可靠性降低。将老炼筛选试验贯穿在质量检验、设计质量控制、工序质量控制以及供货商各个环节的质量控制,有效提升电子元器件的质量控制。