一种基于多源制造工艺信息的固有可靠性评估方法与流程

本发明涉及静态模型分析领域，特别是涉及了一种基于多源制造工艺信息的固有可靠性评估方法，用于对产品新工艺的可靠性分析。

背景技术

产品的固有可靠性是由产品决定、制造过程保证的，在工程实践过程中，相同产品规范的产品，可由不同的工艺方法加工制造，其固有可靠性也会因工艺的不同，具有较大的差异。我们将这些不同工艺加工方式下的信息称之为多源信息。现有关于工艺的分析存在以下问题：

首先，据统计当今机械产品，在使用过程中暴露的问题，约50％是由加工过程的缺陷造成的，产品的固有可靠性与各过程特性存在着复杂的非线性关系，过程特性间也存在着相关性。因此，导致了现有的产品工艺可靠度分析方法在建立产品固有可靠性预测模型时，具有输入变量过多，模型极为复杂。因此对产品固有可靠性的预测较为困难，模型预的准确度也不能保证。

其次，由于现在市场多变的需求，目前的生产制造多采用快速响应式生产制造模式，这就导致了生产出来的产品无法进行大量寿命试验以验证制造过程中的对产品特性的保证效果，缺少评估其可靠性的试验信息，而数据的缺少又导致了在认知产品固有可靠性在制造过程中，难以形成规律的、定量的评估加工工艺对产品可靠性的影响的分析方法。

因此确定对产品固有可靠性影响较大的关键产品特性以及关键过程特性，得到多个工艺与当前工艺之间的相似度，通过相似度，利用已有成熟工艺的失效数据，对现有的新工艺下产品的可靠度进行分析是十分具有实用意义的。

技术实现要素：

针对上述问题，本发明公开了一种基于多源制造工艺信息的固有可靠性评估方法，包括：

对产品进行fmea分析，获得第一可靠度模型；

对第一工艺进行小样本寿命试验，获得其失效数据，同时确定第一工艺的相似第二工艺与相似第三工艺，并获得第二工艺与第三工艺的失效数据；

确定第一工艺与第二工艺基于产品特性的工序能力指数；

确定产品基于关键产品特性的权重；

根据所述基于产品特性的工序能力指数与权重，获得第一工艺与第二工艺的第一相似度，利用所述第一相似度、第二工艺的失效数据与第一可靠度模型，获得第一工艺的第二可靠度模型；

确定第一工艺与第三工艺基于过程特性的工序能力指数，以及产品的关键过程特性对关键产品特性的影响权重；

根据所述基于过程特性的工序能力指数与权重，获得第一工艺与第三工艺的第二相似度，利用所述第二相似度与第三工艺的失效数据，获得第一工艺的第三可靠度模型；

根据所述第一可靠度模型、所述第二可靠度模型与所述第三可靠度模型以及其对应权重，获得第一工艺的可靠度融合分布模型。

进一步的，所述失效数据包括：失效产品数量、产品失效时间，产品失效间隔以及产品失效时间序列。

进一步的，所述第一可靠度模型包括：产品的形状参数与尺寸参数。

进一步的，所述利用所述第一相似度、第二工艺的失效数据与第一可靠度模型，获得第一工艺的第二可靠度模型包括：

利用所述第一相似度与第二工艺的失效数据，获得第一工艺的第一近似失效数据；

通过将多个第一工艺的第一近似失效数据带入所述第一可靠度模型，从而获得第二形状参数与第二尺寸参数；

根据第二形状参数与第二尺寸参数，建立第一工艺的第二可靠度模型。

更进一步的，所述第一相似度为第一工艺与第二工艺间基于产品特性的相似程度。

进一步的，所述利用所述第二相似度与第三工艺的失效数据，获得第一工艺的第三可靠度模型包括：

利用所述第二相似度与第三工艺的失效数据，获得第一工艺的第二近似失效数据；

通过将多个第一工艺的第二近似失效数据带入所述第一可靠度模型，从而获得第三形状参数与第三尺寸参数；

根据第三形状参数与第三尺寸参数，建立第一工艺的第三可靠度模型。

更进一步的，所述第二相似度为第一工艺与第三工艺间基于过程特性的相似程度。

进一步的，获得所述第一可靠度模型、所述第二可靠度模型与所述第三可靠度模型对应权重的方法包括：

根据所述第一工艺的失效数据、所述第二工艺的失效数据以及所述第三工艺的失效数据，分别获得第一工艺的信息熵、第二工艺的信息熵、与第三工艺的信息熵；

根据第一工艺的信息熵、第二工艺的信息熵、与第三工艺的信息熵的大小，分别获得所述第一可靠度模型、所述第二可靠度模型与所述第三可靠度模型的对应权重。

更进一步的，所述第一可靠度模型、所述第二可靠度模型与所述第三可靠度模型的对应权重之和为1。

进一步的，所述第一工艺的可靠度融合分布模型为：所述第一可靠度模型、所述第二可靠度模型和所述第三可靠度模型与其对应权重乘积的和。

本发明的优点是，利用较少的失效数据，从而尽可能准确的根据工艺评价产品的可靠程度，更适用于现在快速响应的生产模式；能够最大限度的利用现有制造工艺信息，提高信息的利用率；本发明方法将基础的、大量多源信息与可靠度的判断结合，使得不同的来源的信息可以被同时应用，提高了信息的利用率的同时也提高了产品可靠度判断的准确度。

附图说明

通过阅读下文具体实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出具体实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明的确定多源信息的逻辑结构图。

图2为本发明的分析过程流程图。

图3为本发明实施例中三种工艺早期失效率的对比曲线图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

如图1所示，为本发明的确定多源信息的逻辑结构图，其中当前工艺为针对产品的一种新的工艺，由于当前工艺为一种新工艺，且在快速响应模式下难以进行大量的失效试验，获得足够的失效数据，从而判断新工艺的可靠度，因此我们通过找到一种成熟工艺，该成熟工艺的特点是具有与当前工艺相同的关键产品特性与关键过程特性，其中关键产品特性在一定程度上可以决定所述产品的可靠度，即所述产品的质量，而关键过程特性又在一定程度上决定了关键产品特性。通过由当前工艺与成熟工艺分别获得当前产品的固有可靠性与类似产品的固有可靠性，以及两种工艺所共有的关键产品特性与关键过程特性的关系作为信息源，从而根据所述信息源对当前工艺可靠性进行评估。下面将结合图2对本发明的可靠性评估方法的详细分析过程进行阐述。

如图2所示，为本发明的分析过程流程图，下面将结合具体步骤对每一个步骤进行详细说明：

s1、对产品进行fmea分析，获得第一可靠度模型；

通过对当前工艺下的产品进行故障机理分析和失效模式及后果分析(failuremodeandeffectsanalysis)fmea分析，确定影响其早期失效率的关键产品特性和关键过程特性，并确定第一可靠度模型为：

其中形状参数m与尺寸参数η为影响该可靠度模型的主要参数，t为失效时间。

s2、对工艺a进行小样本寿命试验，获得其失效数据，同时确定工艺a的相似工艺b与相似工艺c，并获得工艺b与工艺c的失效数据；

对当前工艺a的产品进行实验，获取少量寿命试验数据，其包括失效产品数量，失效产品时间，失效产品间隔，失效时间序列等多个失效数据；通过对工艺a下的产品进行的小样本寿命试验，可以得到基于当前产品可靠性信息的产品可靠度r0(t)，同时收集类似工艺b与类似工艺c下产品的大量历史寿命试验数据以及其他可靠性的试验信息。

s3、确定工艺a与工艺b基于产品特性的工序能力指数；

所述工序能力指数表示工序能力对产品的产品规范的保证程度，本发明中工艺a、工艺b与工艺c具有相同的关键产品特性与关键过程特性，但是其它工序过程或产品特性则略有不同，所以工艺a、工艺b与工艺c具有不同的工序能力指数。令cpma(i)、cpmb(i)与cpmc(i)分别代表当前产品和类似产品相应工序的工序能力指数，其中i＝1,2,…,n，表示包含关键产品特性的n个相应工序，工序能力指数的计算公式如下：

其中，t为公差幅度；tv为公差幅度偏差值，x为样本值，σ为标准差，μ为均值，上述参数可以通过测量计算得出。其中，e表示期望。

s4、确定产品基于关键产品特性的权重；

所述基于关键产品特性的权重为每种关键产品特性对该产品可靠度的影响程度。本发明中，在确定基于关键产品特性的wi前，首先根据工程经验确定各基于关键产品特性权重的取值范围，以上述各权重的取值范围作为信息，利用信息熵方法中的最佳概率密度函数，获得信息熵最大的值，得到其最大信息熵的优化模型为：

wi∈h

其中，h为各权重的取值范围，n表示权重范围的个数或需要确定权重值的个数，更进一步的为关键产品特性的个数，wi表示基于关键产品特性的权重。根据上述公式与各权重范围，即可获得各个关键产品特性的权重范围中使得熵值最大的权重，即为本步所要求得的基于关键产品特性的权重。

s5、根据所述基于产品特性的工序能力指数与权重，获得工艺a与工艺b的相似度1，根据所述相似度1与工艺b的失效数据，获得工艺a的第二可靠度模型；

所述可靠度表示两种工艺的相似程度，本发明中通过关键产品特性的权重与两种工艺对应的工序能力指数，获得工艺a与工艺b基于产品特性的相似度γk，其计算公式如下：

其中，γk即为工艺a与工艺b的相似度。接下来确定第二可靠度模型，由步骤s1可知，可靠度模型的建立需获得形状参数m与尺寸参数η，因此，本发明通过利用工艺b的失效时间序列的单阶段韦布尔分布的概率密度函数获得所述形状参数与尺寸参数，其中所述概率密度函数如下：

对概率密度函数的似然函数化简后可得：

对其求导，可得：

由于通过工艺a的失效试验获得的失效数据有限，即获得的失效时间序列有限，本步骤中利用工艺a和工艺b的相似度与工艺b的失效时间序列，从而获得工艺a的近似失效时间序列，假定工艺b下产品失效时间序列为xb＝(x1,x2,…,xn)，则得到的工艺a的第一近似失效时间序列可表示为xa＝(γkx1,γkx2,…,γkxn)。通过将xa带入上述公式，即可求得形状参数m2与尺寸参数η2，从而获得基于工艺b第二可靠度模型，其中，n表示关键产品特性个数，r表示求解m2与η2时带入的工艺a的第一近似失效时间个数。第二可靠度模型如下：

s6、确定工艺a与工艺c基于过程特性的工序能力指数，以及关键过程特性对关键产品特性的影响权重；

首先根据经验获得关键过程特性对关键产品特性的影响权重μij，μij表示第i个关键过程特性对第j个关键产品特性的影响程度，由于一种关键产品特性可以由m种关键过程特性共同决定，根据经验对每中关键过程特性对关键产品特性的影响权重进行分析，可得出下列矩阵：

其中，k1到kn代表n种关键产品特性，y1到ym代表m种关键过程特性，则基于关键过程特性的权重可表示为：

其中，ρj为基于关键过程的权重，表示关键过程对产品可靠度的影响程度。

s7、根据所述基于过程特性的工序能力指数与权重，获得工艺a与工艺c的相似度2，根据所述相似度2与工艺c的失效数据，获得工艺a的第三可靠度模型；

与步骤s5类似，工艺a与工艺c的相似度可表示为：

其中，ma为工艺a基于关键过程特性的工序能力指数，mc为工艺c基于关键过程特性的工序能力指数。下面将给出第三可靠度模型的推导过程，与得出第二可靠度模型相似：

本发明通过利用工艺c的失效时间序列的单阶段韦布尔分布的概率密度函数获得所述形状参数与尺寸参数，其中所述概率密度函数如下：

对概率密度函数的似然函数化简后可得(x为失效时间)：

对其求导，可得：

假定收集得到工艺c的失效时间序列为xc＝(x1,x2,…,xn)，则根据工艺c得到的工艺a的第二近似失效时间序列为xa^*＝(γyx1,γyx2,…,γyxn)。将xa^*带入上述求导公式，可以得到形状参数m3与尺寸参数η3，从而获得基于工艺c第三可靠度模型，其中，n表示关键产品特性个数，r表示求解参数m3与η3时带入的工艺a的第二近似失效时间个数。第三可靠度模型如下：

s8、根据上述第一可靠度模型、第二可靠度模型与第三可靠度模型以及其对应权重，获得工艺a的可靠度融合分布模型；

获得所述对应权重的方法如下：

在信息熵方法中，以d＝(d1,d2,…,dn)表示n个不同信息，根据n个不同信息可以获得相应的概率分布函数ri(t)(i＝1,2,…,n)，由此每种信息di的信息熵可表示为：

h(ri(t))＝∫θri(t)ln(ri(t))dt,i＝1,…,n

其中，信息熵的大小可以表示信息d1,d2,…,dn的随机性大小，信息熵越大，则表示该信息的随机性越大，即求出的分布更加符合真实分布。在多源信息条件下，不同信息对融合分布的贡献大小程度不同，则每种信息di对应的权重也不同，因此本发明中以工艺a、工艺b以及工艺c中各自的多种失效数据作为信息，从而分别获得第一可靠度模型、第二可靠度模型以及第三可靠度模型的权重，最终融合分布的权重可以通过下述公式得出：

其中，q(di)(i＝1,2,…,n)表示信息di在所有信息中对融合分布贡献大小的比重，则融合分布可以表示为：

故工艺a可靠度的融合分布表示为：

r(t)＝q0r0(t)+qkrk(t)+qyry(t)

其中，q0+qk+qy＝1。

融合分布可靠度的意义在于，对于新的工艺a，可以利用较少的失效数据，从而尽可能准确的评估工艺a的可靠程度，更适用于现在快速响应的生产模式，为快速响应模式下，产品的可靠度提供了更加准确的理论依据。对于现有的工艺a也可以通过本发明的方法对进行评估，从而用于对工艺a的优化。

具体实施例

步骤1：本实施例中以移相单元段的生产为例，其中移相单元的单元段是相控阵雷达的核心器件，其早期失效率通常服从威布尔分布。通过对移相单元单元段进行故障机理分析和fmea分析，确定影响其早期失效率的关键产品特性和关键过程特性如表1所示。为了获取优化后的粘接工艺a下产品的早期失效率，选取两种成熟粘接工艺(b、c)下的移相单元为研究对象，利用工艺b和工艺c下产品的历史数据来估计工艺a下产品的早期失效率.

表1关键产品特性和关键过程特性

移相单元通常会通过温度循环、随机振动等试验，对单元段磁通率低于规定阈值以及在加速应力筛选试验中发生脱胶、膜层破损、崩边等现象作为其失效判据。

步骤2：对a工艺加工的整批产品进行温度循环、随机振动试验，至有10个产品失效时停止试验，收集样品的失效时间序列为(0.19，0.78，0.96，1.31，2.78，3.16，4.15，4.67，4.85，6.5)(单位：day)。收集b和c工艺加工产品的失效数据各100个。

通过当前工艺a产品加工完成后进行的小样本寿命试验获得的数据，对收集的失效产品进行失效原因分析，剔除偶然失效阶段的失效数据，然后选用单阶段威布尔模型表示产品失效率，利用极大似然函数法可以得到基于当前产品可靠性信息的产品可靠度r0(t)：

步骤3：工序能力指数的计算公式如下：

其中，t为公差幅度；tv为公差幅度偏差值，x为样本值，σ为标准差，μ为均值。

从由工艺a和由工艺b得到的产品中中各抽取样本量为n的产品，对其产品特性的参数(公差幅度、公差幅度偏差值、样本值、均值)进行测量后可得工艺a的基于产品特性的工序能力指数为cpma(i)；工艺b的基于产品特性的工序能力指数为cpmb(i)。如表2所式：

表2关键产品特性的工序能力指数

步骤4：根据生产经验给出各w的取值范围分别为：

0.18≤w1≤0.5,0.25≤w2≤0.55,0.16≤w3≤0.4,0.15≤w4≤0.25,0.12≤w5≤0.2。

信息熵最大的为最佳概率密度函数，最大熵原理建立优化模型为：

wi∈h

其中，h为各权重的取值范围。

通过求解上式，得到最大信息熵，可以得基于关键产品特性的影响权重wi的取值。wi的取值为：w1＝0.1939，w2＝0.25，w3＝0.19，w4＝0.1913，w5＝0.1748。

步骤5：计算关键产品特性的产品可靠度rb(t)。

此时根据得到的权重wi，可以计算出相似度γk＝0.935。

对工艺b的单阶段韦布尔分布的概率密度函数的似然函数，化简后可得

对上述公式进行求导可得：

其中，n表示关键产品特性个数，r表示求解参数m与η时带入的工艺a的第一近似失效时间个数。

由步骤二中得到的工艺b的失效时间序列中任选一段xb＝(0.21，0.53，0.74，1.35，2.98，3.30，4.75，4.90，5.37，6.50)，利用γk求得工艺a的第一近似失效时间序列xa＝(0.20，0.50，1.26，2.79，3.09，4.44，4.58，5.02，6.08)代入上述求导公式，可以得到形状参数m和尺寸参数η的值，m＝0.97，η＝8.7，同时确定基于关键产品特性的产品可靠度rk(t)：

步骤6：确定关键过程特性对产品可靠性的影响权重ρj以及可靠度ry(t)

为了得到各ρj的取值，根据生产经验先给出了各关键过程特性对各关键产品特性的影响权重μij(i＝1,2,…,5；j＝1,2,…,15)，由表1可知，每道工序的关键过程特性仅对该工序的关键产品特性有影响，故给出影响权重的取值范围如下：

结合步骤4中得出的wi，最后求出各ρj的取值如下：

表3关键过程特性的影响影响权重

利用梯形模糊数方法给出当前产品和类似产品的关键过程特性满足工艺要求程度(基于过程的工序能力指数)如表4所示：

表4关键过程特性的符合程度

则基于关键过程特性的工艺a与工艺c间的相似程度γy为：γy＝0.893

对工艺c的单阶段韦布尔分布的概率密度函数的似然函数，化简后可得

对上述公式进行求导可得：

其中，n表示关键产品特性个数，r表示求解参数m与η时带入的工艺a的第二近似失效时间个数。

由步骤2中工艺c的失效时间序列中任选一段xc＝(0.50，0.93，1.57，2.71，2.98，3.60，4.75，5.57，6.73，8.20)，则根据相似度γy获得的工艺a的第二近似失效时间序列为xa*＝(0.45，0.83，1.40，2.42，2.66，3.22，4.24，4.97，6.01，7.32)代入求解，得到参数m3和η3的值，m3＝0.85，η3＝9.2

同时确定基于关键产品特性的产品可靠度ry(t)：

步骤7：确定最终产品可靠度的融合分布。

利用信息熵原理，将工艺a、工艺b与工艺c的随时间变化的失效数据作为信息di，每种工艺下的信息熵可表示为：

h(ri(t))＝∫θri(t)ln(ri(t))dt,i＝1,...,n

在多源信息条件下，不同信息对融合分布的贡献大小程度不同，则每种信息di对最终融合分布的权重可以通过下述公式得出：

即qa+qb+qc＝1，其中,qa、qb与qc分别为第一可靠度模型、第二可靠度模型与第三可靠度模型的融合分布权重，则可得到三种工艺对应的可靠度模型的权重为qa＝0.227，qb＝0.141，qc＝0.632。

则融合分布可以表示为：

通过将步骤二中得到的少量工艺a的失效时间序列带入上述公式，即可获得10个关于工艺a的融合分布可靠度。通过最终的融合分布后获得的可靠度比起单一通过fmea分析得到的可靠度利用了更多的信息，增加了其可靠度评估的准确性。

如图3所示，为本发明实施例中三种工艺早期失效率的对比曲线图，其中虚线表示工艺a下的早期失效率曲线图，灰色曲线代表工艺b下的早期失效率曲线图，黑色曲线表示工艺c下的早期失效率曲线图，其中纵坐标为失效率，横坐标为时间/天。由图中可以看出具有相同关键产品特性以及关键过程特性的三种工艺，其失效率曲线相似，这也是本发明中可以通过工艺b或工艺c获得工艺a的近似失效时间序列的基础。

以上，仅为本发明示例性的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。