本发明属于电子产品可靠性试验领域,更具体地,涉及一种对电子产品环境应力筛选策略进行优化的方法及设备。
背景技术:
环境应力筛选是可靠性试验中的一种,通过对产品施加合适的环境应力,可有效地剔除产品中的潜在缺陷,使产品尽快进入偶然失效期,提高产品使用阶段的可靠性。根据以往经验,当出现失效时,在较低组装级上进行维修,维修费用较低。组装级提高一级,维修费用几乎提高一个数量级。而产品投入使用后出现失效,维修的费用会更高。进行环境应力筛选,可在产品投入现场使用之前,把产品生产过程中引入的潜在缺陷剔除,不仅可以大大地减少维修费用,还能提高产品在用户中的评价。然而,若过度地对产品进行应力筛选,产品已经进入偶然失效期,其使用可靠性已接近设计可靠性,不仅可靠性不能再得到太大提升,反而因为过长的筛选时间,使得产品的生产成本大大增加,得不偿失。因此,进行环境应力筛选,需要合理地制定环境应力筛选计划。
技术实现要素:
针对现有技术的以上缺陷或改进需求,本发明提供了一种环境应力筛选时间优化方法,其目的在于,在进行环境应力筛选时,充分考虑元器件级、组件级筛选费用,尤其是引入了时间费用成本的计算,从而在进行环境应力筛选时充分考虑筛选时间成本,在提高设计可靠性的同时,降低筛选时间,降低生产成本。
为实现上述目的,按照本发明的一个方面,提供了一种电子产品环境应力筛选时间优化方法,包括如下步骤:
步骤1:基于威布尔分布参数获得元器件和连接件的可靠度函数、应力筛选加速因子、合格品次品比例,进而得到元器件在经过一段时间筛选后的可靠度函数和合格品次品比例,以及连接件在经过一段时间筛选后的可靠度函数和合格品次品比例;
步骤2:根据步骤1的筛选结果估算在电子产品组件保修期内寿命周期各阶段的元器件更换数量以及连接件维修数量;
步骤3:根据步骤2所估算的元器件更换数量和连接件维修数量,结合在电子产品组件保修期内寿命周期各阶段中元器件的更换费用和连接件的维修费用,建立电子产品组件在保修期内寿命周期的总费用模型:
总费用=元器件的更换费用+连接件的维修费用;
步骤4:以元器件级筛选时间和组件级筛选时间作为变量,以组件在保修期内寿命周期的总费用最少为目标,使用粒子群算法求解步骤3的总费用模型的最优解,得到最优解对应的元器件级筛选时间和组件级筛选时间。
进一步地,步骤1中,建立元器件级筛选模型的方法如下:
经过一段时间的筛选后,整批元器件中次品比例pcss(tc)和合格品的比例pcg(tc)分别为:
pcg(tc)=1-pcss(tc)(4)
其中,pcss、pcg分别为初始时元器件中次品和合格品所占比例,
βcss、βcg分别为元器件次品和合格品威布尔分布的形状参数,
ηcss、ηcg分别为元器件次品和合格品威布尔分布的比例参数,
tc为环境应力对元器件寿命损耗产生的元器件级筛选时间加速效果,
tac为元器件级筛选时间:
tc=kc·tac(5)
kc为元器件级筛选的加速因子。
进一步地,步骤2中,估算元器件更换数量的方法如下:
元器件在各阶段的更换数量更新方程如下:
其中,f(t)为元器件寿命的累积失效分布函数,
fc(x)为元器件的失效概率密度函数,
m(t)的值表示在[0,t)时间内预计的元器件更新数;
在经历过tc时间筛选后,t时间内预计的元器件更新数nc(t|tc)为:
nc(t|tc)=pcss(tc)·mcss(|tc)+pcg(tc)·mcg(t|tc)(15)
其中,mcss(t|tc)和mcg(t|tc)分别为按照式(14)、(16)、(17)得出的元器件次品和合格品经过一段时间后的预计更新数:
mcss(t|tc)=mcss(t)-mcss(tc)(16)
mcg(t|tc)=mcg(t)-mcg(tc)(17)。
进一步地,步骤3中,元器件更换费用cc(tac,tab)如下:
其中,sc为元器件级筛选的固定费用,
i(tac)用于表明是否开启用于执行元器件级筛选过程的设备,
npcb为参加筛选的电子产品组件的数量,
nc为参加筛选的元器件的数量,
ct为单个元器件在元器件级筛选中单位时间的费用,
dc为元器件级筛选的检测效率,
crcc为在元器件级筛选时更换单个元器件的费用,
db为组件级筛选的检测效率,
crcb为在组件级筛选时更换单个元器件的费用,
crcf为在现场使用时更换单个元器件的费用。
进一步地,步骤1中,建立组件级筛选模型的方法如下:
经历过一段时间筛选后,连接件中次品和合格品的比例分别为:
pbg(tb)=1-pbss(tb)(9)
其中,pbss、pbg分别为元器件中次品和合格品所占比例,
βbss、βbg分别为连接件次品和合格品的形状参数,
ηbss、ηbg分别为连接件次品和合格品的比例参数,
tb为环境应力对元器件和连接件寿命损耗产生的组件级筛选时间加速效果,tab为组件级筛选时间:
tb=kb·tab(10)
kb为组件级筛选的加速因子;
因此,通过筛选的连接件的可靠度函数rb(t|tb)为:
rb(t|tb)=pbss(tb)·rbss(t|tb)+pbg(tb)·rbg(t|tb)(11)
进一步地,步骤2中,经过tb时间的组件级筛选后连接件的预计维修数nb(t|tb)为:
nb(t|tb)=-ln(rb(t|tb))(19)。
进一步地,步骤3中,连接件维修费用bc(tab)为:
其中,sb为组件级筛选的固定费用,
i(tab)用于表明是否开启用于执行组件级筛选过程的设备,
npcb为参加筛选的电子产品组件的数量,
cb为每个电子产品组件在组件级筛选中单位时间的费用,
nb为参加筛选的连接件的数量,
db为组件级筛选的检测效率,
crbb为在组件级筛选时维修单个连接件的费用,
crbf为在现场使用时维修单个连接件的费用,
tw为电子组件产品的保修期时间。
为了实现上述目的,本发明还提供了一种计算机可读存储介质该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现如上所述的任意一种方法。
为了实现上述目的,本发明还提供了一种电子产品环境应力筛选时间优化设备,包括前面所述的计算机可读存储介质以及处理器,处理器用于调用和处理计算机可读存储介质中存储的计算机程序。
总体而言,本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
本发明以二级组装模型来对电子产品进行费用模型的建模,即以电子产品所使用的元器件为元器件级,以元器件和涉及的连接件作为组件级,以威布尔分布来描述元器件和连接件的失效率曲线,同时引入时间费用成本,建立电子产品在元器件级筛选阶段、组件级筛选阶段以及保修期阶段的整体费用模型,并使用粒子群优化算法求解得到使得总费用最少的筛选时间,在提高电子产品设计可靠性的同时,降低时间成本,从而节约生产成本,达到均衡优化的效果。
附图说明
图1为本发明的流程步骤图;
图2为本发明优选实施例的粒子群算法流程图;
图3为本发明优选实施例的粒子群算法某次计算得到的迭代次数-总费用值收敛曲线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
电子产品组件保修期内的寿命周期一般有如下三个阶段:元器件级筛选,对元器件施加环境应力,筛选出有缺陷的元器件;组件级筛选,在元器件通过连接件组装到电路板上以后,对电路板组件进行环境应力筛选,找出有缺陷的元器件和连接件;投入使用阶段,将电路板组件装配成完整的电子产品投入使用。
如图1所示,本发明的具体实施步骤如下:
数据准备工作:收集组件级产品历史数据,得到组件元器件连接件组成、元器件连接件威布尔分布参数、合格品次品比例、各级费用参数、环境应力筛选的加速因子。本阶段的工作可以提前进行,也可以在实际建模及解算过程中实时获取及调用。
现某块组件由nc个元器件和nb个连接件组成,且各参数为:
nc=100,nb=100;
元器件和连接件的威布尔分布模型参数分别如下:
pcss=0.02,pcg=0.98;
ηcss=3*102,βcss=0.95,ηcg=3*106,βcg=0.95;
pbss=0.02,pbg=0.98;
ηbss=3*102,βbss=0.95,ηbg=3*106,βbg=0.95;
其中,pcss、pcg分别为元器件中次品和合格品所占比例,
βcss、βcg分别为元器件次品和合格品威布尔分布的形状参数,
ηcss、ηcg分别为元器件次品和合格品威布尔分布的比例参数,
pbss、pbg分别为连接件中次品和合格品所占比例,
βbss、βbg分别为连接件次品和合格品的形状参数,
ηbss、ηbg分别为连接件次品和合格品的比例参数。
其他费用参数单位为元,为:
crcc=5,crcb=50,crcf=1000,sc=200;
ct=0.01,crbb=50,crbf=1000,sb=200;
cb=1,tw=20000h;
其中,crcc为在元器件级筛选时更换单个元器件的费用,
crcb为在组件级筛选时更换单个元器件的费用,
crcf为在现场使用时更换单个元器件的费用,
sc为元器件级筛选的固定费用,
ct为单个元器件在元器件级筛选中单位时间的费用,
crbb为在组件级筛选时维修单个连接件的费用,
crbf为在现场使用时维修单个连接件的费用,
sb为组件级筛选的固定费用,
cb为每块印制电路板在组件级筛选中单位时间的费用,
tw为电子产品组件(本实施例为印制电路板)的保修期时间。
元器件级筛选和组件级筛选的加速因子kc、kb可根据相应的筛选应力和参数,结合阿伦尼斯模型或逆幂率模型等求得,在本实施例中,假设:
kc=1,kb=1
步骤1、建立电子产品组件筛选模型,电子产品组件筛选模型分为元器件级筛选模型和组件级筛选模型。
1.1、建立元器件级筛选模型,考虑整批元器件中存在合格品和次品,因此元器件初始可靠度函数rc(t)为:
pcss+pcg=1(2)
由于环境应力筛选会将产品中的部分次品剔除,因此,经过一段时间的筛选后,整批元器件中次品和合格品的比例分别变为:
pcg(tc)=1-pcss(tc)(4)
其中,tc为环境应力对元器件寿命损耗产生的元器件级筛选时间加速效果:
tc=kc·tac(5)
tac为元器件级筛选时间。
1.2建立组件级筛选模型,在组件级对元器件和电路板组件上的连接件进行筛选,由于上一步已经建立元器件模型,因此这一步仅需要建立连接件筛选模型。由于整批连接件中存在次品和合格品,因此连接件的初始可靠度函数rb(t)为:
pbss+pbg=1(7)
由于环境应力筛选会将一部分连接件次品剔除,因此,经历过一段时间筛选后,连接件中次品和合格品的比例变为:
pbg(tb)=1-pbss(tb)(9)
其中tb为环境应力对元器件和连接件寿命损耗产生的组件级筛选时间加速效果:
tb=kb·tab(10)
tab为组件级筛选时间。
因此,通过筛选的连接件的可靠度函数rb(t|tb)为:
rb(t|tb)=pbss(tb)·rbss(t|tb)+pbg(tb)·rbg(t|tb)(11)
步骤2:估算元器件的更换数量及连接件的维修数量。
2.1、根据更新理论估算元器件在各阶段的更换数量。更新方程如下:
其中f(t)为元器件寿命的累积失效分布函数,fc(x)为元器件的失效概率密度函数。m(t)的值表示在[0,t)时间内预计的元器件更新数。该方程的求解可参考r.jiang提出的结合伽马分布与正态分布结合的方式求解。则在经历过tc时间筛选后,t时间内预计的元器件更新数为:
nc(t|tc)=pcss(tc)·mcss(t|tc)+pcg(tc)·mcg(t|tc)(15)
其中mcss(t|tc)和mcg(t|tc)可分别为按照式(14)、(16)、(17)得出的次品和合格品元器件经过一段时间后的预计更新数:
mcss(t|tc)=mcss(t)-mcss(tc)(16)
mcg(t|tc)=mcg(t)-mcg(tc)(17)。
2.2、根据可靠性理论估算连接件在各阶段的维修数量。连接件失效时是对其进行维修而不是更换。因此,某一时间段连接件的维修数可由对其失效率函数λ(t)积分来估算,其关系式如下:
对于经过tb时间的组件级筛选后连接件的预计维修数为nb(t|tb):
nb(t|tb)=-ln(rb(t|tb))(19)
步骤3:建立整个电路板组件在保修期内的总费用模型,该费用用于更换元器件和维修连接件。元器件所造成的更换费用将在元器件级筛选、组件级筛选和保修期内三个阶段产生。连接件所造成的维修费用将在组件级筛选和保修期内两个阶段产生。除此之外,对产品进行环境应力筛选,将会产生固定的设备使用费用和随时间增长的设备损耗费用。因此,元器件费用如下:
其中dc为元器件级筛选的检测效率;npcb为参加筛选的电子产品组件(本实施例为pcb板)的数量,本实施例取npcb=1;
i(tac)用于表明是否开启用于执行元器件级筛选过程的设备,
连接件费用为:
其中db为组件级筛选的检测效率;i(tab)用于表明是否开启用于执行组件级筛选过程的设备,
总费用为:
lcc(tac,tab)=cc(tac,tab)+bc(tab)(24)
步骤4:求解式(24)的非线性最优化问题。以元器件级筛选时间tac和组件级筛选时间tab为变量,总费用值lcc(tac,tab)为粒子群算法的粒子适应度值,按照图2所示流程使用粒子群算法寻找式(24)的全局最优解。使用动态惯性权重法解决粒子群算法收敛于局部最优的问题:
其中,ωstart为初始惯性权重;ωend为迭代至最大次数时的惯性权重;k为当前迭代代数;tmax为最大迭代数。
根据算法求得最优解:如图3,在本实施例中,当tac=736h,tab=1204h时,产品保修期内整个寿命周期的最少费用为4542元。
本实施例以印制电路板为例,以二级组装模型来对印制电路板进行费用模型的建模,即以印制电路板上所使用的元器件为元器件级,以印制电路板、元器件和涉及的连接件作为组件级。以威布尔分布来描述元器件和连接件的失效率曲线,使用粒子群优化算法求解得到使得总费用最少的筛选时间,以完成对筛选策略的优化。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。