一种基于ICT和FCT的软失效预测方法与流程

一种基于ict和fct的软失效预测方法
技术领域
1.本发明涉及工业大数据挖掘领域，尤其涉及一种基于ict和fct的软失效预测方法。


背景技术：

2.在目前电子产品制造过程中，ict(在线测试)/fct(功能电路测试)测试结果是根据产品设计阶段须达到的电学性能、功能以及电子器件的规格范围确定。该测试结果并没有考虑由外力造成的测试结果可接受范围内的偏移，而这些偏移会导致产品可靠性的降低，易造成产品客退、返修成本上升和信誉损失。


技术实现要素：

3.本发明针对上述问题，提出了一种基于ict和fct的软失效预测方法。
4.本发明所提出的技术方案如下：
5.本发明提出了一种基于ict和fct的软失效预测方法，包括以下步骤：
6.步骤s1、从产品的ict和fct测试项目中筛选出重点关注测试项目；收集因重点关注测试项目相关问题而被客退的产品的ict和fct测试数据，从而组成非正常数据集；
7.步骤s2、根据所述被客退的产品的生产时间，获取同一批次但未被客退的产品的ict和fct测试数据，从而组成正常数据集；
8.步骤s3、基于非正常数据集和正常数据集，构建用于根据产品的ict和fct测试数据预判产品是否存在软失效的软失效预测模型；
9.步骤s4、根据软失效预测模型，实时分析产品的ict和fct测试数据，从而预测产品是否存在软失效。
10.本发明上述的软失效预测方法中，步骤s3通过采用机器学习算法执行。
11.本发明上述的软失效预测方法中，步骤s3包括以下步骤：
12.步骤s3.1、对正常数据集和非正常数据集的并集中所有ict和fct测试数据进行归一化处理，该归一化处理算法为：
13.k
ij
＝|(t
ij-μj)/σj|；
14.其中，t
ij
表示正常数据集和非正常数据集的并集中第i个产品的第j项ict和fct测试数据；
15.μj表示正常数据集中所有产品的第j项ict和fct测试数据的均值；
16.σj表示正常数据集中所有产品的第j项ict和fct测试数据的标准差；
17.正常数据集和非正常数据集的并集中产品总个数记为n，产品的ict和fct测试数据总项数记为m；采用第1个产品归一化处理后的第1项-第m项ict和fct测试数据、第2个产品归一化处理后的第1项-第m项ict和fct测试数据、
…
、第n个产品归一化处理后的第1项-第m项ict和fct测试数据构建a
nm
；其中，
[0018][0019]
步骤s3.2、分别计算正常数据集和非正常数据集的并集中所有产品的k值；将正常数据集和非正常数据集的并集中第i个产品的k值记为ki，其中，ki＝max(k
i1
,k
i2
,
…
,k
im
)；以k值为横坐标，分别以与k值对应的被客退的产品数量在被客退的产品总数量中的占比和与k值值对应的未被客退的产品数量在未被客退的产品总数量中的占比为纵坐标建立坐标系并绘制相应的曲线，从而得到被客退的产品数量占比-k值曲线和未被客退的产品数量占比-k值曲线；获取被客退的产品数量占比-k值曲线和未被客退的产品数量占比-k值曲线在纵坐标方向上间距最大的位置上的k值，记为k’；
[0020]
步骤s3.3、将非正常数据集中k值绝对值大于k’绝对值的产品定义为软失效产品；抽取软失效产品的ict和fct测试数据，以组成软失效产品数据集；构建b
n(m+1)
，其中，
[0021][0022]
在这里，y1表示正常数据集和非正常数据集的并集中第1个产品是否为软失效产品的值；y2表示正常数据集和非正常数据集的并集中第2个产品是否为软失效产品的值；
…
；yn表示正常数据集和非正常数据集的并集中第n个产品是否为软失效产品的值；
[0023]
当y1，y2，
…
，yn中任意一个为0时，则表示对应的产品不是软失效产品；当y1，y2，
…
，yn中任意一个为1时，则表示对应的产品是软失效产品；
[0024]
步骤s3.4、以b
n(m+1)
前m列作为自变量，第m+1列作为因变量，利用机器学习分类算法进行分析，构建得到软失效预测模型。
[0025]
本发明上述的软失效预测方法中，步骤s4还包括：将产品实时的ict和fct测试数据进行归一化处理，再作为自变量输入软失效预测模型，得到预测结果并输出。
[0026]
本发明构造一种基于ict和fct的软失效预测方法，利用ict/fct测试结果结合机器学习算法，实现软失效的预判，减小由外力造成的测试结果可接受范围内的偏移所造成的影响，降低客退率。本发明的基于ict和fct的软失效预测方法设计新颖，实用性强。
附图说明
[0027]
下面将结合附图及实施例对本发明作进一步说明，附图中：
[0028]
图1示出了本发明优选实施例的基于ict和fct的软失效预测方法的流程图；
[0029]
图2示出了被客退的产品数量占比-k值曲线和未被客退的产品数量占比-k值曲线
的曲线图。
具体实施方式
[0030]
本发明所要解决的技术问题是：在目前电子产品制造过程中，ict(在线测试)/fct(功能电路测试)的测试结果并没有考虑由外力造成的测试结果可接受范围内的偏移，而这些偏移会导致产品可靠性的降低，易导致产品客退、返修成本上升和信誉损失。本发明就解决该技术问题而提出的技术思路是：构造一种基于ict和fct的软失效预测方法，利用ict/fct测试结果结合机器学习算法，实现软失效的预判，减小由外力造成的测试结果可接受范围内的偏移所造成的影响，降低客退率。
[0031]
为了使本发明的技术目的、技术方案以及技术效果更为清楚，以便于本领域技术人员理解和实施本发明，下面将结合附图及具体实施例对本发明做进一步详细的说明。
[0032]
如图1所示，图1示出了本发明优选实施例的基于ict和fct的软失效预测方法的流程图，本发明提出了一种基于ict和fct的软失效预测方法，包括以下步骤：
[0033]
步骤s1、从产品的ict和fct测试项目中筛选出重点关注测试项目；收集因重点关注测试项目相关问题而被客退的产品的ict和fct测试数据，从而组成非正常数据集；
[0034]
步骤s2、根据所述被客退的产品的生产时间，获取同一批次但未被客退的产品的ict和fct测试数据，从而组成正常数据集；
[0035]
在这里，同一批次的产品是指同一批投料、同一条生产线、同一班次的产品。
[0036]
步骤s3、基于非正常数据集和正常数据集，构建用于根据产品的ict和fct测试数据预判产品是否存在软失效的软失效预测模型；
[0037]
在这里，本步骤通过采用机器学习算法执行。
[0038]
步骤s3包括以下步骤：
[0039]
步骤s3.1、对正常数据集和非正常数据集的并集中所有ict和fct测试数据进行归一化处理，该归一化处理算法为：
[0040]kij
＝|(t
ij-μj)/σj|；
[0041]
其中，t
ij
表示正常数据集和非正常数据集的并集中第i个产品的第j项ict和fct测试数据；
[0042]
μj表示正常数据集中所有产品的第j项ict和fct测试数据的均值；
[0043]
σj表示正常数据集中所有产品的第j项ict和fct测试数据的标准差；
[0044]
正常数据集和非正常数据集的并集中产品总个数记为n，产品的ict和fct测试数据总项数记为m；采用第1个产品归一化处理后的第1项-第m项ict和fct测试数据、第2个产品归一化处理后的第1项-第m项ict和fct测试数据、
…
、第n个产品归一化处理后的第1项-第m项ict和fct测试数据构建a
nm
；其中，
[0045][0046]
步骤s3.2、分别计算正常数据集和非正常数据集的并集中所有产品的k值；将正常数据集和非正常数据集的并集中第i个产品的k值记为ki，其中，ki＝max(k
i1
,k
i2
,
…
,k
im
)；以k值为横坐标，分别以与k值对应的被客退的产品数量在被客退的产品总数量中的占比和与k值值对应的未被客退的产品数量在未被客退的产品总数量中的占比为纵坐标建立坐标系并绘制相应的曲线，从而得到被客退的产品数量占比-k值曲线和未被客退的产品数量占比-k值曲线；获取被客退的产品数量占比-k值曲线和未被客退的产品数量占比-k值曲线在纵坐标方向上间距最大的位置上的k值，记为k’，如图2所示；
[0047]
步骤s3.3、将非正常数据集中k值绝对值大于k’绝对值的产品定义为软失效产品；抽取软失效产品的ict和fct测试数据，以组成软失效产品数据集；构建b
n(m+1)
，其中，
[0048][0049]
在这里，y1表示正常数据集和非正常数据集的并集中第1个产品是否为软失效产品的值；y2表示正常数据集和非正常数据集的并集中第2个产品是否为软失效产品的值；
…
；yn表示正常数据集和非正常数据集的并集中第n个产品是否为软失效产品的值；
[0050]
当y1，y2，
…
，yn中任意一个为0时，则表示对应的产品不是软失效产品；当y1，y2，
…
，yn中任意一个为1时，则表示对应的产品是软失效产品；
[0051]
步骤s3.4、以b
n(m+1)
前m列作为自变量，第m+1列作为因变量，利用机器学习分类算法进行分析，构建得到软失效预测模型。
[0052]
步骤s4、根据软失效预测模型，实时分析产品的ict和fct测试数据，从而预测产品是否存在软失效。
[0053]
步骤s4还包括：将产品实时的ict和fct测试数据进行归一化处理，再作为自变量输入软失效预测模型，得到预测结果并输出。
[0054]
在上述技术方案中，软失效是指产品在出货前便存在外力损伤(比如电损伤、振动损伤等)，但并不影响其电学性能和功能，能够通过ict和fct测试，可以正常出货。
[0055]
存在软失效的产品在出货后使用过程中，会提前暴露电学性能和功能缺陷和维脑图，导致客退。
[0056]
存在软失效的产品在一些ict和fct测试数据上会存在偏移或者突变。
[0057]
在上述技术方案中，产品的重点关注测试项目主要是半导体器件的ict和fct测试
项目，主要包括半导体器件的模拟量测试，例如电压测试、电流测试、容抗测试等。
[0058]
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。