CN103020436A - 元器件失效归零分析方法与系统 - Google Patents

元器件失效归零分析方法与系统 Download PDF

Info

Publication number
CN103020436A
CN103020436A CN2012105110206A CN201210511020A CN103020436A CN 103020436 A CN103020436 A CN 103020436A CN 2012105110206 A CN2012105110206 A CN 2012105110206A CN 201210511020 A CN201210511020 A CN 201210511020A CN 103020436 A CN103020436 A CN 103020436A
Authority
CN
China
Prior art keywords
failure
parts
components
fault
fault tree
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012105110206A
Other languages
English (en)
Other versions
CN103020436B (zh
Inventor
何小琦
来萍
恩云飞
陈媛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fifth Electronics Research Institute of Ministry of Industry and Information Technology
Original Assignee
Fifth Electronics Research Institute of Ministry of Industry and Information Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fifth Electronics Research Institute of Ministry of Industry and Information Technology filed Critical Fifth Electronics Research Institute of Ministry of Industry and Information Technology
Priority to CN201210511020.6A priority Critical patent/CN103020436B/zh
Publication of CN103020436A publication Critical patent/CN103020436A/zh
Priority to US14/351,865 priority patent/US20150168271A1/en
Priority to PCT/CN2013/086159 priority patent/WO2014082516A1/zh
Application granted granted Critical
Publication of CN103020436B publication Critical patent/CN103020436B/zh
Priority to US15/867,111 priority patent/US10191480B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
    • G05B23/0248—Causal models, e.g. fault tree; digraphs; qualitative physics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
    • G05B23/0251—Abstraction hierarchy, e.g. "complex systems", i.e. system is divided in subsystems, subsystems are monitored and results are combined to decide on status of whole system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)
  • Tests Of Electronic Circuits (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明提供一种元器件失效归零分析方法与系统，系统建立元器件失效物理故障树，将失效物理故障树转换为失效定位故障树，建立机理原因与失效特征相对应的元器件故障字典，根据故障树和故障字典进行元器件失效归零分析。本发明元器件失效归零分析方法与系统，能够通过失效定位故障树将元器件故障定位到内部物理结构，给出清晰的失效路径，通过故障字典的失效特征向量分析快速确定元器件失效模式对应的失效机理，通过失效物理故障树确定相关失效机理的机理因子和影响因素，提出针对性的失效控制措施，实现对电子元器件故障的快速、准确定位和诊断。

Description

元器件失效归零分析方法与系统
技术领域
本发明涉及故障诊断技术领域，特别是涉及元器件失效归零分析方法与系统。
背景技术
电子元器件失效归零分析的目的是通过失效分析进行失效定位和确定失效机理，提出针对失效原因的改进措施，进而实现质量问题归零，即达到失效“定位准确、机理清楚、措施有效”的归零要求。为实现元器件失效归零，人们采用了各种技术手段。但现有的元器件失效分析技术，多为失效现象观测技术，而缺少失效信息分析技术，给出的归零结论与分析经验的多少有关。因此，如何系统应用失效观测结果及失效信息进行归零分析，做到“定位准确”给出元器件内部的失效部位和失效路径，“机理清楚”给出导致失效的机理原因，“措施有效”提出针对机理原因的有效改进措施，这是失效归零的关键所在。
故障树分析是一种用于系统可靠性、安全性分析的逻辑推理方法，它通过对导致故障的各种可能因素进行分析和确定逻辑关系，找出系统故障原因，该方法已在航空、电子系统等领域得到广泛应用。为适应归零要求，从本世纪初开始，电子元器件逐步借鉴电子整机故障树分析方法，应用故障树分析对元器件进行失效归零分析，但目前需要解决的问题是如何建立元器件故障树。故障字典法是实现复杂电子整机故障快速定位的一种有效方法，所建立的故障字典必须能反映被测对象的故障原因与可测量外部参数特征之间的关系，为建立这种关系，常用故障树事件信息来构建这种关系。
采用故障树及故障字典法的失效诊断和归零分析有上述优点，所以对于电子整机一般会采用故障树及故障字典法进行故障诊断和定位，但对于电子元器件，由于电子元器件失效模式的多样性和失效机理的复杂性，使得一般的故障树及故障字典法的失效诊断和归零分析无法准确对电子元器件进行故障定位和诊断。
发明内容
基于此，有必要针对一般的故障树及故障字典法的失效诊断和归零分析无法准确对电子元器件进行故障诊断和定位问题，提供一种元器件失效归零分析方法与系统，实现对电子元器件故障的快速、准确定位和诊断。
一种元器件失效归零分析方法，包括步骤：
根据所述元器件失效物理的共性特点，建立所述元器件的失效物理故障树；
根据所述失效物理故障树将失效物理事件转为可观测的节点事件，以使所述失效物理故障树转换为失效定位故障树；
根据所述失效定位故障树，建立失效机理原因与失效特征相对应的元器件故障字典；
根据所述失效物理故障树与所述元器件故障字典，对所述元器件进行失效归零分析。
在其中一个实施例中，所述元器件失效物理的共性特点包括：故障对象、失效模式、失效部位、失效机理、机理因子和影响因素。
在其中一个实施例中，所述步骤将失效物理故障树转换为失效定位故障树具体包括步骤：
确定失效模式与失效机理之间可观测节点，将不可测量的失效物理事件采用可观测的节点事件表示；
根据所述元器件的结构和性能特点，选择表征各节点的特征参数，所述特征参数为可观测参数，所述可观测参数具体包括：电性能、热性能、机械性能、表观特性、气密性和环境适应性；
将节点失效事件表示所述元器件的失效事件，用所述可观测参数表征所述节点失效事件；
建立以所述失效模式为顶事件、以所述可观测节点为中间事件和以所述失效机理原因为底事件的元器件失效定位故障树。
在其中一个实施例中，所述步骤根据所述失效定位故障树，建立失效机理原因与失效特征相对应的元器件故障字典具体包括步骤：
根据所述定位故障树，确定所述元器件的失效模式集，所述失效模式集包括多个失效模式子集；
根据所述定位故障树，确定所述失效模式子集在失效模式下的可观测节点；
根据所述定位故障树，由所述可观测节点得出观测参数，判据所述观测参数，得出失效模式的可观测节点特征值；
根据所述可观测节点特征值，确定所述元器件各种失效模式的特征向量；
根据所述定位故障树，确定所述元器件的失效机理原因；根据所述失效机理原因与所述可观测节点特征值，建立所述失效机理原因与所述节点事件失效特征相应的元器件故障字典。
在其中一个实施例中，所述步骤根据所述失效物理故障树与所述元器件故障字典，对所述元器件进行失效归零分析具体包括：
根据所述元器件故障字典的节点参数，对所述元器件进行观测，得到观测向量的特征值；
比对所述观测向量的特征值与所述元器件故障字典，确定所述元器件的失效机理原因；
根据所述失效机理原因，在所述失效物理故障树中查找相应失效机理的机理因子和影响因素，提出针对所述失效机理的措施。
一种元器件失效归零分析系统，包括：
失效物理故障树建立模块：用于根据所述元器件失效物理的共性特点，建立所述元器件的失效物理故障树；
失效定位故障树建立模块：用于根据所述失效物理故障树将失效物理事件转为可观测的节点事件，以使所述失效物理故障树转换为失效定位故障树；
故障字典建立模块：用于根据所述失效定位故障树，建立失效机理原因与失效特征相对应的元器件故障字典；
失效归零分析模块：用于根据所述失效物理故障树与所述元器件故障字典，对所述元器件进行失效归零分析。
在其中一个实施例中，所述元器件失效物理的共性特点包括：故障对象、失效模式、失效部位、失效机理、机理因子和影响因素。
在其中一个实施例中，所述失效定位故障树建立模块具体包括：
事件转换单元：用于确定失效模式与失效机理之间可观测节点，将不可测量的失效物理事件采用可观测的节点事件表示；
特征参数选取单元：用于根据所述元器件的结构和性能特点，选择表征各节点的特征参数，所述特征参数为可观测参数，所述可观测参数具体包括：电性能、热性能、机械性能、表观特性、气密性和环境适应性；
参数表征单元：用于将节点失效事件表示所述元器件的失效事件，用所述可观测参数表征所述节点失效事件；
故障树建立单元：用于建立以所述失效模式为顶事件、以所述可观测节点为中间事件和以所述失效机理原因为底事件的元器件失效定位故障树。
在其中一个实施例中，所述故障字典建立模块具体包括：
失效模式集确定单元：用于根据所述定位故障树，确定所述元器件的失效模式集，所述失效模式集包括多个失效模式子集；
可观测节点确定单元：用于根据所述定位故障树，确定所述失效模式子集在失效模式下的可观测节点；
特征值获取单元：用于根据所述定位故障树，由所述可观测节点得出观测参数，判据所述观测参数，得出失效模式的可观测节点特征值；
特征向量获取单元：用于根据所述可观测节点特征值，确定所述元器件各种失效模式的特征向量；
失效机理确定单元：用于根据所述定位故障树，确定所述元器件的失效机理原因；
故障字典形成单元：用于根据所述失效机理原因与所述可观测节点特征值，建立所述失效机理原因与所述节点事件失效特征相应的元器件故障字典。
在其中一个实施例中，所述失效归零分析模块具体包括：
观测单元：用于根据所述元器件故障字典的节点参数，对所述元器件进行观测，得到观测向量的特征值；
比对单元：用于比对所述观测向量的特征值与所述元器件故障字典，确定所述元器件的失效机理原因；
查找单元：用于根据所述失效机理原因，在所述失效物理故障树中查找相应失效机理的机理因子和影响因素，提出针对所述失效机理的措施。
本发明元器件失效归零分析方法与系统，能够通过失效定位故障树将元器件故障定位到内部物理结构，给出清晰的失效路径，通过故障字典的失效特征向量分析快速确定元器件失效模式对应的失效机理，通过失效物理故障树确定相关失效机理的机理因子和影响因素，提出针对性的失效控制措施，实现对电子元器件故障的快速、准确定位和诊断。
附图说明
图1为本发明元器件失效归零分析方法其中一个实施例的流程示意图；
图2为本发明元器件失效归零分析方法其中一个实施例的详细流程示意图；
图3为本发明元器件失效归零分析系统其中一个实施例的结构示意图；
图4为本发明元器件失效归零分析系统其中一个实施例的详细结构示意图。
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，以下根据附图及实施例，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仅仅用以解释本发明，并不限定本发明。
本发明元器件失效归零分析方法与系统的基本原理是：由于每一类元器件结构和工艺的相似性，故可以建立该类元器件的失效物理故障树，而失效物理故障树的物理事件可以通过可观测事件转换进行描述，这些可观测事件可选择电性能、或热性能、或机械性能、或表面特性、或气密性等物理参数表征，故形成单机理原因与节点失效特征对应关系的故障字典，若采集的失效特征向量与故障字典的某行向量相同，则确定了失效模式的机理原因，进而针对机理因子和影响因素提出改进措施，实现“定位准确、机理清楚、措施有效”的归零分析。
如图1、图2所示，一种元器件失效归零分析方法，包括步骤：
S100：根据所述元器件失效物理的共性特点，建立所述元器件的失效物理故障树。
在这里由于每一类元器件结构和工艺的相似性，故可以根据元器件失效物理的共性特点建立该类元器件的失效物理故障树。
在其中一个实施例中，元器件的共性特点为故障对象、失效模式、失效部位、失效机理、机理因子和影响因素，这样6个共性特点能完整全面覆盖元器件的故障特征和失效原因，在整理好了6个共性特点之后就分别以故障对象、失效模式、失效部位、失效机理、机理因子和影响因素六个层次建立元器件失效物理故障树。
在这个失效物理故障树中，根据元器件失效物理的关联性，该故障树中故障对象、失效模式、失效部位和失效机理之间的上下级事件关联性为“或”逻辑门，其上下级事件的或门结构函数
Figure BDA00002506468000061
Φ为上级事件状态，x为下级事件状态；若下级事件xi发生则取值为1，不发生则取值为0，描述上级事件发生状态Φ的结构函数可写为
Figure BDA00002506468000062
取值亦为发生时取值为1，不发生时取值为0，该结构函数表示只要有一个下级事件发生，上级事件就会发生。该故障树中失效机理、机理因子、影响因素之间的上下级事件关联性，为“与”逻辑门或者“或”逻辑门，其中与门结构函数
Figure BDA00002506468000063
若下级事件xi发生则取值为1、不发生则取值为0，描述上级事件发生状态Φ的函数为
Figure BDA00002506468000064
取值亦为发生时取值为1，不发生时取值为0，该函数表示只有下级全部事件发生，上级事件才发生。故障树第二～第六层的每一物理层事件可在分解成1-3级事件，形成六个物理层n级事件的各类元器件故障树事件，很容易理解这里n最小为6。
S200：根据所述失效物理故障树将失效物理事件转为可观测的节点事件，以使所述失效物理故障树转换为失效定位故障树。
在其中一个实施例中步骤S200具体包括：
步骤S220：确定失效模式与失效机理之间可观测节点，将不可测量的失效物理事件采用可观测的节点事件表示；
步骤S240：根据所述元器件的结构和性能特点，选择表征各节点的特征参数，所述特征参数为可观测参数，所述可观测参数具体包括：电性能、热性能、机械性能、表观特性、气密性和环境适应性；
步骤S260：将节点失效事件表示所述元器件的失效事件，用所述可观测参数表征所述节点失效事件；
步骤S280：建立以所述失效模式为顶事件、以所述可观测节点为中间事件和以所述失效机理原因为底事件的元器件失效定位故障树。
S300：根据所述失效定位故障树，建立失效机理原因与失效特征相对应的元器件故障字典。
在其中一个实施例中步骤S300具体包括：
步骤S310：根据所述定位故障树，确定所述元器件的失效模式集，所述失效模式集包括多个失效模式子集；
步骤S320：根据所述定位故障树，确定所述失效模式子集在失效模式下的可观测节点;
步骤S330：根据所述定位故障树，由所述可观测节点得出观测参数，判据所述观测参数，得出失效模式的可观测节点特征值；
步骤S340：根据所述可观测节点特征值，确定所述元器件各种失效模式的特征向量；
步骤S350：根据所述定位故障树，确定所述元器件的失效机理原因；
步骤S360：根据所述失效机理原因与所述可观测节点特征值，建立所述失效机理原因与所述节点事件失效特征相应的元器件故障字典。
S400：根据所述失效物理故障树与所述元器件故障字典，对所述元器件进行失效归零分析。
在其中一个实施例中步骤S400具体包括：
步骤S420：根据所述故障字典的节点参数，对所述元器件进行观测，得到观测向量的特征值；
步骤S440：比对所述观测向量的特征值与所述故障字典，确定所述元器件的失效机理原因；
步骤S460：根据所述失效机理原因，在所述失效物理故障树中查找相应失效机理的机理因子和影响因素，提出针对所述失效机理的措施。
实施本发明元器件失效归零分析方法，能够通过失效定位故障树将元器件故障定位到内部物理结构，给出清晰的失效路径，通过故障字典的失效特征向量分析快速确定元器件失效模式对应的失效机理，通过失效物理故障树确定相关失效机理的机理因子和影响因素，提出针对性的失效控制措施，实现了对电子元器件故障的快速、准确定位和诊断。
为了更进一步详细解释本发明元器件失效归零分析方法的技术方案，下面将以混合集成电路“电参漂移”的归零分析这个具体实施例为例，详细介绍本发明元器件失效归零分析方法的技术方案以及带来的有益效果。
步骤一，建立混合集成电路失效物理故障树
根据混合集成电路“电参漂移”失效物理的特点，建立该失效模式的失效物理故障树。
分别以故障对象、失效模式、失效部位、失效机理、机理因子、影响因素六个层次建立混合集成电路失效物理故障树，在这个失效物理故障树中，第一、第二、第三层和第四层事件之间为或门逻辑关系，第四、第五、第六层事件之间为或门和与门逻辑关系，失效物理故障树有六个失效物理层、共计8级事件的故障树。
步骤二，将失效物理故障树转换为失效定位故障树
根据步骤一建立的失效物理故障树，将其转换为以失效机理为底事件的失效定位故障树。
首先，针对建立的混合集成电路失效物理故障树，在故障对象顶事件与失效机理事件之间，把不可测量的元器件焊/粘退化、引线键合点退化等不可直接测量的失效物理事件，转换为采用元器件热阻过高、引线键合强度不达标、界面明显IMC等可测量和可观察的一个或多个节点事件，作为失效定位故障树的中间事件。
对各节点失效事件，选择结温Tj、键合强度、界面IMC、水汽含量等特征参数表征。
转换后的混合集成电路电参漂移失效定位故障树，为含有15个失效机理原因、共8级事件的失效定位故障树。
步骤三，建立混合集成电路电参漂移故障字典
根据步骤二建立的失效定位故障树，建立单一失效机理原因与节点事件失效特征相对应的元器件故障字典。
由失效定位故障树，确定电参漂移失效模式F1下面23个可观测节点及其特征参数。其中表征内部元器件失效导致HIC参漂的节点特征参数有：元器件参漂、元器件微裂、ESD损伤和表面沾污漏电等；表征组装失效导致HIC参漂的节点特征参数有：元器件焊/粘热阻热阻、键合界面IMC和键合点腐蚀等；表征绝缘性退化导致HIC参漂的节点特征参数有：引脚/外壳绝缘电阻和焊点之间绝缘电阻等。节点失效特征参数为X1＝｛X1,1,X1，2，…,X1,23｝。
由节点失效特征参数X1＝｛X1,1,X1，2，…,X1,23｝，按其取值范围由下式求出相应的特征值F1，j，组成特征向量Fi,1＝｛F1,1,F1，2，…,F1，23｝。其中，sp的取值范围参照混合集成电路、元器件相关标准的合格判据，即各节点观测的取值范围。
F i , j = 1 X i , j ∉ sp 0 X i , j ∈ sp
混合集成电路电参漂移有15个失效机理原因，机理原因集M1，j＝｛M1,1,M1，2，…,Mi,15｝。根据电参漂移失效定位故障树的节点事件间逻辑关系，列表给出各观测节点失效特征与失效机理原因的对应关系式。
由各观测节点失效特征与失效机理原因的对应关系式，建立混合集成电路电参漂移失效模式的故障代码字典。见表1：HIC“电参漂移”失效模式故障字典。
表1
步骤四，根据故障树和故障字典对电参漂移失效进行归零分析
根据步骤三建立的故障字典、步骤一建立的失效物理故障树，对混合集成电路电参漂移进行失效归零分析。
按照故障字典的节点参数，对混合集成电路进行观测，把实测的观测向量Fi,1＝｛F1,1,F1，2，…,F1,23｝特征值与故障字典比较，若与故障字典的某行向量相同，则可确定元器件发生了相应单一机理（Mi，j）原因失效。确定失效机理原因后，在失效物理故障树中查找相应失效机理Mi，j的机理因子、影响因素，针对该失效机理提出控制措施。
应用上述得到混合集成电路电参漂移故障树和故障字典进行一次归零分析。
某线性电源混合集成电路在高温稳态寿命试验后，出现输出电压超差，采用故障树和故障字典法对其分析归零，查找失效的机理原因、确定失效路径、提出失效控制措施。
对电路分析和观测后，把实测的观测向量Fi,1＝｛F1,1,F1，2，…,F1，23｝特征值与电参漂移故障字典表1比较，其中结合某芯片特征参数的向量结果与第一行机理M1,1向量相同，认为失效机理M1,1：器件退化或超限使用引起电参漂移，是导致电路输出电压超差原因。由失效物理故障树，结合试验的高温和该芯片的最高允许结温上限TMj，确认电源电路输出电压超差是由于该芯片电参漂移所致，漂移的原因是芯片结温超限使用；因此，失效控制措施是选择具有结温上限TMj更高等级的芯片，并进行热降额设计使用。
如图3所示，一种元器件失效归零分析系统，包括：
失效物理故障树建立模块100：用于根据所述元器件失效物理的共性特点，建立所述元器件的失效物理故障树；
失效定位故障树建立模块200：用于根据所述失效物理故障树将失效物理事件转为可观测的节点事件，以使所述失效物理故障树转换为失效定位故障树；
故障字典建立模块300：用于根据所述失效定位故障树，建立失效机理原因与失效特征相对应的元器件故障字典；
失效归零分析模块400：用于根据所述失效物理故障树与所述元器件故障字典，对所述元器件进行失效归零分析。
本发明元器件失效归零分析系统，能够通过失效定位故障树将元器件故障定位到内部物理结构，给出清晰的失效路径，通过故障字典的失效特征向量分析快速确定元器件失效模式对应的失效机理，通过失效物理故障树确定相关失效机理的机理因子和影响因素，提出针对性的失效控制措施，实现了对电子元器件故障的快速、准确定位和诊断。
在其中一个实施例中，所述元器件失效物理的共性特点包括：故障对象、失效模式、失效部位、失效机理、机理因子和影响因素。
这样6个共性特点能完整全面的对元器件进行故障诊断与定位，在整理好了6个共性特点之后就分别以故障对象、失效模式、失效部位、失效机理、机理原因和影响因素六个层次建立元器件失效物理故障树。
如图4所示，失效定位故障树建立模块200具体包括：
事件转换单元220：用于确定失效模式与失效机理之间可观测节点，将不可测量的失效物理事件采用可观测的节点事件表示；
特征参数选取单元240：用于根据所述元器件的结构和性能特点，选择表征各节点的特征参数，所述特征参数为可观测参数，所述可观测参数具体包括：电性能、热性能、机械性能、表观特性和气密性；
参数表征单元260：用于将节点失效事件表示所述元器件的失效事件，用所述可观测参数表征所述节点失效事件；
故障树建立单元280：用于建立以所述失效模式为顶事件、以所述可观测节点为中间事件和以所述失效机理原因为底事件的元器件失效定位故障树。
如图4所示，故障字典建立模块300具体包括：
失效模式集确定单元310：用于根据所述定位故障树，确定所述元器件的失效模式集，所述失效模式集包括多个失效模式子集；
可观测节点确定单元320：用于根据所述定位故障树，确定所述失效模式子集在失效模式下的可观测节点；
特征值获取单元330：用于根据所述定位故障树，由所述可观测节点得出观测参数，判据所述观测参数，得出失效模式的可观测节点特征值；
特征向量获取单元340：用于根据所述可观测节点特征值，确定所述元器件各种失效模式的特征向量；
失效机理确定单元350：用于根据所述定位故障树，确定所述元器件的失效机理原因；
故障字典形成单元360：用于根据所述失效机理原因与所述可观测节点特征值，建立所述失效机理原因与所述节点事件失效特征相应的元器件故障字典。
如图4所示，失效归零分析模块400具体包括：
观测单元420：用于根据所述故障字典的节点参数，对所述元器件进行观测，得到观测向量的特征值；
比对单元440：用于比对所述观测向量的特征值与所述故障字典，确定所述元器件的失效机理原因；
查找单元460：用于根据所述失效机理原因，在所述失效物理故障树中查找相应失效机理的机理因子和影响因素，提出针对所述失效机理的措施。
综上所述，本发明元器件失效归零分析方法与系统，能够通过失效定位故障树将元器件故障定位到内部物理结构，给出清晰的失效路径，通过故障字典的失效特征向量分析快速确定元器件失效模式对应的失效机理，通过失效物理故障树确定相关失效机理的机理因子和影响因素，提出针对性的失效控制措施，真正做到失效“定位准确”、“机理清楚”、“措施有效”。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种元器件失效归零分析方法，其特征在于，包括步骤：
根据所述元器件失效物理的共性特点，建立所述元器件的失效物理故障树；
根据所述失效物理故障树将失效物理事件转为可观测的节点事件，以使所述失效物理故障树转换为失效定位故障树；
根据所述失效定位故障树，建立失效机理原因与失效特征相对应的元器件故障字典；
根据所述失效物理故障树与所述元器件故障字典，对所述元器件进行失效归零分析。
2.根据权利要求1所述的元器件失效归零分析方法，其特征在于，所述元器件失效物理的共性特点包括：故障对象、失效模式、失效部位、失效机理、机理因子和影响因素。
3.根据权利要求1或2所述的元器件失效归零分析方法，其特征在于，所述步骤将失效物理故障树转换为失效定位故障树具体包括步骤：
确定失效模式与失效机理之间可观测节点，将不可测量的失效物理事件采用可观测的节点事件表示；
根据所述元器件的结构和性能特点，选择表征各节点的特征参数，所述特征参数为可观测参数，所述可观测参数具体包括：电性能、热性能、机械性能、表观特性、气密性和环境适应性；
用节点失效事件表示所述元器件的失效事件，用所述可观测参数表征所述节点失效事件；
建立以所述失效模式为顶事件、以所述可观测节点为中间事件和以所述失效机理原因为底事件的元器件失效定位故障树。
4.根据权利要求1或2所述的元器件失效归零分析方法，其特征在于，所述步骤根据所述失效定位故障树，建立失效机理原因与失效特征相对应的元器件故障字典具体包括步骤：
根据所述定位故障树，确定所述元器件的失效模式集，所述失效模式集包括多个失效模式子集；
根据所述定位故障树，确定所述失效模式子集在失效模式下的可观测节点；
根据所述定位故障树，由所述可观测节点得出观测参数，判据所述观测参数，得出失效模式的可观测节点特征值；
根据所述可观测节点特征值，确定所述元器件各种失效模式的特征向量；
根据所述定位故障树，确定所述元器件的失效机理原因；
根据所述失效机理原因与所述可观测节点特征值，建立所述失效机理原因与所述节点事件失效特征相应的元器件故障字典。
5.根据权利要求1或2所述的元器件失效归零分析方法，其特征在于，所述步骤根据所述失效物理故障树与所述元器件故障字典，对所述元器件进行失效归零分析具体包括步骤：
根据所述元器件故障字典的节点参数，对所述元器件进行观测，得到观测向量的特征值；
比对所述观测向量的特征值与所述元器件故障字典，确定所述元器件的失效机理原因；
根据所述失效机理原因，在所述失效物理故障树中查找相应失效机理的机理因子和影响因素，提出针对所述失效机理的措施。
6.一种元器件失效归零分析系统，其特征在于，包括：
失效物理故障树建立模块：用于根据所述元器件失效物理的共性特点，建立所述元器件的失效物理故障树；
失效定位故障树建立模块：用于根据所述失效物理故障树将失效物理事件转为可观测的节点事件，以使所述失效物理故障树转换为失效定位故障树；
故障字典建立模块：用于根据所述失效定位故障树，建立失效机理原因与失效特征相对应的元器件故障字典；
失效归零分析模块：用于根据所述失效物理故障树与所述元器件故障字典，对所述元器件进行失效归零分析。
7.根据权利要求6所述的元器件失效归零分析系统，其特征在于，所述元器件失效物理的共性特点包括：故障对象、失效模式、失效部位、失效机理、机理因子和影响因素。
8.根据权利要求6或7所述的元器件失效归零分析系统，其特征在于，所述失效定位故障树建立模块具体包括：
事件转换单元：用于确定失效模式与失效机理之间可观测节点，将不可测量的失效物理事件采用可观测的节点事件表示；
特征参数选取单元：用于根据所述元器件的结构和性能特点，选择表征各节点的特征参数，所述特征参数为可观测参数，所述可观测参数具体包括：电性能、热性能、机械性能、表观特性、气密性和环境适应性；
参数表征单元：用于用节点失效事件表示所述元器件的失效事件，用所述可观测参数表征所述节点失效事件；
故障树建立单元：用于建立以所述失效模式为顶事件、以所述可观测节点为中间事件和以所述失效机理原因为底事件的元器件失效定位故障树。
9.根据权利要求6或7所述的元器件失效归零分析系统，其特征在于，所述故障字典建立模块具体包括：
失效模式集确定单元：用于根据所述定位故障树，确定所述元器件的失效模式集，所述失效模式集包括多个失效模式子集；
可观测节点确定单元：用于根据所述定位故障树，确定所述失效模式子集在失效模式下的可观测节点；
特征值获取单元：用于根据所述定位故障树，由所述可观测节点得出观测参数，判据所述观测参数，得出失效模式的可观测节点特征值；
特征向量获取单元：用于根据所述可观测节点特征值，确定所述元器件各种失效模式的特征向量；
失效机理确定单元：用于根据所述定位故障树，确定所述元器件的失效机理原因；
故障字典形成单元：用于根据所述失效机理原因与所述可观测节点特征值，建立所述失效机理原因与所述节点事件失效特征相应的元器件故障字典。
10.根据权利要求6或7所述的元器件失效归零分析系统，其特征在于，所述失效归零分析模块具体包括：
观测单元：用于根据所述元器件故障字典的节点参数，对所述元器件进行观测，得到观测向量的特征值；
比对单元：用于比对所述观测向量的特征值与所述元器件故障字典，确定所述元器件的失效机理原因；
查找单元：用于根据所述失效机理原因，在所述失效物理故障树中查找相应失效机理的机理因子和影响因素，提出针对所述失效机理的措施。
CN201210511020.6A 2012-11-30 2012-11-30 元器件失效归零分析方法与系统 Active CN103020436B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201210511020.6A CN103020436B (zh) 2012-11-30 2012-11-30 元器件失效归零分析方法与系统
US14/351,865 US20150168271A1 (en) 2012-11-30 2013-10-29 Method and system for performing components fault problem close loop analysis
PCT/CN2013/086159 WO2014082516A1 (zh) 2012-11-30 2013-10-29 元器件失效归零分析方法与系统
US15/867,111 US10191480B2 (en) 2012-11-30 2018-01-10 Method and system of close-loop analysis to electronic component fault problem

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210511020.6A CN103020436B (zh) 2012-11-30 2012-11-30 元器件失效归零分析方法与系统

Publications (2)

Publication Number Publication Date
CN103020436A true CN103020436A (zh) 2013-04-03
CN103020436B CN103020436B (zh) 2015-08-12

Family

ID=47969034

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210511020.6A Active CN103020436B (zh) 2012-11-30 2012-11-30 元器件失效归零分析方法与系统

Country Status (3)

Country Link
US (2) US20150168271A1 (zh)
CN (1) CN103020436B (zh)
WO (1) WO2014082516A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544389A (zh) * 2013-10-18 2014-01-29 丽水学院 基于故障树和模糊神经网络的汽车起重机故障诊断方法
WO2014082516A1 (zh) * 2012-11-30 2014-06-05 工业和信息化部电子第五研究所 元器件失效归零分析方法与系统
CN104166800A (zh) * 2014-08-11 2014-11-26 工业和信息化部电子第五研究所 基于失效机理的元器件fmea分析方法与系统
CN108226775A (zh) * 2016-12-13 2018-06-29 北京金风科创风电设备有限公司 风力发电机的故障自检测方法及装置
CN109635001A (zh) * 2018-11-26 2019-04-16 苏州热工研究院有限公司 基于设备失效数据分析的产品可靠性提升方法和系统
CN109697455A (zh) * 2018-11-14 2019-04-30 清华大学 配网开关设备的故障诊断方法及装置
CN113348418A (zh) * 2018-12-18 2021-09-03 西门子工业软件有限责任公司 用于生成组合不同抽象层的多组件系统的混合层故障树的计算机实现的方法

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6066081B2 (ja) * 2013-09-03 2017-01-25 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ フォールトツリーを生成する装置及び方法
TWI522257B (zh) * 2014-07-09 2016-02-21 原相科技股份有限公司 車用安全系統及其運作方法
US10241852B2 (en) * 2015-03-10 2019-03-26 Siemens Aktiengesellschaft Automated qualification of a safety critical system
CN105718738A (zh) * 2016-01-22 2016-06-29 辽宁工程技术大学 一种分析系统可靠性的方法
EP3416013B1 (en) * 2017-06-12 2019-07-24 Siemens Aktiengesellschaft Safety assurance using fault trees for identifying dormant system failure states
EP3570130B1 (en) * 2018-05-15 2020-12-16 Siemens Industry Software NV Ring-closures in fault trees
CN111611279B (zh) * 2020-04-24 2023-09-12 中国电子科技集团公司第二十九研究所 一种基于测试指标相似度的微波组件故障诊断系统及方法
CN111860881B (zh) * 2020-06-04 2021-07-16 中国人民解放军海军工程大学 一种多诱因装备故障维修排查方法及装置
CN112988918B (zh) * 2021-04-06 2022-10-21 中车青岛四方机车车辆股份有限公司 一种轴承故障字典构建方法、分析方法及系统
CN117413238A (zh) * 2021-07-19 2024-01-16 萨思学会有限公司 使用工艺数据的质量预测
CN114379821A (zh) * 2022-03-25 2022-04-22 中国飞机强度研究所 基于BowTie的飞机恶劣气候环境故障测试分析方法及系统
US11595245B1 (en) 2022-03-27 2023-02-28 Bank Of America Corporation Computer network troubleshooting and diagnostics using metadata
US11658889B1 (en) 2022-03-27 2023-05-23 Bank Of America Corporation Computer network architecture mapping using metadata
CN115575796A (zh) * 2022-10-08 2023-01-06 共青科技职业学院 数据采集集成电路测试方法、系统、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040078736A1 (en) * 2001-02-20 2004-04-22 Peter Liggesmeyer Method and device for determining a full error description for at least one part of a technical system, computer program element and computer-readable storage medium
CN1553328A (zh) * 2003-06-08 2004-12-08 华为技术有限公司 基于故障树分析的系统故障定位方法及装置
CN101479705A (zh) * 2006-04-28 2009-07-08 西门子公司 用于错误树分析的方法
CN101846992A (zh) * 2010-05-07 2010-09-29 上海理工大学 基于数控机床故障案例的故障树构造方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7500143B2 (en) * 2000-05-05 2009-03-03 Computer Associates Think, Inc. Systems and methods for managing and analyzing faults in computer networks
US7856575B2 (en) * 2007-10-26 2010-12-21 International Business Machines Corporation Collaborative troubleshooting computer systems using fault tree analysis
CN103020436B (zh) 2012-11-30 2015-08-12 工业和信息化部电子第五研究所 元器件失效归零分析方法与系统
CN103049346B (zh) * 2012-12-11 2015-03-18 工业和信息化部电子第五研究所 基于失效物理的元器件故障树构建方法和系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040078736A1 (en) * 2001-02-20 2004-04-22 Peter Liggesmeyer Method and device for determining a full error description for at least one part of a technical system, computer program element and computer-readable storage medium
CN1553328A (zh) * 2003-06-08 2004-12-08 华为技术有限公司 基于故障树分析的系统故障定位方法及装置
CN101479705A (zh) * 2006-04-28 2009-07-08 西门子公司 用于错误树分析的方法
CN101846992A (zh) * 2010-05-07 2010-09-29 上海理工大学 基于数控机床故障案例的故障树构造方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
曲东才等: "Elman网络在某型自动驾驶议飞控盒多故障诊断中的仿真研究", 《飞机设计》, vol. 28, no. 2, 30 April 2008 (2008-04-30) *
潘宏侠等: "基于故障树法的电路板故障诊断研究", 《火炮发射与控制学报》, no. 1, 31 March 2009 (2009-03-31) *
王韡，许金通等: "中波HgCdTe光导探测器组件的故障树和失效研究", 《半导体光电》, vol. 33, no. 5, 30 October 2012 (2012-10-30) *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014082516A1 (zh) * 2012-11-30 2014-06-05 工业和信息化部电子第五研究所 元器件失效归零分析方法与系统
US10191480B2 (en) 2012-11-30 2019-01-29 Fifth Electronics Research Institute Of Ministry Of Industry And Information Technology Method and system of close-loop analysis to electronic component fault problem
CN103544389A (zh) * 2013-10-18 2014-01-29 丽水学院 基于故障树和模糊神经网络的汽车起重机故障诊断方法
CN104166800A (zh) * 2014-08-11 2014-11-26 工业和信息化部电子第五研究所 基于失效机理的元器件fmea分析方法与系统
CN108226775A (zh) * 2016-12-13 2018-06-29 北京金风科创风电设备有限公司 风力发电机的故障自检测方法及装置
CN109697455A (zh) * 2018-11-14 2019-04-30 清华大学 配网开关设备的故障诊断方法及装置
CN109635001A (zh) * 2018-11-26 2019-04-16 苏州热工研究院有限公司 基于设备失效数据分析的产品可靠性提升方法和系统
CN109635001B (zh) * 2018-11-26 2021-07-09 苏州热工研究院有限公司 基于设备失效数据分析的产品可靠性提升方法和系统
CN113348418A (zh) * 2018-12-18 2021-09-03 西门子工业软件有限责任公司 用于生成组合不同抽象层的多组件系统的混合层故障树的计算机实现的方法

Also Published As

Publication number Publication date
CN103020436B (zh) 2015-08-12
US10191480B2 (en) 2019-01-29
US20150168271A1 (en) 2015-06-18
WO2014082516A1 (zh) 2014-06-05
US20180136640A1 (en) 2018-05-17

Similar Documents

Publication Publication Date Title
CN103020436A (zh) 元器件失效归零分析方法与系统
Daliento et al. Monitoring, diagnosis, and power forecasting for photovoltaic fields: A review
Dolara et al. Snail trails and cell microcrack impact on PV module maximum power and energy production
CN103049346B (zh) 基于失效物理的元器件故障树构建方法和系统
Dhimish et al. Effect of micro cracks on photovoltaic output power: case study based on real time long term data measurements
EP3444944B1 (en) Fault detection and positioning system for cell panel in large-scale photovoltaic array
CN105827200A (zh) 光电系统中电池组串故障的识别方法、装置和设备
CN103853889A (zh) 一种基于键合图的电力电子系统故障诊断方法
US9876468B2 (en) Method, system and program product for photovoltaic cell monitoring via current-voltage measurements
CN107453709A (zh) 一种隔离机制与交叉测量融合的光伏热斑故障诊断方法
Asadpour et al. Dark lock-in thermography identifies solder bond failure as the root cause of series resistance increase in fielded solar modules
Chao et al. A novel fault diagnosis method based-on modified neural networks for photovoltaic systems
AU2023233224A1 (en) Electrical pathway intermittent fault detection
Ghanbari et al. KF‐based technique for detection of anomalous condition of the PV panels
Anderson et al. A minimum cover algorithm for PMU placement in power system networks under line observability constraints
Thangavelan et al. Review on power transformer internal fault diagnosis
Benninger et al. Anomaly detection by comparing photovoltaic systems with machine learning methods
Baba et al. On‐site detection of bypass circuit opening failure in photovoltaic array under power generation operation
McConnell et al. Qualification standard for photovoltaic concentrator modules
CN104753462A (zh) 光伏组件故障检测方法
Sarikh et al. Photovoltaic discoloration and cracks: experimental impact on the IV curve degradation
Mahesh et al. A Novel Method for Fault Detection and Protection in Solar Photo Voltaic Arrays
Bharadwaj et al. Solar cells aging estimation based on impedance characterization
CN105588997B (zh) 一种面向智能电网的系统内在坚强性评价方法
Hasan et al. Modeling and Performance Evaluation of Solar Cells Using IV curve Analysis

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant