CN103632232A - 一种产品的检测方法和设备 - Google Patents

Abstract

本发明的实施例提供一种产品的检测方法和设备，无需中断测试流程，不用增加生产流程和物料的控制成本，现场实施起来简单方便，而且降低了运算开销，该方法包括：判断获取的产品的测试数据是否在静态区间内；若所述产品的测试数据在所述静态区间内，则判断所述产品的测试数据是否在所述产品对应的动态区间内；若所述产品的测试数据在所述产品对应的动态区间内，则确定所述产品合格。

Description

一种产品的检测方法和设备

技术领域

本发明涉及测试技术领域，尤其涉及一种产品的检测方法和设备。

背景技术

在对产品性能进行测试的过程中，需要对表征产品性能的某个或某些技术参数进行测试从而得到测试数据，并通过判断测试数据是否满足预设的生产规格来衡量产品的性能是否合格，而生产规格通常是将一个固定的阈值区间作为衡量产品性能是否合格的标准，阈值区间设置得过宽会造成漏杀的情况，即会将某些测试数据符合固定阈值区间但其测试数据偏离同批次产品测试数据较大的性能薄弱的异常产品（Outlier）作为合格的产品，影响测试效果；而阈值区间设置得过窄则会造成误杀的情况，即会将某些性能良好的产品作为不合格的产品进行排除，导致良品的损失。

目前针对常规测试过程的不足，通常的解决办法是在得到一批次产品的测试数据之后，通过预设的概率统计方法对该批次产品的所有测试数据进行分析，得到该批次产品中每个产品的风险系数，风险系数可以是该产品是不合格产品的风险概率，然后将风险系数高的产品筛选出来作为不合格产品。

在实施上述方案的过程中，发明人发现现有技术中至少存在如下问题：

首先，该方案在现场实施过程中，需要每得到一批次产品的测试数据之后中断测试流程来分析该批次产品中每个产品的风险系数分析完成之后再继续对下一批次的产品进行测试，增加了生产流程和物料的控制成本，导致现场实施困难；

其次，每个产品的风险系数都是通过对该批次产品的所有产品的测试数据进行分析得到，运算开销较大。

发明内容

本发明的实施例提供一种产品的检测方法和设备，无需中断测试流程，不用增加生产流程和物料的控制成本，现场实施起来简单方便，而且降低了运算开销。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，本发明实施例提供了一种产品的检测方法，包括：

判断获取的产品的测试数据是否在静态区间内，其中，所述产品是除第一个产品以外的产品，所述静态区间的上限UCL和下限LCL是预设的定值；

若所述产品的测试数据在所述静态区间内，则判断所述产品的测试数据是否在所述产品对应的动态区间内，其中，所述产品对应的动态区间的上限UDL和下限LDL根据所述产品之前的，且距所述产品最近的处于所述静态区间内的N个产品的测试数据获取得到；

若所述产品的测试数据在所述产品对应的动态区间内，则确定所述产品合格。

根据第一种可能的实现方式，结合第一方面，所述方法还包括：

若所述产品的测试数据不在所述静态区间内，

或者，所述产品的测试数据不在所述产品对应的动态区间内，则确定所述产品不合格。

根据第二种可能的实现方式，结合第一方面或第一种可能的实现方式，在所述判断所述产品的测试数据是否在所述产品对应的动态区间内之前，所述方法还包括：根据所述产品之前的，且距所述产品最近的处于所述静态区间内的N个产品的测试数据获取所述产品对应的动态区间的上限UDL和下限LDL，具体包括以下步骤：

获取所述产品之前的N个测试数据处于所述静态区间的产品的测试数据的均值Mean1和方差σ₁；

根据预设策略对所述均值Mean1和所述方差σ₁进行修正，得到所述均值的修正值Mean2和所述方差的修正值σ₂；

将所述均值的修正值Mean2和所述方差的修正值σ₂代入第一模型，得到所述产品对应的动态区间的上限UDL；以及将所述均值的修正值Mean2和所述方差的修正值σ₂代入第二模型，得到所述产品对应的动态区间的下限LDL；其中，所述第一模型表示所述上限UDL与所述均值的修正值Mean2和所述方差的修正值σ₂之间的对应关系，所述第二模型表示所述下限LDL与所述均值的修正值Mean2和所述方差的修正值σ₂之间的对应关系。

根据第三种可能的实现方式，结合第二种可能的实现方式，根据预设策略对所述均值Mean1和所述方差σ₁进行修正，得到所述均值的修正值Mean2和所述方差的修正值σ₂，包括：

将所述均值Mean1通过第一公式 $\mathrm{Mean}2=(1-\frac{1}{N})\×\mathrm{Mean}1+\frac{1}{N}\×X_i$ 进行计算，得到所述均值的修正值Mean2；

将所述均值Mean1和所述方差σ₁通过第二公式

${\mathrm{\σ}}_2=\sqrt{(1-\frac{1}{N}){{\mathrm{\σ}}_2}^2+\frac{1}{N}(X_i-\mathrm{meanl})}$ 进行计算，得到所述方差的修正值σ₂，其中，X_i表示所述产品的前一个在所述静态区间内的产品的测试数据。

根据第四种可能的实现方式，结合第二种或第三种可能的实现方式，所述第一模型包括：

UDL=min(UCL,Mean2+(M×max(σ₂,σ_min)))，

其中，所述min(UCL,Mean2+(M×max(σ₂,σ_min)))表示UCL和Mean2+(M×max(σ₂,σ_min))中的较小值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值；

所述第二模型包括：LDL=max(LCL,Mean2-(M×max(σ₂,σ_min)))，

其中，所述max(LCL,Mean2-(M×max(σ₂,σ_min)))表示UCL和Mean2-(M×max(σ₂,σ_min))中的较大值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值。

根据第五种可能的实现方式，结合第一方面、第一种至第四种可能的实现方式中的任一项，当所述产品之前的，且距所述产品最近的处于所述静态区间内的产品个数不超过预设数量时，所述N为所述产品之前的，且测试数据处于所述静态区间内的所有产品的个数；

当所述产品之前的，且距所述产品最近的处于所述静态区间内的产品个数超过预设数量时，所述N为预设数量。

根据第六种可能的实现方式，结合第一方面、第一种至第五种可能的实现方式中的任一项，所述预设数量为24。

根据第七种可能的实现方式，结合第四种可能的实现方式，所述M为3、4或5中的任一个；所述σ_min为0.06。

第二方面，本发明实施例提供了一种产品的检测设备，包括：

获取单元，用于获取产品的测试数据，其中，所述产品是除第一个产品以外的产品；

判断单元，用于判断所述获取单元获取的产品的测试数据是否在静态区间内，其中，所述静态区间的上限UCL和下限UCL是预设的定值；

所述判断单元还用于，若所述产品的测试数据在所述静态区间内，则判断所述产品的测试数据是否在所述产品对应的动态区间内，其中，所述产品对应的动态区间的上限UDL和下限LDL根据所述产品之前的，且距所述产品最近的处于所述静态区间内的N个产品的测试数据获取得到；

所述判断单元还用于，若所述产品的测试数据在所述产品对应的动态区间内，则确定所述产品合格。

根据第一种可能的实现方式，结合第二方面，所述判断单元还用于：若所述产品的测试数据不在所述静态区间内，

或者，所述产品的测试数据不在所述产品对应的动态区间内，则确定所述产品不合格。

根据第二种可能的实现方式，结合第二方面或第一种可能的实现方式，所述设备还包括动态区间设置单元，用于根据所述产品之前的，且距所述产品最近的处于所述静态区间内的N个产品的测试数据获取所述产品对应的动态区间的上限UDL和下限LDL，具体用于：

获取所述产品之前的N个测试数据处于所述静态区间的产品的测试数据的均值Mean1和方差σ₁；

以及根据预设策略对所述均值Mean1和所述方差σ₁进行修正，得到所述均值的修正值Mean2和所述方差的修正值σ₂；

以及将所述均值的修正值Mean2和所述方差的修正值σ₂代入第一模型，得到所述产品对应的动态区间的上限UDL；

以及将所述均值的修正值Mean2和所述方差的修正值σ₂代入第二模型，得到所述产品对应的动态区间的下限LDL；

其中，所述第一模型表示所述上限UDL与所述均值的修正值Mean2和所述方差的修正值σ₂之间的对应关系，所述第二模型表示所述下限LDL与所述均值的修正值Mean2和所述方差的修正值σ₂之间的对应关系。

根据第三种可能的实现方式，结合第二种可能的实现方式，所述动态区间设置单元具体用于，

将所述均值Mean1通过第一公式 $\mathrm{Mean}2=(1-\frac{1}{N})\×\mathrm{Mean}1+\frac{1}{N}\×X_i$ 进行计算，得到所述均值的修正值Mean2；

将所述均值Mean1和所述方差σ₁通过第二公式

${\mathrm{\σ}}_2=\sqrt{(1-\frac{1}{N}){{\mathrm{\σ}}_2}^2+\frac{1}{N}(X_i-\mathrm{meanl})}$ 进行计算，得到所述方差的修正值σ₂，其中，X_i表示所述产品的前一个在所述静态区间内的产品的测试数据。

根据第四种可能的实现方式，结合第二种或第三种可能的实现方式，所述第一模型包括：

UDL=min(UCL,Mean2+(M×max(σ₂,σ_min)))，

其中，所述min(UCL,Mean2+(M×max(σ₂,σ_min)))表示UCL和Mean2+(M×max(σ₂,σ_min))中的较小值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值；

所述第二模型包括：LDL=max(LCL,Mean2-(M×max(σ₂,σ_min)))，

其中，所述max(LCL,Mean2-(M×max(σ₂,σ_min)))表示UCL和Mean2-(M×max(σ₂,σ_min))中的较大值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值。

根据第五种可能的实现方式，结合第二方面、第一种至第四种可能的实现方式中的任一项，当所述产品之前的，且距所述产品最近的处于所述静态区间内的产品个数不超过预设数量时，所述N为所述产品之前的，且测试数据处于所述静态区间内的所有产品的个数；

当所述产品之前的，且距所述产品最近的处于所述静态区间内的产品个数超过预设数量时，所述N为预设数量。

根据第六种可能的实现方式，结合第二方面、第一种至第五种可能的实现方式中的任一项，所述预设数量为24。

根据第七种可能的实现方式，结合第四种可能的实现方式，所述M为3、4或5中的任一个；所述σ_min为0.06。

本发明实施例提供了一种产品的检测方法和设备，在获取产品的测试数据的同时，通过确定该产品是否在与其对应的动态区间来确定该产品是否合格，无需中断测试流程，不用增加生产流程和物料的控制成本，现场实施起来简单方便，而且与产品对应的动态区间只通过该产品之前的产品的测试数据进行计算得到，无需对所有产品的测试数据进行计算，降低了运算开销。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种产品的检测方法流程示意图；

图2为本发明实施例提供的一种产品的检测方法的详细流程图；

图3为步骤206的具体过程示意图；

图4为动态区间的数值范围的示意图；

图5为本发明实施例的验证效果图；

图6为本发明实施例提供了一种产品的检测设备的结构示意图；

图7为本发明实施例提供了另一种产品的检测设备的结构示意图；

图8为本发明实施例提供了一种产品的检测设备的装置示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

对产品进行检测的过程，就是对影响产品性能的某个或某些参数进行测试，通过对产品的测试数据进行分析来说明产品的性能是否合格。而根据产品的测试数据情况进行对应变化的动态测试规格区间能够更加准确的判断出产品的性能状况，能够准确的筛选出由于制造工艺的波动或者偏差所引起的与总体性能趋势偏离较大的异常产品（Outlier）。

通常动态测试规格是通过对整批次产品的所有测试数据进行分析得到，而忽略了待测产品的性能通常只是和待测产品在生产时附近的产品有关系，而在检测过程中，检测的顺序通常可以是产品的生产顺序，因此本领域技术人员可以理解的，当检测顺序为产品在工艺流程上的生产顺序时，单个产品的性能也只和该产品附近进行检测的产品的性能有联系，优选的，本发明实施例选择单个产品的性能与该产品之前的产品的性能有联系。

参见图1，为本发明实施例提供的一种产品的检测方法流程示意图，包括：

S101：判断获取的产品的测试数据是否在静态区间内，其中，所述产品是除第一个产品以外的产品，静态区间的上限UCL和下限LCL是预设的定值；

S102：若产品的测试数据在静态区间内，则判断产品的测试数据是否在产品对应的动态区间内，其中，产品对应的动态区间的上限UDL和下限LDL根据产品之前的，且距产品最近的处于静态区间内的N个产品的测试数据获取得到；

示例性的，当产品之前的，且距产品最近的处于静态区间内的产品个数不超过预设数量时，N为产品之前的，且测试数据处于静态区间内的所有产品的个数；

当产品之前的，且距产品最近的处于静态区间内的产品个数超过预设数量时，N为预设数量。

进一步的，预设数量为24。

示例性的，在判断产品的测试数据是否在产品对应的动态区间内之前，方法还包括：根据产品之前的，且距产品最近的处于静态区间内的N个产品的测试数据获取产品对应的动态区间的上限UDL和下限LDL，具体包括以下步骤：

获取产品之前的N个测试数据处于静态区间的产品的测试数据的均值Mean1和方差σ₁；

根据预设策略对均值Mean1和方差σ₁进行修正，得到均值的修正值Mean2和方差的修正值σ₂；

将均值的修正值Mean2和方差的修正值σ₂代入第一模型，得到产品对应的动态区间的上限UDL；以及将均值的修正值Mean2和方差的修正值σ₂代入第二模型，得到产品对应的动态区间的下限LDL；其中，第一模型表示上限UDL与均值的修正值Mean2和方差的修正值σ₂之间的对应关系，第二模型表示下限LDL与均值的修正值Mean2和方差的修正值σ₂之间的对应关系。

进一步的，根据预设策略对均值Mean1和方差σ₁进行修正，得到均值的修正值Mean2和方差的修正值σ₂，包括：

将均值Mean1通过第一公式 $\mathrm{Mean}2=(1-\frac{1}{N})\×\mathrm{Mean}1+\frac{1}{N}\×X_i$ 进行计算，得到均值的修正值Mean2；

将均值Mean1和方差σ₁通过第二公式

${\mathrm{\σ}}_2=\sqrt{(1-\frac{1}{N}){{\mathrm{\σ}}_2}^2+\frac{1}{N}(X_i-\mathrm{meanl})}$ 进行计算，得到方差的修正值σ₂，其中，X_i表示产品的前一个在静态区间内的产品的测试数据。

进一步的，第一模型包括：

UDL=min(UCL,Mean2+(M×max(σ₂,σ_min)))，

其中，min(UCL,Mean2+(M×max(σ₂,σ_min)))表示UCL和Mean2+(M×max(σ₂,σ_min))中的较小值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值；

第二模型包括：LDL=max(LCL,Mean2-(M×max(σ₂,σ_min)))，

其中，max(LCL,Mean2-(M×max(σ₂,σ_min)))表示UCL和Mean2-(M×max(σ₂,σ_min))中的较大值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值。

进一步的，M可以为3、4或5中的任一个；σ_min可以为0.06。

S103：若产品的测试数据在产品对应的动态区间内，则确定产品合格。

示例性的，若产品的测试数据不在静态区间内，

或者，产品的测试数据不在产品对应的动态区间内，则确定产品不合格。

进一步的，无论产品是否合格，接下来均会获取下一个产品的测试数据进行判断。

本发明实施例提供了一种产品的检测方法，在获取产品的测试数据的同时，通过确定该产品是否在与其对应的动态区间来确定该产品是否合格，无需中断测试流程，不用增加生产流程和物料的控制成本，现场实施起来简单方便，而且与产品对应的动态区间只通过该产品之前的产品的测试数据进行计算得到，无需对所有产品的测试数据进行计算，降低了运算开销。

在前述实施例的基础上，参见图2，为本发明实施例提供的一种产品的检测方法的详细流程，包括：

201：判断获取的产品的测试数据是否为第一个产品的测试数据：若是，则执行步骤202；若不是，则执行步骤204。

202：判断第一个产品是否合格；

示例性的，结合如图1所示的实施例，本领域技术人员可以理解的，当测试数据为第一个产品的测试数据时，在第一个产品之前没有产品，只能通过一个固定的区间值来确定第一个产品是否合格，优选的，可以通过判断第一个产品的测试数据是否在静态区间内来确定第一个产品是否合格，其中，静态区间的上限UCL和下限LCL是预设的定值，具体在本实施例中，UCL=200，LCL=50；

进一步的，在本实施例中，若第一个产品合格，则可以将第一个产品筛选至第一集合，其中，第一集合中的产品表示检测合格的产品；

若第一个产品不合格，则可以筛选至第二集合中，其中，第二集合中的产品表示检测不合格的产品。

203：在判断完第一个产品是否合格之后，将静态区间作为第二个产品对应的动态区间；

示例性的，由前述实施例可知，每个产品对应的动态区间是根据每个产品之前的产品的测试数据得到，因此，优选的，当每个产品判断完成是否合格之后，都可以对每个产品的下一个产品对应的动态区间进行计算。

而第二个产品之前只有第一个产品，无法获得充分的数据来得到第二个产品对应的动态区间，因此本实施例优选的通过静态区间作为第二产品对应的动态区间。

示例性的，在得到第二个产品的对应的动态区间之后，获取下一个产品的测试数据，并返回步骤201，由于随后的测试数据均不是第一个产品的测试数据，因此对于接下来获取的产品的测试数据，应当在判断获取的产品的测试数据不是第一个产品的测试数据之后，执行步骤204。

204：判断获取的产品的测试数据是否在静态区间内：若在静态区间内，执行步骤205；若不在静态区间内，确定该产品不合格，筛选至第二集合，并且获取下一个产品的测试数据并执行步骤201。

示例性的，如前所述，静态区间的上限UCL和下限LCL是预设的定值，具体在本实施例中，UCL=200，LCL=50。

205：判断产品的测试数据是否在产品对应的动态区间内：若不在动态区间内，则确定产品不合格，筛选至第三集合，并且获取下一个产品的测试数据并执行步骤201，其中，第三集合中的产品均是测试数据在静态区间内而不在动态区间内的产品；若在动态区间内，则确定产品合格，筛选至第一集合，并且获取下一个产品的测试数据并执行步骤201；

示例性的，产品对应的动态区间的上限UDL和下限LDL根据产品之前的，且距产品最近的处于静态区间内的N个产品的测试数据获取得到，与此同时，在判断产品的测试数据是否在产品对应的动态区间内之前就需要获取到该产品对应的动态区间的上限UDL和下限LDL，因此在本实施例中，优选的，产品对应的动态区间的获取步骤206，是在判断该产品的上一个产品的测试数据是否在动态区间内之后，在获取该产品的测试数据之前进行的。

进一步的，参见图3，为步骤206，即根据产品之前的，且距产品最近的处于静态区间内的N个产品的测试数据获取产品对应的动态区间的上限UDL和下限LDL的过程示意图，具体可以包括：

2061：获取产品之前的N个测试数据处于静态区间的产品的测试数据的均值Mean1和方差σ₁；

具体的，当产品之前的，且距产品最近的处于静态区间内的产品个数不超过预设数量时，N为产品之前的，且测试数据处于静态区间内的所有产品的个数；

当产品之前的，且距产品最近的处于静态区间内的产品个数超过预设数量时，N为预设数量；

优选的，本实施例中，预设数量可以是24。

本领域技术人员可以理解的，均值Mean1和方差σ₁的计算方法在此不再赘述。

2062：根据预设策略对均值Mean1和方差σ₁进行修正，得到均值的修正值Mean2和方差的修正值σ₂；

进一步的，根据预设策略对均值Mean1和方差σ₁进行修正，得到均值的修正值Mean2和方差的修正值σ₂，在本实施例中，可以包括：

将均值Mean1通过第一公式 $\mathrm{Mean}2=(1-\frac{1}{N})\×\mathrm{Mean}1+\frac{1}{N}\×X_i$ 进行计算，得到均值的修正值Mean2；

将均值Mean1和方差σ₁通过第二公式

${\mathrm{\σ}}_2=\sqrt{(1-\frac{1}{N}){{\mathrm{\σ}}_2}^2+\frac{1}{N}(X_i-\mathrm{meanl})}$ 进行计算，得到方差的修正值σ₂，其中，X_i表示产品的前一个在静态区间内的产品的测试数据。

2063：将均值的修正值Mean2和方差的修正值σ₂代入第一模型，得到产品对应的动态区间的上限UDL；以及将均值的修正值Mean2和方差的修正值σ₂代入第二模型，得到产品对应的动态区间的下限LDL；

示例性的，第一模型表示上限UDL与均值的修正值Mean2和方差的修正值σ₂之间的对应关系，具体在本实施例中可以是：

UDL=min(UCL,Mean2+(M×max(σ₂,σ_min)))，

其中，min(UCL,Mean2+(M×max(σ₂,σ_min)))表示UCL和Mean2+(M×max(σ₂,σ_min))中的较小值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值；

第二模型表示下限LDL与均值的修正值Mean2和方差的修正值σ₂之间的对应关系，具体在本实施例中可以是：

LDL=max(LCL,Mean2-(M×max(σ₂,σ_min)))，

其中，max(LCL,Mean2-(M×max(σ₂,σ_min)))表示UCL和Mean2-(M×max(σ₂,σ_min))中的较大值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值。

对于第一模型和第二模型，需要说明的是，产品对应的动态区间的范围，大多数的情况在数轴上会呈现出一段如图4所示的以均值的修正值Mean2为中心，前后以距离中心若干（即M）倍的方差的修正值σ₂为端点的数值范围，根据置信区间的计算方法，可以知道，M的优选值可以为3、4或5中的任一个，其中，M可以控制动态区间的宽窄程度，也就是控制动态区间规格的严松；当如图4所示的数值范围过大时，产品的检测效果降低，因此，数值范围过大的时候，以静态区间的范围作为动态区间的范围的最大值；当如图4所示的数值范围过于小的时候，以σ_min代替方差的修正值σ₂所得到的数值范围作为动态区间的范围的最小值，本实施例优选的，σ_min可以为0.06。

可以理解的，根据上述的步骤对产品进行检测，当最后一个产品检测完毕之后，第一集合中的产品为合格的产品；第二集合中的产品为不合格的产品；第三集合中的产品也是不合格的产品，而它们的测试数据在静态区间内，却不在动态区间内，说明第三集合中的产品的工艺制程的波动和偏差导致偏离了总体性能，因此第三集合中的产品就是异常产品（Outlier）。

针对本发明实施例所提供的方法，通过对实测数据进行验证来说明本方案的效果，为了说明本发明实施例所述方案的效果，可以通过对已有的测试数据依次地进行分析来等效实际应用场景中获取测试数据后直接进行分析的过程。

本实施例中，参与验证的产品的测试数据是对晶圆上的芯片进行测试得到的测试数据，将产品的测试数据按照本实施例所述的流程进行分析之后，效果如图5所示，其中，除去测试数据在静态区间之外的产品，测试数据在动态区间之外而在静态区间之内的产品仍然有7个，将这7个产品取出，通过可靠性试验进行回测，可以发现其中有4个失效，因此，说明测试数据在动态区间之外而在静态区间之内的产品是有早期失效风险的，因此这7个产品就是属于前述的异常产品（Outlier），也验证了本发明实施例提出的方法的有效性。

本发明实施例提供了一种产品的检测方法，在获取产品的测试数据的同时，通过确定该产品是否在与其对应的动态区间来确定该产品是否合格，无需中断测试流程，不用增加生产流程和物料的控制成本，现场实施起来简单方便，而且与产品对应的动态区间只通过该产品之前的产品的测试数据进行计算得到，无需对所有产品的测试数据进行计算，降低了运算开销。

参见图6，为本发明实施例提供了一种产品的检测设备60，可以包括：

获取单元601，用于获取产品的测试数据，其中，所述产品是除第一个产品以外的产品；

判断单元602，用于判断获取单元601获取的产品的测试数据是否在静态区间内，其中，静态区间的上限UCL和下限UCL是预设的定值，优选的，本实施例UCL=200，LCL=50；

判断单元602还用于，若产品的测试数据在静态区间内，则判断产品的测试数据是否在产品对应的动态区间内，其中，产品对应的动态区间的上限UDL和下限LDL根据产品之前的，且距产品最近的处于静态区间内的N个产品的测试数据获取得到；

示例性的，当产品之前的，且距产品最近的处于静态区间内的产品个数不超过预设数量时，N为产品之前的，且测试数据处于静态区间内的所有产品的个数；

当产品之前的，且距产品最近的处于静态区间内的产品个数超过预设数量时，N为预设数量；

优选的，预设数量为24。

判断单元602还用于，若产品的测试数据在产品对应的动态区间内，则确定产品合格，优选的，合格的产品可以筛选至第一集合。

示例性的，判断单元602还用于：若产品的测试数据不在静态区间内，

或者，产品的测试数据不在产品对应的动态区间内，则确定产品不合格；

优选的，在本实施例中，若产品的测试数据不在静态区间内，可以将产品筛选至第二集合；若产品的测试数据不在产品对应的动态区间内，可以将产品筛选至第三集合。

示例性的，参见图7，设备60还包括动态区间设置单元603，用于根据产品之前的，且距产品最近的处于静态区间内的N个产品的测试数据获取产品对应的动态区间的上限UDL和下限LDL；

进一步的，动态区间设置单元603具体用于：

获取产品之前的N个测试数据处于静态区间的产品的测试数据的均值Mean1和方差σ₁；

以及根据预设策略对均值Mean1和方差σ₁进行修正，得到均值的修正值Mean2和方差的修正值σ₂；

具体在本实施例中，动态区间设置单元603根据预设策略对均值Mean1和方差σ₁进行修正，得到均值的修正值Mean2和方差的修正值σ₂，具体为，

动态区间设置单元603将均值Mean1通过第一公式 $\mathrm{Mean}2=(1-\frac{1}{N})\×\mathrm{Mean}1+\frac{1}{N}\×x_i$ 进行计算，得到均值的修正值Mean2；

动态区间设置单元603将均值Mean1和方差σ₁通过第二公式

${\mathrm{\σ}}_2=\sqrt{(1-\frac{1}{N}){{\mathrm{\σ}}_2}^2+\frac{1}{N}(X_i-\mathrm{meanl})}$ 进行计算，得到方差的修正值σ₂，其中，X_i表示产品的前一个在静态区间内的产品的测试数据。

动态区间设置单元603将均值的修正值Mean2和方差的修正值σ₂代入第一模型，得到产品对应的动态区间的上限UDL；

动态区间设置单元603将均值的修正值Mean2和方差的修正值σ₂代入第二模型，得到产品对应的动态区间的下限LDL；

其中，第一模型表示上限UDL与均值的修正值Mean2和方差的修正值σ₂之间的对应关系，第二模型表示下限LDL与均值的修正值Mean2和方差的修正值σ₂之间的对应关系。

具体在本实施例中，第一模型包括：

UDL=min(UCL,Mean2+(M×max(σ₂,σ_min)))，

其中，min(UCL,Mean2+(M×max(σ₂,σ_min)))表示UCL和Mean2+(M×max(σ₂,σ_min))中的较小值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值；

第二模型包括：LDL=max(LCL,Mean2-(M×max(σ₂,σ_min)))，

其中，max(LCL,Mean2-(M×max(σ₂,σ_min)))表示UCL和Mean2-(M×max(σ₂,σ_min))中的较大值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值；

对于第一模型和第二模型，需要说明的是，产品对应的动态区间的范围，大多数的情况在数轴上会呈现出一段如图4所示的以均值的修正值Mean2为中心，前后以距离中心若干（即M）倍的方差的修正值σ₂为端点的数值范围，根据置信区间的计算方法，可以知道，M的优选值可以为3、4或5中的任一个，其中，M可以控制动态区间的宽窄程度，也就是控制动态区间规格的严松；当如图4所示的数值范围过大时，产品的检测效果降低，因此，数值范围过大的时候，以静态区间的范围作为动态区间的范围的最大值；当如图4所示的数值范围过于小的时候，以σ_min代替方差的修正值σ₂所得到的数值范围作为动态区间的范围的最小值，本实施例优选的，σ_min可以为0.06。

具体的，在本实施例中，判断单元602还用于判断获取的产品的测试数据是否为第一个产品的测试数据：

若是，由于当测试数据为第一个产品的测试数据时，在第一个产品之前没有产品，则判断单元602通过一个固定的区间值来确定第一个产品是否合格，优选的，可以通过判断第一个产品的测试数据是否在静态区间内来确定第一个产品是否合格；

在判断单元602判断第一个产品是否合格之后，由于第二个产品之前只有第一个产品，无法获得充分的数据来得到第二个产品对应的动态区间，因此本实施例优选的通过静态区间作为第二产品对应的动态区间，所以动态区间设置单元603将静态区间作为第二个产品对应的动态区间，

若不是，则判断单元602如前述所示的对除第一个产品以外的产品进行相应的判断，在此不再赘述。

可以理解的，设备60对产品进行检测，当最后一个产品检测完毕之后，第一集合中的产品为合格的产品；第二集合中的产品为不合格的产品；第三集合中的产品也是不合格的产品，而它们的测试数据在静态区间内，却不在动态区间内，说明第三集合中的产品的工艺制程的波动和偏差导致偏离了总体性能，因此第三集合中的产品就是异常产品（Outlier）。

可以通过对实测数据进行验证来说明设备60的效果，设备60通过对已有的测试数据依次地进行分析来等效实际应用场景中设备60获取测试数据后直接进行分析。

效果如图5所示其中，除去测试数据在静态区间之外的产品，测试数据在动态区间之外而在静态区间之内的产品仍然有7个，将这7个产品取出，通过可靠性试验进行回测，可以发现其中有4个失效，因此，说明测试数据在动态区间之外而在静态区间之内的产品是有早期失效风险的，因此这7个产品就是属于前述的异常产品（Outlier），也验证了设备60的有效性。

本发明实施例提供了一种产品的检测设备60，在获取产品的测试数据的同时，通过确定该产品是否在与其对应的动态区间来确定该产品是否合格，无需中断测试流程，不用增加生产流程和物料的控制成本，现场实施起来简单方便，而且与产品对应的动态区间只通过该产品之前的产品的测试数据进行计算得到，无需对所有产品的测试数据进行计算，降低了运算开销。

参见图8，为本发明实施例提供的一种产品的检测设备60，包括：获取器801，用于获取产品的测试数据，其中，所述产品是除第一个产品以外的产品；处理器802和通信总线803，用于实现这些装置之间的连接通信。

其中，通信总线803可以是工业标准体系结构（Industry StandardArchitecture，简称为ISA）总线、外部设备互连（PeripheralComponent，简称为PCI）总线或扩展工业标准体系结构（ExtendedIndustry Standard Architecture，简称为EISA）总线等。该总线803可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

处理器802可能是一个中央处理器（Central Processing Unit，简称为CPU），或者是特定集成电路（Application Specific IntegratedCircuit，简称为ASIC），或者是被配置成实施本发明实施例的一个或多个集成电路。

当获取器801获取到产品的测试数据之后，处理器802用于：

判断获取器801获取的产品的测试数据是否在静态区间内，其中，静态区间的上限UCL和下限UCL是预设的定值，优选的，本实施例UCL=200，LCL=50；

处理器802还用于，若产品的测试数据在静态区间内，则判断产品的测试数据是否在产品对应的动态区间内，其中，产品对应的动态区间的上限UDL和下限LDL根据产品之前的，且距产品最近的处于静态区间内的N个产品的测试数据获取得到；

示例性的，当产品之前的，且距产品最近的处于静态区间内的产品个数不超过预设数量时，N为产品之前的，且测试数据处于静态区间内的所有产品的个数；

当产品之前的，且距产品最近的处于静态区间内的产品个数超过预设数量时，N为预设数量；

优选的，预设数量为24。

处理器802还用于，若产品的测试数据在产品对应的动态区间内，则确定产品合格，优选的，合格的产品可以筛选至第一集合。

示例性的，处理器802还用于：若产品的测试数据不在静态区间内，

或者，产品的测试数据不在产品对应的动态区间内，则确定产品不合格；

优选的，在本实施例中，若产品的测试数据不在静态区间内，可以将产品筛选至第二集合；若产品的测试数据不在产品对应的动态区间内，可以将产品筛选至第三集合。

示例性的，处理器802还用于，根据产品之前的，且距产品最近的处于静态区间内的N个产品的测试数据获取产品对应的动态区间的上限UDL和下限LDL；

进一步的，处理器802具体用于：

获取产品之前的N个测试数据处于静态区间的产品的测试数据的均值Mean1和方差σ₁；

以及根据预设策略对均值Mean1和方差σ₁进行修正，得到均值的修正值Mean2和方差的修正值σ₂；

具体在本实施例中，处理器802根据预设策略对均值Mean1和方差σ₁进行修正，得到均值的修正值Mean2和方差的修正值σ₂，具体为，

处理器802将均值Mean1通过第一公式

$\mathrm{Mean}2=(1-\frac{1}{N})\×\mathrm{Mean}1+\frac{1}{N}\×X_i$ 进行计算，得到均值的修正值Mean2；

处理器802将均值Mean1和方差σ₁通过第二公式

${\mathrm{\σ}}_2=\sqrt{(1-\frac{1}{N}){{\mathrm{\σ}}_2}^2+\frac{1}{N}(X_i-\mathrm{meanl})}$ 进行计算，得到方差的修正值σ₂，其中，X_i表示产品的前一个在静态区间内的产品的测试数据。

处理器802将均值的修正值Mean2和方差的修正值σ₂代入第一模型，得到产品对应的动态区间的上限UDL；

处理器802将均值的修正值Mean2和方差的修正值σ₂代入第二模型，得到产品对应的动态区间的下限LDL；

其中，第一模型表示上限UDL与均值的修正值Mean2和方差的修正值σ₂之间的对应关系，第二模型表示下限LDL与均值的修正值Mean2和方差的修正值σ₂之间的对应关系。

具体在本实施例中，第一模型包括：

UDL=min(UCL,Mean2+(M×max(σ₂,σ_min)))，

其中，min(UCL,Mean2+(M×max(σ₂,σ_min)))表示UCL和Mean2+(M×max(σ₂,σ_min))中的较小值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值；

第二模型包括：LDL=max(LCL,Mean2-(M×max(σ₂,σ_min)))，

其中，max(LCL,Mean2-(M×max(σ₂,σ_min)))表示UCL和Mean2-(M×max(σ₂,σ_min))中的较大值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值；

对于第一模型和第二模型，需要说明的是，产品对应的动态区间的范围，大多数的情况在数轴上会呈现出一段如图4所示的以均值的修正值Mean2为中心，前后以距离中心若干（即M）倍的方差的修正值σ₂为端点的数值范围，根据置信区间的计算方法，可以知道，M的优选值可以为3、4或5中的任一个，其中，M可以控制动态区间的宽窄程度，也就是控制动态区间规格的严松；当如图4所示的数值范围过大时，产品的检测效果降低，因此，数值范围过大的时候，以静态区间的范围作为动态区间的范围的最大值；当如图4所示的数值范围过于小的时候，以σ_min代替方差的修正值σ₂所得到的数值范围作为动态区间的范围的最小值，本实施例优选的，σ_min可以为0.06。

具体的，在本实施例中，处理器802还用于判断获取的产品的测试数据是否为第一个产品的测试数据：

若是，由于当测试数据为第一个产品的测试数据时，在第一个产品之前没有产品，则处理器802通过一个固定的区间值来确定第一个产品是否合格，优选的，可以通过判断第一个产品的测试数据是否在静态区间内来确定第一个产品是否合格；

在处理器802判断第一个产品是否合格之后，由于第二个产品之前只有第一个产品，无法获得充分的数据来得到第二个产品对应的动态区间，因此本实施例优选的通过静态区间作为第二产品对应的动态区间，所以处理器802将静态区间作为第二个产品对应的动态区间，

若不是，则处理器802如前述所示的对除第一个产品以外的产品进行相应的判断，在此不再赘述。

本发明实施例提供了一种产品的检测设备60，在获取产品的测试数据的同时，通过确定该产品是否在与其对应的动态区间来确定该产品是否合格，无需中断测试流程，不用增加生产流程和物料的控制成本，现场实施起来简单方便，而且与产品对应的动态区间只通过该产品之前的产品的测试数据进行计算得到，无需对所有产品的测试数据进行计算，降低了运算开销。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，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所述权利要求的保护范围为准。

Claims (16)

1.一种产品的检测方法，其特征在于，包括：

判断获取的产品的测试数据是否在静态区间内，其中，所述产品是除第一个产品以外的产品，所述静态区间的上限UCL和下限LCL是预设的定值；

若所述产品的测试数据在所述静态区间内，则判断所述产品的测试数据是否在所述产品对应的动态区间内，其中，所述产品对应的动态区间的上限UDL和下限LDL根据所述产品之前的，且距所述产品最近的处于所述静态区间内的N个产品的测试数据获取得到；

若所述产品的测试数据在所述产品对应的动态区间内，则确定所述产品合格。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若所述产品的测试数据不在所述静态区间内，

或者，所述产品的测试数据不在所述产品对应的动态区间内，则确定所述产品不合格。

3.根据权利要求1或2所述的方法，其特征在于，在所述判断所述产品的测试数据是否在所述产品对应的动态区间内之前，所述方法还包括：根据所述产品之前的，且距所述产品最近的处于所述静态区间内的N个产品的测试数据获取所述产品对应的动态区间的上限UDL和下限LDL，具体包括以下步骤：

获取所述产品之前的N个测试数据处于所述静态区间的产品的测试数据的均值Mean1和方差σ₁；

根据预设策略对所述均值Mean1和所述方差σ₁进行修正，得到所述均值的修正值Mean2和所述方差的修正值σ₂；

将所述均值的修正值Mean2和所述方差的修正值σ₂代入第一模型，得到所述产品对应的动态区间的上限UDL；以及将所述均值的修正值Mean2和所述方差的修正值σ₂代入第二模型，得到所述产品对应的动态区间的下限LDL；其中，所述第一模型表示所述上限UDL与所述均值的修正值Mean2和所述方差的修正值σ₂之间的对应关系，所述第二模型表示所述下限LDL与所述均值的修正值Mean2和所述方差的修正值σ₂之间的对应关系。

4.根据权利要求3所述的方法，其特征在于，根据预设策略对所述均值Mean1和所述方差σ₁进行修正，得到所述均值的修正值Mean2和所述方差的修正值σ₂，包括：

将所述均值Mean1通过第一公式 $\mathrm{Mean}2=(1-\frac{1}{N})\×\mathrm{Mean}1+\frac{1}{N}\×X_i$ 进行计算，得到所述均值的修正值Mean2；

将所述均值Mean1和所述方差σ₁通过第二公式

${\mathrm{\σ}}_2=\sqrt{(1-\frac{1}{N}){{\mathrm{\σ}}_2}^2+\frac{1}{N}(X_i-\mathrm{meanl})}$ 进行计算，得到所述方差的修正值σ₂，其中，X_i表示所述产品的前一个在所述静态区间内的产品的测试数据。

5.根据权利要求3或4所述的方法，其特征在于，所述第一模型包括：UDL=min(UCL,Mean2+(M×max(σ₂,σ_min)))，

其中，所述min(UCL,Mean2+(M×max(σ₂,σ_min)))表示UCL和Mean2+(M×max(σ₂,σ_min))中的较小值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值；

所述第二模型包括：LDL=max(LCL,Mean2-(M×max(σ₂,σ_min)))，

其中，所述max(LCL,Mean2-(M×max(σ₂,σ_min)))表示UCL和Mean2-(M×max(σ₂,σ_min))中的较大值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值。

6.根据权利要求1-5任一项所述的方法，其特征在于，当所述产品之前的，且距所述产品最近的处于所述静态区间内的产品个数不超过预设数量时，所述N为所述产品之前的，且测试数据处于所述静态区间内的所有产品的个数；

当所述产品之前的，且距所述产品最近的处于所述静态区间内的产品个数超过预设数量时，所述N为预设数量。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述预设数量为24。

8.根据权利要求5所述的方法，其特征在于，所述M为3、4或5中的任一个；所述σ_min为0.06。

9.一种产品的检测设备，其特征在于，包括：

获取单元，用于获取产品的测试数据，其中，所述产品是除第一个产品以外的产品；

判断单元，用于判断所述获取单元获取的产品的测试数据是否在静态区间内，其中，所述静态区间的上限UCL和下限LCL是预设的定值；

所述判断单元还用于，若所述产品的测试数据在所述静态区间内，则判断所述产品的测试数据是否在所述产品对应的动态区间内，其中，所述产品对应的动态区间的上限UDL和下限LDL根据所述产品之前的，且距所述产品最近的处于所述静态区间内的N个产品的测试数据获取得到；

所述判断单元还用于，若所述产品的测试数据在所述产品对应的动态区间内，则确定所述产品合格。

10.根据权利要求9所述的设备，其特征在于，所述判断单元还用于若所述产品的测试数据不在所述静态区间内，

或者，所述产品的测试数据不在所述产品对应的动态区间内，则确定所述产品不合格。

11.根据权利要求9或10所述的设备，其特征在于，所述设备还包括动态区间设置单元，用于根据所述产品之前的，且距所述产品最近的处于所述静态区间内的N个产品的测试数据获取所述产品对应的动态区间的上限UDL和下限LDL，具体用于：

获取所述产品之前的N个测试数据处于所述静态区间的产品的测试数据的均值Mean1和方差σ₁；

以及根据预设策略对所述均值Mean1和所述方差σ₁进行修正，得到所述均值的修正值Mean2和所述方差的修正值σ₂；

以及将所述均值的修正值Mean2和所述方差的修正值σ₂代入第一模型，得到所述产品对应的动态区间的上限UDL；

以及将所述均值的修正值Mean2和所述方差的修正值σ₂代入第二模型，得到所述产品对应的动态区间的下限LDL；

其中，所述第一模型表示所述上限UDL与所述均值的修正值Mean2和所述方差的修正值σ₂之间的对应关系，所述第二模型表示所述下限LDL与所述均值的修正值Mean2和所述方差的修正值σ₂之间的对应关系。

12.根据权利要求11所述的设备，其特征在于，所述动态区间设置单元具体用于，

将所述均值Mean1通过第一公式 $\mathrm{Mean}2=(1-\frac{1}{N})\×\mathrm{Mean}1+\frac{1}{N}\×X_i$ 进行计算，得到所述均值的修正值Mean2；

将所述均值Mean1和所述方差σ₁通过第二公式

${\mathrm{\σ}}_2=\sqrt{(1-\frac{1}{N}){{\mathrm{\σ}}_2}^2+\frac{1}{N}(X_i-\mathrm{meanl})}$ 进行计算，得到所述方差的修正值σ₂，其中，X_i表示所述产品的前一个在所述静态区间内的产品的测试数据。

13.根据权利要求11或12所述的设备，其特征在于，所述第一模型包括：UDL=min(UCL,Mean2+(M×max(σ₂,σ_min)))，

其中，所述min(UCL,Mean2+(M×max(σ₂,σ_min)))表示UCL和Mean2+(M×max(σ₂,σ_min))中的较小值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值；

所述第二模型包括：LDL=max(LCL,Mean2-(M×max(σ₂,σ_min)))，

其中，所述max(LCL,Mean2-(M×max(σ₂,σ_min)))表示UCL和Mean2-(M×max(σ₂,σ_min))中的较大值，M为预设的正整数常数，max(σ₂,σ_min)表示σ₂和σ_min中的较大值，σ_min为预设常数，表示方差的最小极限值。

14.根据权利要求9-13任一项所述的设备，其特征在于，当所述产品之前的，且距所述产品最近的处于所述静态区间内的产品个数不超过预设数量时，所述N为所述产品之前的，且测试数据处于所述静态区间内的所有产品的个数；

当所述产品之前的，且距所述产品最近的处于所述静态区间内的产品个数超过预设数量时，所述N为预设数量。

15.根据权利要求9-14任一项所述的设备，其特征在于，所述预设数量为24。

16.根据权利要求13所述的设备，其特征在于，所述M为3、4或5中的任一个；所述σ_min为0.06。

Images