CN109460584A - 贮存寿命的评估方法、模型的建立方法和相关设备 - Google Patents
贮存寿命的评估方法、模型的建立方法和相关设备 Download PDFInfo
- Publication number
- CN109460584A CN109460584A CN201811214435.0A CN201811214435A CN109460584A CN 109460584 A CN109460584 A CN 109460584A CN 201811214435 A CN201811214435 A CN 201811214435A CN 109460584 A CN109460584 A CN 109460584A
- Authority
- CN
- China
- Prior art keywords
- temperature
- life
- storage
- product
- model
- 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.)
- Pending
Links
- 238000003860 storage Methods 0.000 title claims abstract description 225
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004611 spectroscopical analysis Methods 0.000 claims abstract description 56
- 238000012360 testing method Methods 0.000 claims description 25
- 238000005315 distribution function Methods 0.000 claims description 10
- 230000003595 spectral effect Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 230000004913 activation Effects 0.000 claims description 7
- 238000013178 mathematical model Methods 0.000 claims description 7
- 238000010998 test method Methods 0.000 claims description 5
- 238000004321 preservation Methods 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009257 reactivity Effects 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明涉及产品保存领域，尤其涉及一种贮存寿命的评估方法、寿命评估模型的建立方法、贮存寿命的评估设备、寿命评估模型的建立设备和存储介质。用于计算产品的贮存环境为非恒定温度时，产品的贮存寿命。本发明实施例的贮存寿命的评估方法，包括获取贮存环境温度谱，根据所述贮存环境温度谱，设定N个区间信息，每一区间信息包括一特征温度和一持续时间；利用预存的寿命评估模型，计算每一特征温度对应的贮存寿命；获取每一特征温度对应的权重值，权重值表示对贮存寿命的影响程度；将每一特征温度的贮存寿命和权重值的乘积求和，得到所述产品的贮存寿命。从而，产品的贮存环境即使为非恒定温度，本发明实施例仍可准确计算出产品的贮存寿命。
Description
技术领域
本发明涉及产品保存领域，尤其涉及一种贮存寿命的评估方法、寿命评估模型的建立方法、贮存寿命的评估设备、寿命评估模型的建立设备和存储介质。
背景技术
产品往往需要进行保存，例如，商家在发货前在仓库中保存产品，用户在不使用产品时，在一定环境中保存产品。而产品都有一定的使用寿命，产品所在的环境的温度对产品的使用寿命有一定的影响。其中，产品的使用寿命也称之为贮存寿命。
目前，基于温度的产品贮存寿命评估方法主要是利用基于Arrhenius方程的寿命模型。Arrhenius方程表达式为：
其中：V为反应率，A为比例常数，或称“频率因子”，EA为激活能，T为绝对温度，K为波尔兹曼常数。
在失效机制符合Arrhenius方程且寿命分布为指数分布的条件下，常数失效率λ(T)直接与反应率V成比例，得到下述表达式：
其中：D为常数。
在指数寿命分布的假设条件下，平均失效时间(或称为平均寿命)L(T)为常数失效率的倒数，由此得到下述表达式：
其中：C＝1/D＝常数。
模型是基于温度的寿命评估模型，通过该模型可计算出产品在某一贮存温度下的贮存寿命。但是该模型只能对所处环境为恒定温度的产品进行贮存寿命的计算，使用场景有限。
发明内容
本发明实施例提供了一种贮存寿命的评估方法、寿命评估模型的建立方法、贮存寿命的评估设备、寿命评估模型的建立设备和存储介质，用于计算产品的贮存环境为非恒定温度时，产品的贮存寿命。
为了解决上述技术问题，本发明实施例提供了一种贮存寿命的评估方法，包括：
获取贮存环境温度谱，所述贮存环境温度谱表示产品的贮存环境在预设时间段的非恒定温度；
根据所述贮存环境温度谱，设定N个区间信息，每一区间信息包括一特征温度和一持续时间，不同持续时间为所述预设时间段内的不同时间段，所述N为大于等于1的正整数；
利用预存的寿命评估模型，计算每一特征温度对应的贮存寿命；
获取每一特征温度对应的权重值，权重值表示对贮存寿命的影响程度；
将每一特征温度的贮存寿命和权重值的乘积求和，得到所述产品的贮存寿命。
可选地，所述寿命评估模型为
其中，ηi表示贮存寿命，a表示预设的寿命因子，b表示预设的寿命因子，Ti表示特征温度，e表示无理数e，i表示正整数。
可选地，对于每一区间信息，当在持续时间内，所述贮存环境温度谱的温度为恒定温度时，特征温度为所述恒定温度的值；
当在持续时间内，所述贮存环境温度谱的温度为线性变化温度时，特征温度为所述贮存环境温度谱在持续时间内的温度平均值或温度最大值；
当在持续时间内，所述贮存环境温度谱的温度为非线性变化温度时，特征温度为目标温度值或所述贮存环境温度谱在持续时间内的温度最大值，所述目标温度值为所述贮存环境温度谱在持续时间内的温度平均值加1σ得到的值，所述σ为所述贮存环境温度谱在持续时间内的温度统计值的标准差。
可选地，所有特征温度对应的权重值之和等于1。
可选地，特征温度对应的权重值为与特征温度属于同一区间信息的持续时间占所述预设时间段的比例；或者，
特征温度对应的权重值为根据特征温度对贮存寿命的影响程度设定的值。
为了解决上述技术问题，本发明实施例还提供了一种寿命评估模型的建立方法，包括：
获取初始评估模型，所述初始评估模型为基于Arrhenius方程得到的数学模型；
通过加速寿命试验，由所述初始评估模型建立得到寿命评估模型，所述寿命评估模型用于根据一特征温度计算得到产品的一贮存寿命。
可选地，所述初始评估模型为a和b为寿命因子，a＝lnA，b＝EA/K，A为常数，EA为激活能，T为热力学温度，K为波尔兹曼常数，e表示无理数e，ηi表示贮存寿命，i表示正整数；
所述通过加速寿命试验，由所述初始评估模型建立得到寿命评估模型，包括：
通过加速寿命试验，采用定时测试方法获得不同温度应力Ti条件下的产品失效个数；
根据温度应力Ti和产品失效个数求取失效分布函数F(t，ηi)；
求取所述失效分布函数F(t，ηi)的似然函数L(t，ηi)；
将代入L(t，ηi)得到似然函数L(a，b)；
通过加速寿命试验数据拟合似然函数L(a，b)，得到a和b的值；
将计算得到的a和b的值代入得到寿命评估模型。
为了解决上述技术问题，本发明实施例还提供了一种贮存寿命的评估设备，包括：
获取单元，用于获取贮存环境温度谱，所述贮存环境温度谱表示产品的贮存环境在预设时间段的非恒定温度；
设定单元，用于根据所述贮存环境温度谱，设定N个区间信息，每一区间信息包括一特征温度和一持续时间，不同持续时间为所述预设时间段内的不同时间段，所述N为大于等于1的正整数；
计算单元，用于利用预存的寿命评估模型，计算每一特征温度对应的贮存寿命；
获取单元，用于获取每一特征温度对应的权重值，权重值表示对贮存寿命的影响程度；
求和单元，用于将每一特征温度的贮存寿命和权重值的乘积求和，得到所述产品的贮存寿命。
为了解决上述技术问题，本发明实施例还提供了一种寿命评估模型的建立设备，包括：
获取单元，用于获取初始评估模型，所述初始评估模型为基于Arrhenius方程得到的数学模型；
建立单元，用于通过加速寿命试验，由所述初始评估模型建立得到寿命评估模型，所述寿命评估模型用于根据一特征温度计算得到产品的一贮存寿命。
为了解决上述技术问题，本发明实施例还提供了一种存储介质，其内存储有处理器可执行指令，所述指令由一个或一个以上处理器加载，以执行如上所述的贮存寿命的评估方法，或者如上所述的寿命评估模型的建立方法。
本发明实施例中，获取贮存环境温度谱，其中，贮存环境温度谱表示产品的贮存环境在预设时间段的非恒定温度。然后，根据贮存环境温度谱，设定N个区间信息，每一区间信息包括一特征温度和一持续时间，不同持续时间为预设时间段内的不同时间段，N为大于等于1的正整数。跟着，利用预存的寿命评估模型，计算每一特征温度对应的贮存寿命。获取每一特征温度对应的权重值，权重值表示对贮存寿命的影响程度。从而，将每一特征温度的贮存寿命和权重值的乘积求和，得到产品的贮存寿命。这样，本发明实施例通过将产品所在的贮存环境的贮存环境温度谱设定为N个区间信息，每一区间信息包括一特征温度和一持续时间，从而实现了将非恒定温度离散化，并使用具体的特征温度进行表示。通过寿命评估模型，计算特征温度对应的贮存寿命，以及获取特征温度对应的权重值后，贮存寿命和权重值的乘积之和，即为产品的贮存寿命。从而，产品的贮存环境即使为非恒定温度，本发明实施例仍可准确计算出产品的贮存寿命。
附图说明
图1为本发明一实施例提供的一种寿命评估模型的建立方法的流程图；
图2为本发明另一实施例提供的一种寿命评估模型的建立方法的流程图；
图3为本发明另一实施例提供的一种贮存寿命的评估方法的流程图；
图4为图3所示实施例涉及的一种区间划分示意图；
图5为本发明另一实施例提供的一种贮存寿命的评估设备的结构示意图；
图6为本发明另一实施例提供的一种寿命评估模型的建立设备的结构示意图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的详细说明。附图中相同的部分以相同的标记表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
如图1所示，本发明实施例提供了一种寿命评估模型的建立方法，该方法包括：
步骤101：获取初始评估模型。
其中，该初始评估模型为基于Arrhenius方程得到的数学模型。
处理设备获取初始评估模型，可以是用户向处理设备输入该初始评估模型，或者，处理设备根据Arrhenius方程生成该初始评估模型。
步骤102：通过加速寿命试验，由初始评估模型建立得到寿命评估模型。
其中，该寿命评估模型用于根据一特征温度计算得到产品的一贮存寿命。
获取到初始评估模型后，通过加速寿命试验，对该初始评估模型进行改进即可得到寿命评估模型。
该寿命评估模型用于根据一特征温度计算得到产品的一贮存寿命。换言之，向该寿命评估模型输入一具体的特征温度，便可得到贮存寿命，该贮存寿命为产品在该特征温度相关的环境温度下产生的贮存寿命。
基于上述图1所示的方法，本发明实施还提供了一种寿命评估模型的建立方法，具体如图2所示。
参阅图2，本发明实施例的寿命评估模型的建立方法，包括：
步骤201：获取初始评估模型。
其中，该初始评估模型为基于Arrhenius方程得到的数学模型。该初始评估模型为其中，a和b为寿命因子，a＝lnA，b＝EA/K，A为常数，EA为激活能，T为热力学温度，K为波尔兹曼常数，e表示无理数e，ηi表示贮存寿命，i表示正整数。
处理设备获取初始评估模型。具体来说，处理设备首先获得基于Arrhenius方程的寿命模型。其中，基于Arrhenius方程的寿命模型如下：
上式中，A为常数，EA为激活能，T为热力学温度，K为波尔兹曼常数。
基于Arrhenius方程的寿命模型中，激活能EA和热力学温度T是以幂指数形式存在于公式中，需要采用数学手段对该寿命模型进行数学变换，以方便进行后续处理。
将基于Arrhenius方程的寿命模型数学变换后得到转化公式：
η＝ea+b/T；
上式中，a、b为数学变换后得到的寿命因子，a＝lnA、b＝EA/K。
在温度应力Ti条件下产品寿命服从某一概率分布f(t，ηi)。T为自变量，ηi为Ti温度条件下的贮存寿命。一般f(t，ηi)服从指数分布、正态分布等，本发明实施例中，用户可以根据产品的特点或参考相关标准选取具体的概率分布f(t，ηi)。Ti与ηi符合阿伦尼斯模型，从而根据上述转化公式得到初始评估模型为
该初始评估模型相比于基于Arrhenius方程的寿命模型，可实现通过试验数据拟合手段获得寿命因子的具体值的目的。具体如下述步骤所示。
步骤202：通过加速寿命试验，采用定时测试方法获得不同温度应力Ti条件下的产品失效个数；
步骤203：根据温度应力Ti和产品失效个数求取失效分布函数F(t，ηi)；
步骤204：求取失效分布函数F(t，ηi)的似然函数L(t，ηi)；
步骤205：将初始评估模型代入L(t，ηi)得到似然函数L(a，b)；
步骤206：通过加速寿命试验数据拟合似然函数L(a，b)，得到a和b的值。
其中，该a和b的值为最大似然估计值。
步骤207：将计算得到的a和b的值代入初始评估模型得到寿命评估模型。
这样，通过开展加速寿命试验，采用定时测试方法获得不同温度应力Ti条件下的产品失效个数，此即为试验结果。根据试验结果获得不同温度应力条件下的失效分布函数F(t，ηi)，根据该失效分布函数F(t，ηi)可得到其似然函数L(t，ηi)。将公式代入L(t，ηi)得到似然函数L(a，b)。通过加速寿命试验数据拟合获得a和b的最大似然估计值。将a和b的最大似然估计值代入初始评估模型为便得到寿命评估模型。
可以理解，上述的步骤202至步骤207为步骤102的具体实现方式之一。
综上所述，本发明实施例的方法获取基于Arrhenius方程得到的初始评估模型后，通过加速寿命试验，由初始评估模型可建立得到寿命评估模型，从而，可使用该寿命评估模型根据一特征温度计算得到产品的一贮存寿命，以实现根据产品所在的环境的温度评估出产品的贮存寿命。
如图3所示，本发明实施例还提供了一种贮存寿命的评估方法。
参阅图3，本发明实施例的贮存寿命的评估方法包括：
步骤301：获取贮存环境温度谱。
其中，贮存环境温度谱表示产品的贮存环境在预设时间段的非恒定温度。
产品进行贮存时，处于贮存环境下，该贮存环境在预设时间段内的温度为非恒定温度。贮存环境在预设时间段内的温度变化信息即为贮存环境温度谱。
处理设备获取贮存环境温度谱，可以是用户向处理设备输入该贮存环境温度谱，也可以是处理设备检测产品所在的贮存环境，得到贮存环境温度谱，或者，处理设备从其它设备获取得到贮存环境温度谱。
步骤302：根据贮存环境温度谱，设定N个区间信息。
其中，每一区间信息包括一特征温度和一持续时间，不同持续时间为预设时间段内的不同时间段，N为大于等于1的正整数。
例如，处理设备根据实际贮存环境的贮存环境温度谱，将整个贮存过程划分为n个区间，每个区间对应一个特征温度Tj，每个区间对应一个持续时间ti，如图4所示。
在图4中，横坐标表示时间t，单位可以为秒、小时、天、周、月、或者年等，用户可根据实际情况确定。纵坐标为贮存环境温度T，单位为摄氏度。如图4所示，T1至Tn表示贮存环境中不同的温度梯度；t1～tn表示根据不同温度划分的时间阶段，即持续时间，例如t4表示贮存温度T4的持续时间。
关于步骤302的具体实现方式，持续时间可通过对步骤301的预设时间段内进行划分得到。
可选地，对于每一区间信息，特征温度的取值方法如下：
1)当在持续时间内，贮存环境温度谱的温度为恒定温度时，特征温度为恒定温度的值；
2)当在持续时间内，贮存环境温度谱的温度为线性变化温度时，特征温度为贮存环境温度谱在持续时间内的温度平均值或温度最大值；
3)当在持续时间内，贮存环境温度谱的温度为非线性变化温度时，特征温度为目标温度值或贮存环境温度谱在持续时间内的温度最大值，目标温度值为贮存环境温度谱在持续时间内的温度平均值加1σ得到的值，σ为贮存环境温度谱在持续时间内的温度统计值的标准差。
这样，每个特征温度Tj对应一个基于Arrhenius方程的贮存寿命ηj。
步骤303：利用预存的寿命评估模型，计算每一特征温度对应的贮存寿命。
处理设备得到特征温度后，处理设备可以利用预存的寿命评估模型，计算每一特征温度对应的贮存寿命。
可选地，寿命评估模型为
其中，ηi表示贮存寿命，a表示预设的寿命因子，b表示预设的寿命因子，Ti表示特征温度，e表示无理数e，i表示正整数。
寿命评估模型存储在处理设备上，寿命评估模型具体的建立方法可参阅图1或图2所示实施例的寿命评估模型的建立方法。
步骤304：获取每一特征温度对应的权重值。
处理设备还需获取每一特征温度对应的权重值，其中，权重值表示对贮存寿命的影响程度。可选地，特征温度对应的权重值之和等于1。
例如，处理设备根据每个特征温度的持续时间及数值大小，为每个特征温度分配一个权重值ζj，权重值的大小取决于该特征温度条件和该贮存状态综合作用对贮存寿命的影响程度，所有权重值之和等于1。
权重值具体的设定方式可根据不同需求进行设置，例如，特征温度对应的权重值为与特征温度属于同一区间信息的持续时间占预设时间段的比例；或者，特征温度对应的权重值为根据特征温度对贮存寿命的影响程度设定的值。
例如，一般情况下，可按照每个特征温度Tj对应的持续时间所占总时间(步骤301的预设时间段)的比例进行取值，即当特征温度中存在个别温度点对贮存寿命的影响明显偏大时，可加重该特征温度的权重值。以一个特征温度为例，假定在特征温度点Tk贮存寿命明显受温度持续时间影响较大，则该特征温度点Tk的权重值需要提高m倍，则ζj取值如下：
步骤305：将每一特征温度的贮存寿命和权重值的乘积求和，得到产品的贮存寿命。
通过上述步骤，得到了每一特征温度的贮存寿命和权重值，处理设备可以对每一特征温度的贮存寿命和权重值求取乘积，然后对求取得到的所有乘积相加求和，得到的结果，即每一特征温度的贮存寿命和权重值的乘积相加后的和即为产品的贮存寿命。
这样，本发明实施例的方法在继承了目前基于Arrhenius方程的寿命评估方法的基础上，通过根据贮存环境温度谱选定特征温度，利用寿命评估模型计算特征温度对应的贮存寿命，以及按照不同特征温度对产品寿命的影响为每个特征贮存寿命合理分配一个权重值。从而，将每一特征温度的贮存寿命和权重值的乘积求和，求得的和综合评估出产品的贮存寿命，实现了非恒定贮存温度下的贮存寿命评估方法，解决了复杂温度梯度下贮存寿命的评估问题。
综上所述，获取贮存环境温度谱，其中，贮存环境温度谱表示产品的贮存环境在预设时间段的非恒定温度。然后，根据贮存环境温度谱，设定N个区间信息，每一区间信息包括一特征温度和一持续时间，不同持续时间为预设时间段内的不同时间段，N为大于等于1的正整数。跟着，利用预存的寿命评估模型，计算每一特征温度对应的贮存寿命。获取每一特征温度对应的权重值，权重值表示对贮存寿命的影响程度。从而，将每一特征温度的贮存寿命和权重值的乘积求和，得到产品的贮存寿命。这样，本发明实施例通过将产品所在的贮存环境的贮存环境温度谱设定为N个区间信息，每一区间信息包括一特征温度和一持续时间，从而实现了将非恒定温度离散化，并使用具体的特征温度进行表示。通过寿命评估模型，计算特征温度对应的贮存寿命，以及获取特征温度对应的权重值后，贮存寿命和权重值的乘积之和，即为产品的贮存寿命。从而，产品的贮存环境即使为非恒定温度，本发明实施例仍可准确计算出产品的贮存寿命。
图5为本发明实施例提供的一种贮存寿命的评估设备的结构示意图，该贮存寿命的评估设备可用于执行上述图3所示的贮存寿命的评估方法。
参阅图5，本发明实施例的贮存寿命的评估设备，包括：
获取单元501，用于获取贮存环境温度谱，贮存环境温度谱表示产品的贮存环境在预设时间段的非恒定温度；
设定单元502，用于根据贮存环境温度谱，设定N个区间信息，每一区间信息包括一特征温度和一持续时间，不同持续时间为预设时间段内的不同时间段，N为大于等于1的正整数；
计算单元503，用于利用预存的寿命评估模型，计算每一特征温度对应的贮存寿命；
获取单元501，还用于获取每一特征温度对应的权重值，权重值表示对贮存寿命的影响程度；
求和单元504，用于将每一特征温度的贮存寿命和权重值的乘积求和，得到产品的贮存寿命。
可选地，寿命评估模型为
其中，ηi表示贮存寿命，a表示预设的寿命因子，b表示预设的寿命因子，Ti表示特征温度，e表示无理数e，i表示正整数。
可选地，对于每一区间信息，当在持续时间内，贮存环境温度谱的温度为恒定温度时，特征温度为恒定温度的值；
当在持续时间内，贮存环境温度谱的温度为线性变化温度时，特征温度为贮存环境温度谱在持续时间内的温度平均值或温度最大值；
当在持续时间内，贮存环境温度谱的温度为非线性变化温度时，特征温度为目标温度值或贮存环境温度谱在持续时间内的温度最大值，目标温度值为贮存环境温度谱在持续时间内的温度平均值加1σ得到的值，σ为贮存环境温度谱在持续时间内的温度统计值的标准差。
可选地，所有特征温度对应的权重值之和等于1。
可选地，特征温度对应的权重值为与特征温度属于同一区间信息的持续时间占预设时间段的比例；或者，
特征温度对应的权重值为根据特征温度对贮存寿命的影响程度设定的值。
综上所述，获取单元501获取贮存环境温度谱，该贮存环境温度谱表示产品的贮存环境在预设时间段的非恒定温度，然后，设定单元502根据贮存环境温度谱，设定N个区间信息，其中，每一区间信息包括一特征温度和一持续时间，不同持续时间为预设时间段内的不同时间段，N为大于等于1的正整数。计算单元503利用预存的寿命评估模型，计算每一特征温度对应的贮存寿命；以及获取单元501获取每一特征温度对应的权重值，该权重值表示对贮存寿命的影响程度。然后，求和单元504将每一特征温度的贮存寿命和权重值的乘积求和，得到产品的贮存寿命。这样，本发明实施例通过将产品所在的贮存环境的贮存环境温度谱设定为N个区间信息，每一区间信息包括一特征温度和一持续时间，从而实现了将非恒定温度离散化，并使用具体的特征温度进行表示。通过寿命评估模型，计算特征温度对应的贮存寿命，以及获取特征温度对应的权重值后，贮存寿命和权重值的乘积之和，即为产品的贮存寿命。从而，产品的贮存环境即使为非恒定温度，本发明实施例仍可准确计算出产品的贮存寿命。
图6为本发明实施例提供的一种寿命评估模型的建立设备的结构示意图，该寿命评估模型的建立设备可用于执行上述图1或图2所示的寿命评估模型的建立方法。
参阅图6，本发明实施例的寿命评估模型的建立设备，包括：
获取单元601，用于获取初始评估模型，初始评估模型为基于Arrhenius方程得到的数学模型；
建立单元602，用于通过加速寿命试验，由初始评估模型建立得到寿命评估模型，寿命评估模型用于根据一特征温度计算得到产品的一贮存寿命。
可选地，初始评估模型为a和b为寿命因子，a＝lnA，b＝EA/K，A为常数，EA为激活能，T为热力学温度，K为波尔兹曼常数，e表示无理数e，ηi表示贮存寿命，i表示正整数；
建立单元602包括获取模块603、计算模块604、和拟合模块605；
获取模块603，用于通过加速寿命试验，采用定时测试方法获得不同温度应力Ti条件下的产品失效个数；
计算模块604，用于根据温度应力Ti和产品失效个数求取失效分布函数F(t，ηi)；
计算模块604，还用于求取失效分布函数F(t，ηi)的似然函数L(t，ηi)；
计算模块604，还用于将代入L(t，ηi)得到似然函数L(a，b)；
拟合模块605，用于通过加速寿命试验数据拟合似然函数L(a，b)，得到a和b的值；
计算模块604，还用于将计算得到的a和b的值代入得到寿命评估模型。
综上所述，获取单元601获取初始评估模型，初始评估模型为基于Arrhenius方程得到的数学模型；建立单元602通过加速寿命试验，由初始评估模型建立得到寿命评估模型，寿命评估模型用于根据一特征温度计算得到产品的一贮存寿命。从而，可使用该寿命评估模型根据一特征温度计算得到产品的一贮存寿命，以实现根据产品所在的环境的温度评估出产品的贮存寿命。
本发明实施例还提供了一种存储介质，其内存储有处理器可执行指令，所述指令由一个或一个以上处理器加载，以执行如图3所示实施例的贮存寿命的评估方法，或者如图1或图2所示实施例的寿命评估模型的建立方法。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (10)
1.一种贮存寿命的评估方法，其特征在于，包括：
获取贮存环境温度谱，所述贮存环境温度谱表示产品的贮存环境在预设时间段的非恒定温度；
根据所述贮存环境温度谱，设定N个区间信息，每一区间信息包括一特征温度和一持续时间，不同持续时间为所述预设时间段内的不同时间段，所述N为大于等于1的正整数；
利用预存的寿命评估模型，计算每一特征温度对应的贮存寿命；
获取每一特征温度对应的权重值，权重值表示对贮存寿命的影响程度；
将每一特征温度的贮存寿命和权重值的乘积求和，得到所述产品的贮存寿命。
2.根据权利要求1所述的方法，其特征在于，
所述寿命评估模型为
其中，ηi表示贮存寿命，a表示预设的寿命因子，b表示预设的寿命因子，Ti表示特征温度，e表示无理数e，i表示正整数。
3.根据权利要求1所述的方法，其特征在于，
对于每一区间信息，当在持续时间内，所述贮存环境温度谱的温度为恒定温度时，特征温度为所述恒定温度的值；
当在持续时间内，所述贮存环境温度谱的温度为线性变化温度时，特征温度为所述贮存环境温度谱在持续时间内的温度平均值或温度最大值；
当在持续时间内，所述贮存环境温度谱的温度为非线性变化温度时，特征温度为目标温度值或所述贮存环境温度谱在持续时间内的温度最大值，所述目标温度值为所述贮存环境温度谱在持续时间内的温度平均值加1σ得到的值，所述σ为所述贮存环境温度谱在持续时间内的温度统计值的标准差。
4.根据权利要求1所述的方法，其特征在于，
所有特征温度对应的权重值之和等于1。
5.根据权利要求4所述的方法，其特征在于，
特征温度对应的权重值为与特征温度属于同一区间信息的持续时间占所述预设时间段的比例；或者，
特征温度对应的权重值为根据特征温度对贮存寿命的影响程度设定的值。
6.一种寿命评估模型的建立方法，其特征在于，包括：
获取初始评估模型，所述初始评估模型为基于Arrhenius方程得到的数学模型；
通过加速寿命试验，由所述初始评估模型建立得到寿命评估模型，所述寿命评估模型用于根据一特征温度计算得到产品的一贮存寿命。
7.根据权利要求6所述的方法，其特征在于，
所述初始评估模型为a和b为寿命因子，a＝lnA，b＝EA/K，A为常数，EA为激活能，T为热力学温度，K为波尔兹曼常数，e表示无理数e，ηi表示贮存寿命，i表示正整数；
所述通过加速寿命试验，由所述初始评估模型建立得到寿命评估模型，包括：
通过加速寿命试验，采用定时测试方法获得不同温度应力Ti条件下的产品失效个数；
根据温度应力Ti和产品失效个数求取失效分布函数F(t，ηi)；
求取所述失效分布函数F(t，ηi)的似然函数L(t，ηi)；
将代入L(t，ηi)得到似然函数L(a，b)；
通过加速寿命试验数据拟合似然函数L(a，b)，得到a和b的值；
将计算得到的a和b的值代入得到寿命评估模型。
8.一种贮存寿命的评估设备，其特征在于，包括：
获取单元，用于获取贮存环境温度谱，所述贮存环境温度谱表示产品的贮存环境在预设时间段的非恒定温度；
设定单元，用于根据所述贮存环境温度谱，设定N个区间信息，每一区间信息包括一特征温度和一持续时间，不同持续时间为所述预设时间段内的不同时间段，所述N为大于等于1的正整数；
计算单元，用于利用预存的寿命评估模型，计算每一特征温度对应的贮存寿命；
所述获取单元，还用于获取每一特征温度对应的权重值，权重值表示对贮存寿命的影响程度；
求和单元，用于将每一特征温度的贮存寿命和权重值的乘积求和，得到所述产品的贮存寿命。
9.一种寿命评估模型的建立设备，其特征在于，包括：
获取单元，用于获取初始评估模型，所述初始评估模型为基于Arrhenius方程得到的数学模型；
建立单元，用于通过加速寿命试验，由所述初始评估模型建立得到寿命评估模型，所述寿命评估模型用于根据一特征温度计算得到产品的一贮存寿命。
10.一种存储介质，其内存储有处理器可执行指令，所述指令由一个或一个以上处理器加载，以执行如权利要求1-5中任一的贮存寿命的评估方法，或者如权利要求6-7中任一的寿命评估模型的建立方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811214435.0A CN109460584A (zh) | 2018-10-18 | 2018-10-18 | 贮存寿命的评估方法、模型的建立方法和相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811214435.0A CN109460584A (zh) | 2018-10-18 | 2018-10-18 | 贮存寿命的评估方法、模型的建立方法和相关设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109460584A true CN109460584A (zh) | 2019-03-12 |
Family
ID=65607814
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811214435.0A Pending CN109460584A (zh) | 2018-10-18 | 2018-10-18 | 贮存寿命的评估方法、模型的建立方法和相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109460584A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111584060A (zh) * | 2020-05-06 | 2020-08-25 | 南昌大学第二附属医院 | 防疫耗品多区域管理方法 |
| WO2024077521A1 (zh) * | 2022-10-12 | 2024-04-18 | 河南许继仪表有限公司 | 一种评估电能表内部电容使用寿命的方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102592052A (zh) * | 2012-01-06 | 2012-07-18 | 北京航空航天大学 | 一种航空驱动电路模块贮存动态可靠度计算方法 |
| CN104680005A (zh) * | 2015-02-11 | 2015-06-03 | 北京航空航天大学 | 基于加速因子可行域选择的非平行贮存寿命试验评估方法 |
| CN107228926A (zh) * | 2017-06-09 | 2017-10-03 | 电子科技大学 | 基于加速寿命评估的爆炸逻辑网络可靠性分析方法 |
| CN108333208A (zh) * | 2018-01-22 | 2018-07-27 | 航天科工防御技术研究试验中心 | 一种整机级产品贮存寿命加速试验方法 |
-
2018
- 2018-10-18 CN CN201811214435.0A patent/CN109460584A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102592052A (zh) * | 2012-01-06 | 2012-07-18 | 北京航空航天大学 | 一种航空驱动电路模块贮存动态可靠度计算方法 |
| CN104680005A (zh) * | 2015-02-11 | 2015-06-03 | 北京航空航天大学 | 基于加速因子可行域选择的非平行贮存寿命试验评估方法 |
| CN107228926A (zh) * | 2017-06-09 | 2017-10-03 | 电子科技大学 | 基于加速寿命评估的爆炸逻辑网络可靠性分析方法 |
| CN108333208A (zh) * | 2018-01-22 | 2018-07-27 | 航天科工防御技术研究试验中心 | 一种整机级产品贮存寿命加速试验方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111584060A (zh) * | 2020-05-06 | 2020-08-25 | 南昌大学第二附属医院 | 防疫耗品多区域管理方法 |
| WO2024077521A1 (zh) * | 2022-10-12 | 2024-04-18 | 河南许继仪表有限公司 | 一种评估电能表内部电容使用寿命的方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gil-Marin et al. | The power spectrum and bispectrum of SDSS DR11 BOSS galaxies–II. Cosmological interpretation | |
| Lin et al. | Single-experiment input uncertainty | |
| Beasor et al. | Discrepancies in the ages of young star clusters; evidence for mergers? | |
| CN109460584A (zh) | 贮存寿命的评估方法、模型的建立方法和相关设备 | |
| CN105100504B (zh) | 设备应用耗电管理方法和装置 | |
| Cisewski et al. | Non-parametric 3D map of the intergalactic medium using the Lyman-alpha forest | |
| EP2584519A1 (en) | Purchasing administration device, purchasing administration method, purchasing administration program, and storage medium | |
| US20190028556A1 (en) | System and method for measuring user engagement | |
| US20130103553A1 (en) | Method for estimating flows between economic entities | |
| CN107845016A (zh) | 信息输出方法和装置 | |
| CN108389060A (zh) | 顾客忠诚度信息处理方法及装置 | |
| Rocha et al. | Respondent-driven sampling bias induced by community structure and response rates in social networks | |
| Whitt | Fitting birth-and-death queueing models to data | |
| Guzik et al. | Systematic effects in the sound horizon scale measurements | |
| CN108764699A (zh) | 排班方法、服务器及计算机可读存储介质 | |
| Nemeth et al. | Particle metropolis-adjusted Langevin algorithms | |
| WO2020187987A1 (en) | Population-level gaussian processes for clinical time series forecasting | |
| Arias et al. | Testing the generality of the general factor of personality: An exploratory bifactor approach | |
| Koley et al. | Estimating the kinetic temperature from H i 21-cm absorption studies: correction for turbulence broadening | |
| Singh et al. | Analysis of queue with two phases of service and m phases of repair for server breakdown under N-policy | |
| Louarroudi et al. | On the correct use of stepped-sine excitations for the measurement of time-varying bioimpedance | |
| CN104702420B (zh) | 信息生成方法及装置 | |
| Kortelainen et al. | Observed inflation forecasts and the new Keynesian macro model | |
| Dendievel et al. | Poisson’s equation for discrete-time quasi-birth-and-death processes | |
| Inoue et al. | Toward practical software reliability assessment with change-point based on hazard rate models |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190312 |