CN111104644A - 可靠性评估方法、装置、计算机设备和存储介质 - Google Patents
可靠性评估方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111104644A CN111104644A CN201911118718.XA CN201911118718A CN111104644A CN 111104644 A CN111104644 A CN 111104644A CN 201911118718 A CN201911118718 A CN 201911118718A CN 111104644 A CN111104644 A CN 111104644A
- Authority
- CN
- China
- Prior art keywords
- data point
- target product
- distribution function
- life distribution
- life
- 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.)
- Withdrawn
Links
Images
Classifications
-
- 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
-
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请涉及一种可靠性评估方法、装置、计算机设备和存储介质。涉及工程技术领域。所述方法包括：首先获取目标产品的各个性能特征维度对应的寿命分布函数，得到多个寿命分布函数，该寿命分布函数用于表征该目标产品不同寿命时长的概率；然后对该多个寿命分布函数进行数据点采样，得到多个采样数据点集合，每个该采样数据点集合对应一个随机概率值，每个该采样数据点集合包括该各个性能特征维度在对应的概率值下的寿命时长；最后基于该多个采样数据点集合，得到该目标产品的整合寿命分布函数。采用本方法能够降低对产品可靠性评估的误差。
Description
技术领域
本申请涉及工程技术领域，特别是涉及一种可靠性评估方法、装置、计算机设备和存储介质。
背景技术
在工程技术领域，可靠性是衡量产品质量的重要指标。因此，对产品可靠性的评估显得尤为重要。相关的，可以利用维纳过程对产品可靠性进行评估。
相关的利用维纳过程对产品可靠性进行评估的过程中，需要先利用维纳方法针对产品在某个性能特征维度下的测试数据建模，得到产品的寿命分布函数，利用该寿命分布函数可以推算出产品的可靠寿命时长，该可靠寿命时长可以作为评估产品可靠性的标准。
然而，相关的利用维纳过程对产品进行可靠性评估的方法中，往往只针对具有单一性能特征维度的产品才有较为准确的评估结果。在产品高集成度发展的趋势下，产品的可靠性会体现在多个性能特征维度上。因此，在利用维纳过程评估高集成度产品可靠性时，会存在评估结果误差较大的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够降低误差的可靠性评估方法、装置、计算机设备和存储介质。
第一方面，提供一种可靠性评估方法，该方法包括：
获取目标产品的各个性能特征维度对应的寿命分布函数，得到多个寿命分布函数，该寿命分布函数用于表征该目标产品不同寿命时长的概率；
对该多个寿命分布函数进行数据点采样，得到多个采样数据点集合，每个该采样数据点集合对应一个随机概率值，每个该采样数据点集合包括该各个性能特征维度在对应的概率值下的寿命时长；
基于该多个采样数据点集合，得到该目标产品的整合寿命分布函数。
在其中一个实施例中，该获取目标产品的各个性能特征维度对应的寿命分布函数，包括：
获取该目标产品在各个性能特征维度下的测试数据，该测试数据用于表征该目标产品在各个性能特征维度下的产品性能与工作时长的关系；
对该测试数据利用维纳过程，得到该目标产品的各个性能特征维度对应的寿命分布函数。
在其中一个实施例中，该对该多个寿命分布函数进行数据点采样，包括：
生成多个随机概率值；
提取该多个寿命分布函数上与该随机概率值对应的数据点。
在其中一个实施例中，该生成多个随机概率值，包括：
利用蒙特卡洛法生成该多个随机概率值。
在其中一个实施例中，该基于该多个采样数据点集合，得到该目标产品的整合寿命分布函数，包括：
根据该多个采样数据点集合得到目标数据点集合，该目标数据点集合包括多组寿命时长与随机概率值的对应关系；
对该目标数据点集合中的该多组寿命时长与随机概率值的对应关系进行拟合，得到该目标产品的整合寿命分布函数。
在其中一个实施例中，该根据该多个采样数据点集合得到目标数据点集合，包括：
将每个该采样数据点集合中数值最小的寿命时长存储到该目标数据点集合中。
在其中一个实施例中，该对该目标数据点集合中的该多组寿命时长与随机概率值的对应关系进行拟合，包括：
利用指数分布函数、威布尔分布函数、正态分布函数和对数正态分布函数分别对该目标数据点集合中的该多组寿命时长与随机概率值的对应关系进行拟合，得到多个初始寿命分布函数。
在其中一个实施例中，该得到多个初始寿命分布函数之后，该方法还包括：
利用柯尔莫哥洛夫-斯米尔诺夫检验方法检验该多个初始寿命分布函数；
利用残差平方和最小方法筛选该多个初始寿命分布函数，得到该目标产品的该整合寿命分布函数。
第二方面，提供一种可靠性评估装置，该装置包括：
获取模块，用于获取目标产品的各个性能特征维度对应的寿命分布函数，得到多个寿命分布函数，该寿命分布函数用于表征该目标产品不同寿命时长的概率；
采样模块，用于对该多个寿命分布函数进行数据点采样，得到多个采样数据点集合，每个该采样数据点集合对应一个随机概率值，每个该采样数据点集合包括该各个性能特征维度在对应的概率值下的寿命时长；
得到模块，用于基于该多个采样数据点集合，得到该目标产品的整合寿命分布函数。
在其中一个实施例中，该获取模块具体用于，获取该目标产品在各个性能特征维度下的测试数据，该测试数据用于表征该目标产品在各个性能特征维度下的产品性能与工作时长的关系；
对该测试数据利用维纳过程，得到该目标产品的各个性能特征维度对应的寿命分布函数。
在其中一个实施例中，该采样模块具体用于，生成多个随机概率值；
提取该多个寿命分布函数上与该随机概率值对应的数据点。
在其中一个实施例中，该采样模块具体用于，利用蒙特卡洛法生成该多个随机概率值。
在其中一个实施例中，该得到模块具体用于，根据该多个采样数据点集合得到目标数据点集合，该目标数据点集合包括多组寿命时长与随机概率值的对应关系；
对该目标数据点集合中的该多组寿命时长与随机概率值的对应关系进行拟合，得到该目标产品的整合寿命分布函数。
在其中一个实施例中，该得到模块具体用于，将每个该采样数据点集合中数值最小的寿命时长存储到该目标数据点集合中。
在其中一个实施例中，该得到模块具体用于，利用指数分布函数、威布尔分布函数、正态分布函数和对数正态分布函数分别对该目标数据点集合中的该多组寿命时长与随机概率值的对应关系进行拟合，得到多个初始寿命分布函数。
在其中一个实施例中，该装置还包括一个检验模块，该检验模块用于，利用柯尔莫哥洛夫-斯米尔诺夫检验方法检验该多个初始寿命分布函数；
利用残差平方和最小方法筛选该多个初始寿命分布函数，得到该目标产品的该整合寿命分布函数。
第三方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行该计算机程序时实现上述第一方面任一所述的方法。
第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面任一所述的方法。
上述可靠性评估方法、装置、计算机设备和存储介质，首先通过获取目标产品的各个性能特征维度对应的寿命分布函数，得到多个寿命分布函数，该寿命分布函数用于表征该目标产品不同寿命时长的概率；然后对该多个寿命分布函数进行数据点采样，得到多个采样数据点集合，每个该采样数据点集合对应一个随机概率值，每个该采样数据点集合包括该各个性能特征维度在对应的概率值下的寿命时长；最后基于该多个采样数据点集合，得到该目标产品的整合寿命分布函数。因为本申请提供的可靠性评估方法，是结合了目标产品在多个性能特征维度下的寿命分布函数，从而得到目标产品的整合寿命分布函数。相比于传统方法中将目标产品的单一性能特征维度对应的寿命分布函数作为目标产品整体的寿命分布函数而言，可以在一定程度上降低对于具有多个性能特征维度产品可靠性评估的误差。
附图说明
图1为一个实施例中可靠性评估方法的应用场景图；
图2为一个实施例中可靠性评估方法的流程示意图；
图3为一个实施例中获取目标产品的各个性能特征维度对应的寿命分布函数的方法的流程示意图；
图4为另一个实施例中对多个寿命分布函数进行数据点采样的方法的流程示意图；
图5为一个实施例中得到目标产品的整合寿命分布函数的方法的流程示意图；
图6为一个实施例中检验初始寿命分布函数的方法的流程示意图；
图7为一个实施例中可靠性评估装置的结构框图；
图8为一个实施例中另一种可靠性评估装置的结构框图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在工程技术领域，可靠性是衡量产品质量的重要指标，可靠性是指元件、产品、或系统在一定时间内、在一定条件下无故障地执行指定功能的能力或可能性。通常可以通过评估产品的寿命数据(例如产品的寿命分布函数)来判断产品的可靠性。一般情况下，可以利用维纳过程得到产品的寿命分布函数，然后根据得到的寿命分布函数对产品进行可靠性的评估。
相关的利用维纳过程得到产品寿命分布函数的过程中，需要先获取产品在某个性能特征维度下的测试数据，然后针对产品在某个性能特征维度下的测试数据进行建模，得到产品的寿命分布函数。产品的性能特征维度指的是可以用来表示产品性能好坏的参考量。
随着产品高集成度的发展，一个产品往往具有不止一个性能特征维度。也就是说，对于这类产品，需要从各个性能特征维度综合去评判产品的可靠性，不能只根据其中一个性能特征维度来判断产品的可靠性。但是传统的维纳方法只能针对单一的性能特征维度建立产品的寿命分布模型。因此，对于具有多个性能特征维度的产品，利用传统的维纳方法对其进行可靠性评估时，会存在误差较大的问题。
本申请提供的可靠性评估方法，可以应用于如图1所示的应用环境中。其中，终端101通过网络连接与服务器102进行通信。服务器102可以对目标产品的各个性能特征维度对应的寿命分布函数实施本申请提供的可靠性评估方法，得到目标产品的整合寿命分布函数，然后服务器102可以将目标产品的整合寿命分布函数发送给终端101。
需要说明的是，本申请提供的可靠性评估方法所涉及到的实施环境可以只包含终端101，也可以只包含服务器102。
其中，终端101可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在本申请实施例中，请参考图2，提供了一种可靠性评估方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤201，服务器获取目标产品的各个性能特征维度对应的寿命分布函数，得到多个寿命分布函数。
性能特征维度表示，可以用于评判目标产品性能好坏的参考量。
该寿命分布函数用于表征该目标产品不同寿命时长的概率。寿命分布函数一般可以用横坐标为时间，纵坐标为概率值的曲线表示，可以根据寿命分布函数曲线得知产品能够正常工作到不同时长下的概率。常见的寿命分布函数有指数分布、威布尔分布、对数正态分布、伽玛分布等。
当目标产品具有多个性能特征维度的情况下，需要获取各个性能特征维度下，目标产品的寿命分布函数。然后将各个性能特征维度下目标产品的寿命分布函数结合起来，对目标产品的可靠性进行综合评估。
例如，对于石英挠性加速度计来说，零偏、标度因数和非线性系数是衡量石英挠性加速度计性能的三个重要性能特征维度，那么，在对石英挠性加速度计进行总体的可靠性评估时，需要先获取石英挠性加速度计分别在零偏、标度因数和非线性系数三个性能特征维度下的寿命分布函数。然后将得到的三个寿命分布函数结合起来，对石英挠性加速度计的可靠性进行评估。
步骤202，服务器对该多个寿命分布函数进行数据点采样，得到多个采样数据点集合。
每个该采样数据点集合对应一个随机概率值，每个该采样数据点集合包括该各个性能特征维度在对应的概率值下的寿命时长。
本步骤中，如果想要将目标产品的多个寿命分布函数结合起来进行评估，就需要先对多个寿命分布函数进行数据点采样，然后对于采样得到的数据点进行评估。
因为寿命分布函数曲线是由无限多的点组成的，因此，在将多个寿命分布函数结合起来评估时，实际上是将多个寿命分布函数曲线上的点结合起来进行评估。理论上，当采样次数越接近于无限多时，采集到的数据越能反应真实情况，最终得到的评估结果也越准确。但实际上，我们无法进行无限次的采样，因此，可以根据实际需要设置采样次数，例如，设置对各个寿命分布函数的采样次数为100000次，那么经过采样后，我们会得到100000组采样数据点集合。
可选的，可以随机生成100000次概率值，然后对各个寿命分布函数上与随机生成的概率值对应的数据点进行采样。
步骤203，服务器基于该多个采样数据点集合，得到该目标产品的整合寿命分布函数。
本步骤中，采样数据点集合中包括多组寿命时长与概率值的对应关系。服务器在获取到多个采样数据点集合后，可以选择对多个数据点集合中的部分数据进行拟合，得到目标产品的整合寿命分布函数。目标产品的整合寿命分布函数可以用于表征目标产品整体的可靠工作时长与概率的关系。
上述可靠性评估方法中，首先通过获取目标产品的各个性能特征维度对应的寿命分布函数，得到多个寿命分布函数，该寿命分布函数用于表征该目标产品不同寿命时长的概率；然后对该多个寿命分布函数进行数据点采样，得到多个采样数据点集合，每个该采样数据点集合对应一个随机概率值，每个该采样数据点集合包括该各个性能特征维度在对应的概率值下的寿命时长；最后基于该多个采样数据点集合，得到该目标产品的整合寿命分布函数。因为本申请提供的可靠性评估方法，是结合了目标产品在多个性能特征维度下的寿命分布函数，从而得到目标产品的整合寿命分布函数。相比于传统方法中将目标产品的单一性能特征维度对应的寿命分布函数作为目标产品整体的寿命分布函数而言，可以在一定程度上降低对于具有多个性能特征维度产品可靠性评估的误差。
在本申请实施例中，请参考图3，提供了一种获取目标产品的各个性能特征维度对应的寿命分布函数的方法，该方法包括：
步骤301，服务器获取该目标产品在各个性能特征维度下的测试数据。
该测试数据用于表征该目标产品在各个性能特征维度下的产品性能与工作时长的关系。本步骤中，在获取目标产品的各个性能特征维度对应的寿命分布函数之前，需要先获取目标产品各个性能特征维度的实际测试数据，然后对实际测试数据作进一步处理。
例如，对于石英挠性加速度计的零偏这一性能特征维度来说，实际操作时，可以对于同一批次中的20个石英挠性加速度计的零偏在不同工作时长下的性能量的进行测试，规定失效阈值为0.02mg，当零偏达到0.02mg时就可以认为石英挠性加速度计失效。这样就可以获得这一批次中每个石英挠性加速度计零偏在不同时刻下的性能量。
进一步，可以根据石英挠性加速度计零偏在不同时刻下的性能量得到石英挠性加速度计在零偏这一性能特征维度下的寿命分布函数。
步骤302，服务器对该测试数据利用维纳过程，得到该目标产品的各个性能特征维度对应的寿命分布函数。
维纳过程是一个重要的独立增量过程，也称作布朗运动过程。数学中，维纳过程是一种连续时间随机过程。维纳过程的模型表述如下所示：
Y(t0+Δt)＝Y(t0)+μΔt+σB(Δt)
其中：Y(t0)表示产品在t0时刻时的性能特征量的值，例如，可以是上述石英挠性加速度计在t0时刻下零偏的性能量的值；
Y(t0+Δt)表示产品在t0+Δt时刻的性能特征量的值，例如，可以是上述石英挠性加速度计在t0+Δt时刻下零偏的性能量的值；
μ是漂移系数，即产品在某个应力水平下的退化速率，例如，可以是上述石英挠性加速度计在温度变化下的退化速率，μ>0；
σ是扩散系数，产品在性能参数退化过程中，σ不随应力而改变，σ>0；
B(Δt)表示标准布朗运动，B(Δt)～N(0,Δt)。
假设D为产品的失效阈值，例如，可以是上述石英挠性加速度计的零偏的失效阈值0.02mg，T为产品性能退化量第一次达到失效阈值的时间，则T服从逆高斯分布。T的累积分布函数如下所示：
其中，t表示产品的工作(贮存)时间，例如可以是上述石英挠性加速度计的工作时间；y0表示产品性能特征量的初始值，例如，可以是上述石英挠性加速度计的零偏的初始性能量的值。
μ、σ2和y0的计算公式如下所示：
其中：M表示同一批次产品的数量，例如，上述石英挠性加速度计一个批次有20个；
i表示产品第i次检测，假设同一批次的产品性能检测的时间相同，以第一次检测为初始时，则后续检测时刻为ti,i＝1,2,…,N；
y0n表示第n个产品检测的初始值，例如，当n为3时，表示上述同一批次20个石英挠性加速度计中第三个石英挠性加速度计零偏的初始性能量；
Yn(ti)表示第n个产品在ti时刻检测的值。
上述T的累积分布函数可以作为产品在单一性能特征维度下的寿命分布函数。例如，可以是上述石英挠性加速度计在零偏这一性能特征维度下的寿命分布函数。同理，可以得到目标产品在多个性能特征维度下的寿命分布函数，例如，可以得到上述石英挠性加速度计在零偏、标度因数和非线性系数三个性能特征维度下的三个寿命分布函数。
在本申请实施例中，因为维纳过程本身包含到布朗运动的特点，也可以理解为维纳过程在生成目标产品在各个性能特征维度下的寿命分布函数考虑到了一定的随机因素，因此利用维纳过程得到的寿命分布函数可以更加准确地表示目标产品在各个性能特征维度下不同寿命时长与概率的关系。
在本申请实施例中，请参考图4，提供了一种对多个寿命分布函数进行数据点采样的方法，该方法包括：
步骤401，服务器生成多个随机概率值。
本步骤中，在对多个寿命分布函数进行采样之前，需要确定采样次数及采样点。
可选的，可以先生成多个随机概率值，然后根据生成的多个随机概率值对目标产品的各个性能特征维度对应的寿命分布函数进行采样。例如，可以在0到1之间随机生成100000个概率值，然后根据生成的100000个概率值对上述石英挠性加速度计的零偏、标度因数和非线性系数分别对应的寿命分布函数进行采样。
步骤402，服务器提取该多个寿命分布函数上与该随机概率值对应的数据点。
本步骤中，寿命分布函数表征的是产品的不同寿命时长的概率分布情况。对于给定的概率值，可以根据寿命分布函数确定出对应的寿命时长。因此，可以利用随机生成概率值，然后根据随机生成的概率值对寿命分布函数进行数据点采样的方法获取到采样数据点集合。
例如，在生成100000个随机概率值之后，可以将上述石英挠性加速度计的零偏、标度因数和非线性系数分别对应的寿命分布函数中与上述100000个随机概率值对应的点提取出来。提取出来的数据点可以作为后续得到目标产品整合寿命分布函数的依据。
在本申请实施例中，通过随机生成概率值的方法进行多个寿命分布函数的数据点采样，使得抽取到的样本可以较为全面的代表寿命分布函数的原本特点。
在本申请实施例中，提供了一种生成多个随机概率值的方法，该方法包括：服务器利用蒙特卡洛法生成该多个随机概率值。
蒙特卡洛法的基本思想是针对某个已知的概率分布函数的随机变量，通过随机抽样方式，从而获得一定数量的样本数据，使得其与该分布函数的总体具有相同的统计特征。
若随机事件xi发生的概率为P{xi}，在进行N次独立抽样过程当中，事件xi发生的频率为m/N(m为事件xi在N次抽样过程中发生的次数)，则对于任意给定的微小正数ε>0，有：
即，当抽样量N达到一定数量，其频率m/N将会以100％的概率收敛于概率P{xi}。同时，也确保了蒙特卡洛抽样方法的收敛性。
为了便于理解，现对蒙特卡洛抽样法的过程做具体说明：
一般来说，可以通过[0，1]的随机数可生成满足给定函数的随机变量值。工程上，往往通过反函数变换法来生成随机变量值。
利用反函数法产生随机变量的步骤为：
第一步：在[0，1]上产生一个均匀分布的随机数序列。
第二步：根据X＝F-1(U)计算满足累积概率分布函数F(X)的随机变量。
以指数分布函数为例进行说明。符合指数分布的随机变量值的概率密度函数为：f(x)＝λe-λx
其累积概率分布函数为：
F(x)＝1-e-λx
根据反变换法：
U＝F(x)＝1-e-λx
则，有
其中：U表示一个均匀分布的随机数序列；
X表示服从指数分布的随机变量。
在利用蒙特卡洛法得到满足目标产品各个性能特征维度对应的寿命分布函数的随机变量生成公式后，可以利用该公式生成多个随机概率值，生成的每个概率值都可以在目标产品的各个性能特征维度对应的寿命分布函数上找到对应的数据点。
在本申请实施例中，因为蒙特卡洛法抽样本身的特点，使得生成的随机概率值都可以满足目标产品的各个性能特征维度对应的寿命分布函数。避免了采样时采到无效数据的情况，一定程度上提高了本申请的可用性。
在本申请实施例中，请参考图5，提供了一种得到目标产品的整合寿命分布函数的方法，该方法包括：
步骤501，服务器根据该多个采样数据点集合得到目标数据点集合。
该目标数据点集合包括多组寿命时长与随机概率值的对应关系。
本步骤中，采样数据点集合中包含一个概率值和目标产品在各个性能特征维度下的寿命分布函数与该概率值对应的寿命时长数据。在得到采样数据点集合之后，并不能对采样数据点集合中的所有数据进行拟合，需要从采样数据数据点集合中选取部分数据作为后续拟合用的数据。
可选的，可以将每个该采样数据点集合中数值最小的寿命时长存储到该目标数据点集合中。因为在实际应用中，若目标产品包含多个性能特征维度，其中，任一性能特征维度失效都会造成目标产品整体失效，所以，需要将目标产品的采样数据点集合中数值最小的寿命时长提取出来，再进行下一步的拟合。
步骤502，服务器对该目标数据点集合中的该多组寿命时长与随机概率值的对应关系进行拟合，得到该目标产品的整合寿命分布函数。
经过上述步骤得到目标数据集合之后，可以对目标数据集合中的数据进行拟合，得到最终的整合寿命分布函数。
具体的，在一个横坐标为时间，纵坐标为概率值的直角坐标系中，将目标数据点集合中的数据点按照寿命时长与概率值的对应关系分布在上述直角坐标系中，得到在坐标系中各个数据点的分布情况。然后对分布在坐标系中的点进行拟合，将拟合之后得到的函数作为目标产品的整合寿命分布函数。
在本申请实施例中，因为在采样数据点集合中合理选取数值最小的寿命时长，然后对选取到的数据进行最终的拟合，使得最终得到的整合寿命分布函数可以更加准确的体现目标产品的寿命时长与概率的对应关系。
在本申请实施例中，提供了一种对多组寿命时长与随机概率值的对应关系进行拟合的方法，该方法包括：服务器利用指数分布函数、威布尔分布函数、正态分布函数和对数正态分布函数分别对该目标数据点集合中的该多组寿命时长与随机概率值的对应关系进行拟合，得到多个初始寿命分布函数。
在本申请实施例中，现对上述各个函数做如下具体说明：
指数分布函数表达式为：F(t)＝1-e-λt，其中，t为失效时间；λ为故障率。
威布尔分布函数表达式为：
其中：α为尺度参数；β为形状参数。
正态分布函数：
其中：μ为数学期望；σ为均方差；Φ(*)为正态分布的累计分布函数。
对数正态分布函数：
可选的，采用最小二乘法对寿命分布函数进行拟合。
在本申请实施例中，提供了多种拟合函数，在实际应用时可以使用上述各个函数对目标数据集合中的数据进行拟合，然后选取其中拟合效果最优的函数作为最终的整合寿命分布函数。一定程度上提高了本申请的可用性。
在本申请实施例中，请参考图6，提供了一种检验初始寿命分布函数的方法，该方法包括：
步骤601，服务器利用柯尔莫哥洛夫-斯米尔诺夫检验方法(英文：K-S)检验该多个初始寿命分布函数。
K-S检验是统计学中在对一组数据进行统计分析是所用到的一种方法。它是将需要做统计分析的数据和另一组标准数据进行对比，求得它和标准数据之间的偏差的方法。一般在K-S检验中，先计算需要做比较的两组观察数据的累积分布函数，然后求这两个累积分布函数的差的绝对值中的最大值D。最后通过查表以确定D值是否落在所要求对应的置信区间内。若D值落在了对应的置信区间内，说明被检测的数据满足要求，反之亦然。
K-S检验法的公式表达如下：
式中：Dn为K-S检验统计量；F0(ti)为采用近似中位秩法评估得到的寿命分布模型点估计；F(ti)为拟合得到的寿命分布模型；Dn,α为K-S检验统计量临界值，可查表得到；α为显著性水平。
步骤602，服务器利用残差平方和最小方法筛选该多个初始寿命分布函数，得到该目标产品的该整合寿命分布函数。
在得到拟合之后的多个初始寿命分布函数之后，需要从多个初始寿命分布函数中选择效果最优寿命分布函数作为目标产品的整合寿命分布函数。可选的，可以采用残差平方和最小的方式进行初始寿命分布模型的优选，其公式表达如下：
寿命分布模型的SSE值越小，说明模型的拟合效果越好。选择最小SSE值的初始寿命分布模型作为目标产品的整合寿命分布模型。
在本申请实施例中，通过对得到的初始寿命分布函数进行检验和筛选，使得最终得到的整合寿命分布函数可以更加准确地反映出目标产品的寿命时长与概率的对应关系。
应该理解的是，虽然图2至图6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2至图6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在本申请实施例中，如图7所示，提供了一种可靠性评估装置700，包括：获取模块701、采样模块702和得到模块703，其中：
获取模块701，用于获取目标产品的各个性能特征维度对应的寿命分布函数，得到多个寿命分布函数，该寿命分布函数用于表征该目标产品不同寿命时长的概率；
采样模块702，用于对该多个寿命分布函数进行数据点采样，得到多个采样数据点集合，每个该采样数据点集合对应一个随机概率值，每个该采样数据点集合包括该各个性能特征维度在对应的概率值下的寿命时长；
得到模块703，用于基于该多个采样数据点集合，得到该目标产品的整合寿命分布函数。
在本申请实施例中，该获取模块701具体用于，获取该目标产品在各个性能特征维度下的测试数据，该测试数据用于表征该目标产品在各个性能特征维度下的产品性能与工作时长的关系；
对该测试数据利用维纳过程，得到该目标产品的各个性能特征维度对应的寿命分布函数。
在本申请实施例中，该采样模块702具体用于，生成多个随机概率值；
提取该多个寿命分布函数上与该随机概率值对应的数据点。
在本申请实施例中，该采样模块702具体用于，利用蒙特卡洛法生成该多个随机概率值。
在本申请实施例中，该得到模块703具体用于，根据该多个采样数据点集合得到目标数据点集合，该目标数据点集合包括多组寿命时长与随机概率值的对应关系；
对该目标数据点集合中的该多组寿命时长与随机概率值的对应关系进行拟合，得到该目标产品的整合寿命分布函数。
在本申请实施例中，该得到模块703具体用于，将每个该采样数据点集合中数值最小的寿命时长存储到该目标数据点集合中。
在在本申请实施例中，该得到模块703具体用于，利用指数分布函数、威布尔分布函数、正态分布函数和对数正态分布函数分别对该目标数据点集合中的该多组寿命时长与随机概率值的对应关系进行拟合，得到多个初始寿命分布函数。
在本申请实施例中，请参考图8，提供了另一种可靠度评估装置800，该可靠性评估装置800除了包括该可靠性评估装置700包含的各模块外，可选的，该可靠性评估装置800还包括检验模块704。
其中，该检验模块704用于，利用柯尔莫哥洛夫-斯米尔诺夫检验方法检验该多个初始寿命分布函数；
利用残差平方和最小方法筛选该多个初始寿命分布函数，得到该目标产品的该整合寿命分布函数。
关于可靠性评估装置的具体限定可以参见上文中对于可靠性评估方法的限定，在此不再赘述。上述可靠性评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在本申请实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储可靠性评估数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种可靠性评估方法。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在本申请实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取目标产品的各个性能特征维度对应的寿命分布函数，得到多个寿命分布函数，该寿命分布函数用于表征该目标产品不同寿命时长的概率；
对该多个寿命分布函数进行数据点采样，得到多个采样数据点集合，每个该采样数据点集合对应一个随机概率值，每个该采样数据点集合包括该各个性能特征维度在对应的概率值下的寿命时长；
基于该多个采样数据点集合，得到该目标产品的整合寿命分布函数。
在本申请实施例中，处理器执行计算机程序时还实现以下步骤：
获取该目标产品在各个性能特征维度下的测试数据，该测试数据用于表征该目标产品在各个性能特征维度下的产品性能与工作时长的关系；
对该测试数据利用维纳过程，得到该目标产品的各个性能特征维度对应的寿命分布函数。
在本申请实施例中，处理器执行计算机程序时还实现以下步骤：
生成多个随机概率值；
提取该多个寿命分布函数上与该随机概率值对应的数据点。
在本申请实施例中，处理器执行计算机程序时还实现以下步骤：
利用蒙特卡洛法生成该多个随机概率值。
在本申请实施例中，处理器执行计算机程序时还实现以下步骤：
根据该多个采样数据点集合得到目标数据点集合，该目标数据点集合包括多组寿命时长与随机概率值的对应关系；
对该目标数据点集合中的该多组寿命时长与随机概率值的对应关系进行拟合，得到该目标产品的整合寿命分布函数。
在本申请实施例中，处理器执行计算机程序时还实现以下步骤：
将每个该采样数据点集合中数值最小的寿命时长存储到该目标数据点集合中。
在本申请实施例中，处理器执行计算机程序时还实现以下步骤：
利用指数分布函数、威布尔分布函数、正态分布函数和对数正态分布函数分别对该目标数据点集合中的该多组寿命时长与随机概率值的对应关系进行拟合，得到多个初始寿命分布函数。
在本申请实施例中，处理器执行计算机程序时还实现以下步骤：
利用柯尔莫哥洛夫-斯米尔诺夫检验方法检验该多个初始寿命分布函数；
利用残差平方和最小方法筛选该多个初始寿命分布函数，得到该目标产品的该整合寿命分布函数。
在本申请实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取目标产品的各个性能特征维度对应的寿命分布函数，得到多个寿命分布函数，该寿命分布函数用于表征该目标产品不同寿命时长的概率；
对该多个寿命分布函数进行数据点采样，得到多个采样数据点集合，每个该采样数据点集合对应一个随机概率值，每个该采样数据点集合包括该各个性能特征维度在对应的概率值下的寿命时长；
基于该多个采样数据点集合，得到该目标产品的整合寿命分布函数。
在本申请实施例中，计算机程序被处理器执行时还实现以下步骤：
获取该目标产品在各个性能特征维度下的测试数据，该测试数据用于表征该目标产品在各个性能特征维度下的产品性能与工作时长的关系；
对该测试数据利用维纳过程，得到该目标产品的各个性能特征维度对应的寿命分布函数。
在本申请实施例中，计算机程序被处理器执行时还实现以下步骤：
生成多个随机概率值；
提取该多个寿命分布函数上与该随机概率值对应的数据点。
在本申请实施例中，计算机程序被处理器执行时还实现以下步骤：
利用蒙特卡洛法生成该多个随机概率值。
在本申请实施例中，计算机程序被处理器执行时还实现以下步骤：
根据该多个采样数据点集合得到目标数据点集合，该目标数据点集合包括多组寿命时长与随机概率值的对应关系；
对该目标数据点集合中的该多组寿命时长与随机概率值的对应关系进行拟合，得到该目标产品的整合寿命分布函数。
在本申请实施例中，计算机程序被处理器执行时还实现以下步骤：
将每个该采样数据点集合中数值最小的寿命时长存储到该目标数据点集合中。
在本申请实施例中，计算机程序被处理器执行时还实现以下步骤：
利用指数分布函数、威布尔分布函数、正态分布函数和对数正态分布函数分别对该目标数据点集合中的该多组寿命时长与随机概率值的对应关系进行拟合，得到多个初始寿命分布函数。
在本申请实施例中，计算机程序被处理器执行时还实现以下步骤：
利用柯尔莫哥洛夫-斯米尔诺夫检验方法检验该多个初始寿命分布函数；
利用残差平方和最小方法筛选该多个初始寿命分布函数，得到该目标产品的该整合寿命分布函数。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种可靠性评估方法，其特征在于，所述方法包括：
获取目标产品的各个性能特征维度对应的寿命分布函数，得到多个寿命分布函数，所述寿命分布函数用于表征所述目标产品不同寿命时长的概率；
对所述多个寿命分布函数进行数据点采样，得到多个采样数据点集合，每个所述采样数据点集合对应一个随机概率值，每个所述采样数据点集合包括所述各个性能特征维度在对应的概率值下的寿命时长；
基于所述多个采样数据点集合，得到所述目标产品的整合寿命分布函数。
2.根据权利要求1所述的方法，其特征在于，所述获取目标产品的各个性能特征维度对应的寿命分布函数，包括：
获取所述目标产品在各个性能特征维度下的测试数据，所述测试数据用于表征所述目标产品在各个性能特征维度下的产品性能与工作时长的关系；
对所述测试数据利用维纳过程，得到所述目标产品的各个性能特征维度对应的寿命分布函数。
3.根据权利要求1所述的方法，其特征在于，所述对所述多个寿命分布函数进行数据点采样，包括：
生成多个随机概率值；
提取所述多个寿命分布函数上与所述随机概率值对应的数据点。
4.根据权利要求3所述的方法，其特征在于，所述生成多个随机概率值，包括：
利用蒙特卡洛法生成所述多个随机概率值。
5.根据权利要求1所述的方法，其特征在于，所述基于所述多个采样数据点集合，得到所述目标产品的整合寿命分布函数，包括：
根据所述多个采样数据点集合得到目标数据点集合，所述目标数据点集合包括多组寿命时长与随机概率值的对应关系；
对所述目标数据点集合中的所述多组寿命时长与随机概率值的对应关系进行拟合，得到所述目标产品的整合寿命分布函数。
6.根据权利要求5所述的方法，其特征在于，所述根据所述多个采样数据点集合得到目标数据点集合，包括：
将每个所述采样数据点集合中数值最小的寿命时长存储到所述目标数据点集合中。
7.根据权利要求5所述的方法，其特征在于，所述对所述目标数据点集合中的所述多组寿命时长与随机概率值的对应关系进行拟合，包括：
利用指数分布函数、威布尔分布函数、正态分布函数和对数正态分布函数分别对所述目标数据点集合中的所述多组寿命时长与随机概率值的对应关系进行拟合，得到多个初始寿命分布函数。
8.根据权利要求7所述的方法，其特征在于，所述得到多个初始寿命分布函数之后，所述方法还包括：
利用柯尔莫哥洛夫-斯米尔诺夫检验方法检验所述多个初始寿命分布函数；
利用残差平方和最小方法筛选所述多个初始寿命分布函数，得到所述目标产品的所述整合寿命分布函数。
9.一种可靠性评估装置，其特征在于，所述装置包括：
获取模块，用于获取目标产品的各个性能特征维度对应的寿命分布函数，得到多个寿命分布函数，所述寿命分布函数用于表征所述目标产品不同寿命时长的概率；
采样模块，用于对所述多个寿命分布函数进行数据点采样，得到多个采样数据点集合，每个所述采样数据点集合对应一个随机概率值，每个所述采样数据点集合包括所述各个性能特征维度在对应的概率值下的寿命时长；
得到模块，用于基于所述多个采样数据点集合，得到所述目标产品的整合寿命分布函数。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911118718.XA CN111104644A (zh) | 2019-11-15 | 2019-11-15 | 可靠性评估方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911118718.XA CN111104644A (zh) | 2019-11-15 | 2019-11-15 | 可靠性评估方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111104644A true CN111104644A (zh) | 2020-05-05 |
Family
ID=70420452
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911118718.XA Withdrawn CN111104644A (zh) | 2019-11-15 | 2019-11-15 | 可靠性评估方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111104644A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111782156A (zh) * | 2020-08-17 | 2020-10-16 | Oppo广东移动通信有限公司 | 存储器寿命指标制定方法、装置、存储介质以及终端 |
| CN111859658A (zh) * | 2020-07-15 | 2020-10-30 | 北京强度环境研究所 | 一种产品贮存寿命与可靠性评估方法 |
| CN113468039A (zh) * | 2021-08-30 | 2021-10-01 | 深圳荣耀智能机器有限公司 | 可靠性评估方法及相关设备 |
| CN113742881A (zh) * | 2020-05-28 | 2021-12-03 | 北京小米移动软件有限公司 | 液冷散热系统工作寿命预测方法、装置及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102042848A (zh) * | 2010-11-23 | 2011-05-04 | 北京航空航天大学 | 基于多元混合时序分析的多性能参数加速退化试验产品寿命预测方法 |
| CN103048607A (zh) * | 2012-12-15 | 2013-04-17 | 华中科技大学 | 一种基于给定阀值的数控成品电路板性能退化测评方法 |
| CN109978187A (zh) * | 2019-03-22 | 2019-07-05 | 金陵科技学院 | 一种飞机引气压力调节活门维修决策方法 |
-
2019
- 2019-11-15 CN CN201911118718.XA patent/CN111104644A/zh not_active Withdrawn
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102042848A (zh) * | 2010-11-23 | 2011-05-04 | 北京航空航天大学 | 基于多元混合时序分析的多性能参数加速退化试验产品寿命预测方法 |
| CN103048607A (zh) * | 2012-12-15 | 2013-04-17 | 华中科技大学 | 一种基于给定阀值的数控成品电路板性能退化测评方法 |
| CN109978187A (zh) * | 2019-03-22 | 2019-07-05 | 金陵科技学院 | 一种飞机引气压力调节活门维修决策方法 |
Non-Patent Citations (1)
| Title |
|---|
| 潘广泽等: "基于维纳过程和蒙特卡洛法的多元性能退化产品可靠性评估", 《环境技术增刊》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113742881A (zh) * | 2020-05-28 | 2021-12-03 | 北京小米移动软件有限公司 | 液冷散热系统工作寿命预测方法、装置及存储介质 |
| CN111859658A (zh) * | 2020-07-15 | 2020-10-30 | 北京强度环境研究所 | 一种产品贮存寿命与可靠性评估方法 |
| CN111859658B (zh) * | 2020-07-15 | 2023-06-27 | 北京强度环境研究所 | 一种产品贮存寿命与可靠性评估方法 |
| CN111782156A (zh) * | 2020-08-17 | 2020-10-16 | Oppo广东移动通信有限公司 | 存储器寿命指标制定方法、装置、存储介质以及终端 |
| CN113468039A (zh) * | 2021-08-30 | 2021-10-01 | 深圳荣耀智能机器有限公司 | 可靠性评估方法及相关设备 |
| CN113468039B (zh) * | 2021-08-30 | 2021-12-17 | 深圳荣耀智能机器有限公司 | 可靠性评估方法及相关设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111104644A (zh) | 可靠性评估方法、装置、计算机设备和存储介质 | |
| CN108959934B (zh) | 安全风险评估方法、装置、计算机设备和存储介质 | |
| CN110941555B (zh) | 测试用例推荐方法、装置、计算机设备和存储介质 | |
| CN109542712B (zh) | 服务器压力测试方法、装置、计算机设备和存储介质 | |
| CN109948276B (zh) | 失效分析方法、装置、设备和存储介质 | |
| CN109714201B (zh) | 网络系统可靠性评估方法、装置、计算机设备和存储介质 | |
| CN113946986B (zh) | 基于加速退化试验的产品平均失效前时间评估方法和装置 | |
| CN115841046B (zh) | 基于维纳过程的加速退化试验数据处理方法和装置 | |
| CN115221801B (zh) | 基于动态近似建模的飞行器不确定性传播分析方法和装置 | |
| CN110990135A (zh) | 基于深度迁移学习的Spark作业时间预测方法和装置 | |
| CN110866682B (zh) | 基于历史数据的地下电缆预警方法和装置 | |
| JP6930602B2 (ja) | 異常判定装置、異常判定方法、及びプログラム | |
| CN114138634B (zh) | 测试用例的选取方法、装置、计算机设备和存储介质 | |
| CN115795928B (zh) | 基于伽马过程的加速退化试验数据处理方法和装置 | |
| CN111210105B (zh) | 连续工作性能验证、装置、计算机设备和存储介质 | |
| CN115186486A (zh) | 导弹低高精度性能数据的独立融合建模及响应预测方法 | |
| Ruiz et al. | Analysis of correlated multivariate degradation data in accelerated reliability growth | |
| CN115795920A (zh) | 基于多应力耦合加速模型的产品可靠性评价方法和装置 | |
| CN110865939B (zh) | 应用程序质量监测方法、装置、计算机设备和存储介质 | |
| CN112884052A (zh) | 结构模态参数提取方法、装置、计算机设备及存储介质 | |
| CN112488528A (zh) | 数据集的处理方法、装置、设备和存储介质 | |
| Hove et al. | On wiener process degradation model for product reliability assessment: a simulation study | |
| CN110377501B (zh) | 模型测试方法、装置、计算机设备和存储介质 | |
| CN117478394B (zh) | 一种基于数字孪生的网络安全分析方法、系统、计算机设备及计算机可读存储介质 | |
| CN113761771B (zh) | 多孔材料吸声性能预测方法、装置、电子设备和存储介质 |
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 | ||
| CB02 | Change of applicant information |
Address after: 511300 No.78, west of Zhucun Avenue, Zhucun street, Zengcheng District, Guangzhou City, Guangdong Province Applicant after: CHINA ELECTRONIC PRODUCT RELIABILITY AND ENVIRONMENTAL TESTING Research Institute (THE FIFTH ELECTRONIC Research Institute OF MIIT)(CEPREI LABORATORY)) Address before: 510610 No. 110 Zhuang Road, Tianhe District, Guangdong, Guangzhou, Dongguan Applicant before: CHINA ELECTRONIC PRODUCT RELIABILITY AND ENVIRONMENTAL TESTING Research Institute (THE FIFTH ELECTRONIC Research Institute OF MIIT)(CEPREI LABORATORY)) |
|
| CB02 | Change of applicant information | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200505 |
|
| WW01 | Invention patent application withdrawn after publication |