CN111340349B - 产品可靠性评估方法、装置、计算机设备和存储介质 - Google Patents

产品可靠性评估方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN111340349B
CN111340349B CN202010108040.3A CN202010108040A CN111340349B CN 111340349 B CN111340349 B CN 111340349B CN 202010108040 A CN202010108040 A CN 202010108040A CN 111340349 B CN111340349 B CN 111340349B
Authority
CN
China
Prior art keywords
fault
simulation result
result data
failure
distribution
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.)
Active
Application number
CN202010108040.3A
Other languages
English (en)
Other versions
CN111340349A (zh
Inventor
吴凡
聂国健
张剑伟
胡宁
陈冰泉
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.)
China Electronic Product Reliability and Environmental Testing Research Institute
Original Assignee
China Electronic Product Reliability and Environmental Testing Research Institute
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 China Electronic Product Reliability and Environmental Testing Research Institute filed Critical China Electronic Product Reliability and Environmental Testing Research Institute
Priority to CN202010108040.3A priority Critical patent/CN111340349B/zh
Publication of CN111340349A publication Critical patent/CN111340349A/zh
Priority to US17/036,521 priority patent/US20210264342A1/en
Application granted granted Critical
Publication of CN111340349B publication Critical patent/CN111340349B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/58—Random or pseudo-random number generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种产品可靠性评估方法、装置、计算机设备和存储介质。所述方法包括：获取并根据各预设元器件的第一故障仿真结果数据中各故障仿真结果数据的标识，得到第二故障仿真结果数据；对第二故障仿真结果数据进行分布拟合，确定各预设元器件的故障分布函数；根据预设第一随机数集合和故障分布函数进行数据抽样，得到各PCBA的故障分布函数和故障分布参数值集合；根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，得到产品的故障分布函数和故障分布参数值集合；根据各PCBA的故障分布函数和故障分布参数值集合以及产品的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果。采用本方法能够准确地对产品进行可靠性评估。

Description

产品可靠性评估方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种产品可靠性评估方法、装置、计算机设备和存储介质。
背景技术
随着故障物理研究的发展，出现了基于故障物理的产品可靠性评估技术，产品可靠性评估是指基于故障物理模型开展故障预计，得到产品可靠性评估结果。
传统产品可靠性评估技术中，是在得到产品评估故障前时间和主故障机理后，假定产品服从某一函数分布，利用该函数分布的公式，拟合得到产品的可靠度函数，根据可靠度函数得到产品的失效时间和失效率的点估计值，根据点估计值对产品进行可靠性评估。
然而，传统产品可靠性评估方法，由于只依靠某一假定的函数分布和点估计值对产品进行可靠性评估，存在评估不准确的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够准确地对产品进行可靠性评估的产品可靠性评估方法、装置、计算机设备和存储介质。
一种产品可靠性评估方法，所述方法包括：
获取各预设元器件的第一故障仿真结果数据；
根据第一故障仿真结果数据中各故障仿真结果数据的标识，得到各预设元器件的第二故障仿真结果数据；
对第二故障仿真结果数据进行分布拟合，确定各预设元器件的故障分布函数；
根据预设第一随机数集合和各预设元器件的故障分布函数进行数据抽样，对抽样后得到的PCBA(printed circuit board assembly，印刷电路板装配)级故障仿真结果数据进行分布拟合，得到各PCBA的故障分布函数和故障分布参数值集合，故障分布参数值集合包括故障分布参数以及失效时间的点估计值和上下限区间值；
根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，得到产品的故障分布函数和故障分布参数值集合；
根据各PCBA的故障分布函数和故障分布参数值集合以及产品的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果。
在其中一个实施例中，获取各预设元器件的第一故障仿真结果数据包括：
获取产品的可靠性仿真结果数据，根据可靠性仿真结果数据确定失效机理优先级；
根据失效机理优先级和预设待分析失效机理数，确定待分析失效机理；
根据待分析失效机理，从可靠性仿真结果数据中获取各预设元器件的第一故障仿真结果数据。
在其中一个实施例中，根据第一故障仿真结果数据中各故障仿真结果数据的标识，得到各预设元器件的第二故障仿真结果数据包括：
根据第一故障仿真结果数据中各故障仿真结果数据的标识，确定与各待分析失效机理对应的故障仿真结果数据；
对与各待分析失效机理对应的故障仿真结果数据进行预处理，根据预处理后的故障仿真结果数据，得到各预设元器件的第二故障仿真结果数据。
在其中一个实施例中，对第二故障仿真结果数据进行分布拟合，确定各预设元器件的故障分布函数包括：
根据各预设元器件的第二故障仿真结果数据，得到各预设元器件的假设函数集合；
对假设函数集合中各假设函数进行拟合检验，根据拟合检验结果从假设函数集合中选取出故障分布函数。
在其中一个实施例中，根据预设第一随机数集合和各预设元器件的故障分布函数进行数据抽样包括：
根据预设第一随机数集合中各第一随机数和各预设元器件的故障分布函数，得到与各第一随机数对应的各预设元器件的失效时间；
对各预设元器件的失效时间进行排序，从中选取出最小的失效时间作为与各第一随机数对应的失效时间；
根据与各第一随机数对应的失效时间，得到PCBA级故障仿真结果数据。
在其中一个实施例中，对抽样后得到的PCBA级故障仿真结果数据进行分布拟合，得到各PCBA的故障分布函数和故障分布参数值集合包括：
对抽样后得到的PCBA级故障仿真结果进行分布拟合，得到各PCBA的故障分布函数；
根据各PCBA的故障分布函数，得到各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数；
根据各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数，得到各PCBA的失效时间的点估值和上下限区间值。
在其中一个实施例中，根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，得到产品的故障分布函数和故障分布参数值集合包括：
根据预设第二随机数集合中各第二随机数和各PCBA的故障分布函数，得到与各第二随机数对应的各PCBA的失效时间；
对各PCBA的失效时间进行排序，从中选取出最小的失效时间作为与各第二随机数对应的失效时间；
根据与各第二随机数对应的失效时间，得到产品级故障仿真结果数据；
对抽样后得到的产品级故障仿真结果进行分布拟合，得到产品的故障分布函数；
根据产品的故障分布函数，得到产品的故障分布参数的点估计值和上下限区间值以及失效时间函数；
根据产品的故障分布参数的点估计值和上下限区间值以及失效时间函数，得到产品的失效时间的点估值和上下限区间值。
一种产品可靠性评估装置，所述装置包括：
获取模块，用于获取各预设元器件的第一故障仿真结果数据；
处理模块，用于根据第一故障仿真结果数据中各故障仿真结果数据的标识，得到各预设元器件的第二故障仿真结果数据；
分布拟合模块，用于对第二故障仿真结果数据进行分布拟合，确定各预设元器件的故障分布函数；
第一抽样模块，用于根据预设第一随机数集合和各预设元器件的故障分布函数进行数据抽样，对抽样后得到的PCBA级故障仿真结果数据进行分布拟合，得到各PCBA的故障分布函数和故障分布参数值集合，故障分布参数值集合包括故障分布参数以及失效时间的点估计值和上下限区间值；
第二抽样模块，用于根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，得到产品的故障分布函数和故障分布参数值集合；
分析模块，用于根据各PCBA的故障分布函数和故障分布参数值集合以及产品的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取各预设元器件的第一故障仿真结果数据；
根据第一故障仿真结果数据中各故障仿真结果数据的标识，得到各预设元器件的第二故障仿真结果数据；
对第二故障仿真结果数据进行分布拟合，确定各预设元器件的故障分布函数；
根据预设第一随机数集合和各预设元器件的故障分布函数进行数据抽样，对抽样后得到的PCBA级故障仿真结果数据进行分布拟合，得到各PCBA的故障分布函数和故障分布参数值集合，故障分布参数值集合包括故障分布参数以及失效时间的点估计值和上下限区间值；
根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，得到产品的故障分布函数和故障分布参数值集合；
根据各PCBA的故障分布函数和故障分布参数值集合以及产品的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取各预设元器件的第一故障仿真结果数据；
根据第一故障仿真结果数据中各故障仿真结果数据的标识，得到各预设元器件的第二故障仿真结果数据；
对第二故障仿真结果数据进行分布拟合，确定各预设元器件的故障分布函数；
根据预设第一随机数集合和各预设元器件的故障分布函数进行数据抽样，对抽样后得到的PCBA级故障仿真结果数据进行分布拟合，得到各PCBA的故障分布函数和故障分布参数值集合，故障分布参数值集合包括故障分布参数以及失效时间的点估计值和上下限区间值；
根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，得到产品的故障分布函数和故障分布参数值集合；
根据各PCBA的故障分布函数和故障分布参数值集合以及产品的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果。
上述产品可靠性评估方法、装置、计算机设备和存储介质，获取各预设元器件的第一故障仿真结果数据，根据第一故障仿真结果数据中各故障仿真结果数据的标识，得到各预设元器件的第二故障仿真结果，进而通过对第二故障仿真结果数据进行分布拟合，实现了对各预设元器件的故障分布函数的准确确定，提高了评估的准确度，在得到各预设元器件的故障分布函数后，根据预设第一随机数集合和各预设元器件的故障分布函数进行数据抽样，得到各PCBA的故障分布函数和故障分布参数值集合，并根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，实现了对产品的故障分布函数和故障分布参数值集合的准确确定，提高了评估的准确度，在得到准确的产品的故障分布函数和故障分布参数值集合后，根据各PCBA的故障分布函数和故障分布参数值集合以及产品的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果，从各PCBA以及产品的失效时间的点估计值以及上下限区间值多角度对产品进行可靠性评估，实现了对产品可靠性的准确评估。
附图说明
图1为一个实施例中产品可靠性评估方法的应用环境图；
图2为一个实施例中产品可靠性评估方法的流程示意图；
图3为另一个实施例中产品可靠性评估方法的流程示意图；
图4为一个实施例中产品可靠性评估方法的示意图；
图5为一个实施例中产品可靠性装置的结构框图；
图6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。
本申请提供的产品可靠性评估方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。服务器104从终端102获取各预设元器件的第一故障仿真结果数据，根据第一故障仿真结果数据中各故障仿真结果数据的标识，得到各预设元器件的第二故障仿真结果数据，对第二故障仿真结果数据进行分布拟合，确定各预设元器件的故障分布函数，根据预设第一随机数集合和各预设元器件的故障分布函数进行数据抽样，对抽样后得到的PCBA级故障仿真结果数据进行分布拟合，得到各PCBA的故障分布函数和故障分布参数值集合，故障分布参数值集合包括故障分布参数以及失效时间的点估计值和上下限区间值，根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，得到产品的故障分布函数和故障分布参数值集合，根据各PCBA的故障分布函数和故障分布参数值集合以及产品的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果。其中，终端102可以但不限于是各种个人计算机、笔记本电脑和平板电脑，服务器104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。
在一个实施例中，如图2所示，提供了一种产品可靠性评估方法，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202，获取各预设元器件的第一故障仿真结果数据。
其中，预设元器件是指基于故障物理的可靠性仿真模型中的元器件模型，预设元器件的数量和类型可按照用户需要自行设置。第一故障仿真结果数据是指在基于故障物理的可靠性仿真实验完成后，得到的部分可靠性仿真结果数据，具体可以由失效机理确定。比如，当失效机理为热应力导致时，第一故障仿真结果数据具体可以是热循环的循环数。又比如，当失效机理为振动应力导致时，第一故障仿真结果数据具体可以是振动时间。
具体的，在基于故障物理的可靠性仿真实验完成后，服务器会根据可靠性仿真结果数据确定预设元器件的失效机理优先级，进而根据预设的待分析失效机理数从可靠性仿真结果数据中筛选出部分符合要求的数据作为预设元器件的第一故障仿真结果数据。其中的待分析失效机理数可按照需要自行设置，比如，当待分析失效机理数为2时，服务器会根据失效机理优先级从可靠性仿真结果数据中筛选出优先级最高的2个失效机理对应的数据。举例说明，服务器可利用蒙特卡洛法从可靠性仿真结果数据中筛选出部分符合要求的数据作为预设元器件的第一故障仿真结果数据。
步骤204，根据第一故障仿真结果数据中各故障仿真结果数据的标识，得到各预设元器件的第二故障仿真结果数据。
其中，各故障仿真结果数据的标识用于对各故障仿真结果数据进行识别。比如，标识具体可以是各故障仿真结果数据的单位。例如，当失效机理为热应力导致时，故障仿真结果数据的标识具体可以是热循环的循环数。又例如，当失效机理为振动应力导致时，故障仿真结果数据的标识具体可以是振动时间。各预设元器件的第二故障仿真结果数据是指综合各失效机理后得到的故障仿真结果数据。比如，第二故障仿真结果数据具体可以是指各预设元器件的失效时间。
具体的，服务器在得到第一故障仿真结果数据后，会根据第一故障仿真结果数据中各故障仿真结果数据的标识对各故障仿真结果数据进行分类，确定与各待分析失效机理对应的故障仿真结果数据，并对与各待分析失效机理对应的故障仿真结果数据进行预处理。这里的预处理是指对部分故障仿真结果数据进行转换，因为第二故障仿真结果数据是指综合各失效机理后得到的故障仿真结果数据，其具体可以为失效时间，当与某一待分析失效机理对应的故障仿真结果数据的单位不为时间单位时，服务器会将该部分故障仿真结果数据转换为以时间为单位的数据。比如，与失效机理为热应力导致对应的故障仿真结果数据的单位为热循环的循环数，服务器就会根据热循环时间对该故障仿真结果数据进行转换。在转换完成后，服务器会根据元器件失效原理得到第二故障仿真结果数据。
步骤206，对第二故障仿真结果数据进行分布拟合，确定各预设元器件的故障分布函数。
其中，对第二故障仿真结果数据进行分布拟合是指确定与第二故障仿真结果数据的数据分布情况最接近的分布函数。分布函数具体可以是正态分布函数、指数分布函数、对数分布函数、二参数威布尔分布函数、三参数威布尔分布函数等。各预设元器件的故障分布函数是指用于表示各预设元器件的第二故障仿真结果数据的数据分布情况的分布函数。
具体的，服务器会对第二故障仿真结果数据进行分布拟合，确定与第二故障仿真结果数据的数据分布情况最接近的分布函数，将该最接近的分布函数作为预设元器件的故障分布函数。
步骤208，根据预设第一随机数集合和各预设元器件的故障分布函数进行数据抽样，对抽样后得到的PCBA级故障仿真结果数据进行分布拟合，得到各PCBA的故障分布函数和故障分布参数值集合，故障分布参数值集合包括故障分布参数以及失效时间的点估计值和上下限区间值。
其中，预设第一随机数集合是指预先设置的随机数的集合，可按照需要自行设置。进行数据抽样是指根据预设第一随机数集合中各随机数和各预设元器件的故障分布函数，抽选出与各第一随机数对应的故障仿真结果数据。PCBA级故障仿真结果数据是指与各第一随机数对应的故障仿真结果数据的集合。对抽样后得到的PCBA级故障仿真结果数据进行分布拟合是指确定与PCBA级故障仿真结果数据的数据分布情况最接近的分布函数。分布函数具体可以是正态分布函数、指数分布函数、对数分布函数、二参数威布尔分布函数、三参数威布尔分布函数等。PCBA的故障分布函数是指用于表示PCBA级故障仿真结果数据的数据分布情况的分布函数。失效时间是指产品失去效能的时间。点估计值是指失效时间具体值，上下限区间值是指失效时间范围值。故障分布参数值集合具体可以是指在指定预设置信度下的故障分布参数值集合。其中，预设置信度是指预先设置的置信度。比如，预设置信度具体可为95％。
具体的，服务器会根据预设第一随机数集合中各第一随机数和各预设元器件的故障分数函数，获取与各第一随机数对应的各预设元器件的故障仿真结果数据，对与各第一随机数对应的各预设元器件的故障仿真结果数据进行排序，根据排序结果从与各第一随机数对应的各预设元器件的故障仿真结果数据中选取出与各第一随机数对应的故障仿真结果数据，将与各第一随机数对应的故障仿真结果数据的集合，作为PCBA级故障仿真结果数据。其中，与各第一随机数对应的各预设元器件的故障仿真结果数据具体可以是各预设元器件的失效时间。举例说明，服务器可利用蒙特卡洛法和各预设元器件的故障分布函数进行数据抽样。在得到PCBA级故障仿真结果数据后，服务器会对PCBA级故障仿真结果数据进行分布拟合，确定与PCBA级故障仿真结果数据的数据分布情况最接近的分布函数，将该最接近的分布函数作为各PCBA的故障分布函数，并根据该故障分布函数和预设置信度，得到故障分布参数值集合。
步骤210，根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，得到产品的故障分布函数和故障分布参数值集合。
其中，预设第二随机数集合是指预先设置的随机数的集合，可按照需要自行设置。进行数据抽样是指根据预设第二随机数集合中各随机数和各PCBA的故障分布函数，抽选出与各第二随机数对应的故障仿真结果数据。产品级故障仿真结果数据是指与各第二随机数对应的故障仿真结果数据的集合。对抽样后得到的产品级故障仿真结果数据进行分布拟合是指确定与产品级故障仿真结果数据的数据分布情况最接近的分布函数。分布函数具体可以是正态分布函数、指数分布函数、对数分布函数、二参数威布尔分布函数、三参数威布尔分布函数等。产品的故障分布函数是指用于表示产品级故障仿真结果数据的数据分布情况的分布函数。
具体的，服务器会根据预设第二随机数集合中各第二随机数和各PCBA的故障分布函数，获取与各第二随机数对应的各PCBA的故障仿真结果数据，对与各第二随机数对应的各PCBA的故障仿真结果数据进行排序，根据排序结果从与各第二随机数对应的各PCBA的故障仿真结果数据中选取出与各第二随机数对应的故障仿真结果数据，将与各第二随机数对应的故障仿真结果数据的集合，作为PCBA级故障仿真结果数据。其中，与各第二随机数对应的各PCBA的故障仿真结果数据具体可以是各PCBA的失效时间。举例说明，服务器可利用蒙特卡洛法和各PCBA的故障分布函数进行数据抽样。在得到产品级故障仿真结果数据后，服务器会对产品级故障仿真结果数据进行分布拟合，确定与产品级故障仿真结果数据的数据分布情况最接近的分布函数，将该最接近的分布函数作为产品的故障分布函数，并根据该故障分布函数和预设置信度，得到故障分布参数值集合。
步骤212，根据各PCBA的故障分布函数和故障分布参数值集合以及产品的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果。
其中，产品可靠性评估结果包括各PCBA的故障分布函数和故障分布参数值集合、产品的故障分布函数和故障分布参数值集合以及PCBA中各预设元器件的故障分布函数和故障分布参数值集合等。其中，预设元器件的故障分布参数值集合可由预设元器件的故障分布函数得到。
具体的，服务器会统计各PCBA的故障分布函数和故障分布参数值集合、产品的故障分布函数和故障分布参数值集合以及PCBA中各预设元器件的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果。
上述产品可靠性评估方法，获取各预设元器件的第一故障仿真结果数据，根据第一故障仿真结果数据中各故障仿真结果数据的标识，得到各预设元器件的第二故障仿真结果，进而通过对第二故障仿真结果数据进行分布拟合，实现了对各预设元器件的故障分布函数的准确确定，提高了评估的准确度，在得到各预设元器件的故障分布函数后，根据预设第一随机数集合和各预设元器件的故障分布函数进行数据抽样，得到各PCBA的故障分布函数和故障分布参数值集合，并根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，实现了对产品的故障分布函数和故障分布参数值集合的准确确定，提高了评估的准确度，在得到准确的产品的故障分布函数和故障分布参数值集合后，根据各PCBA的故障分布函数和故障分布参数值集合以及产品的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果，从各PCBA以及产品的失效时间的点估计值以及上下限区间值多角度对产品进行可靠性评估，实现了对产品可靠性的准确评估。
在一个实施例中，步骤获取各预设元器件的第一故障仿真结果数据包括：
获取产品的可靠性仿真结果数据，根据可靠性仿真结果数据确定失效机理优先级；
根据失效机理优先级和预设待分析失效机理数，确定待分析失效机理；
根据待分析失效机理，从可靠性仿真结果数据中获取各预设元器件的第一故障仿真结果数据。
其中，产品的可靠性仿真结果数据是指在根据产品的元器件以及结构进行基于故障物理的可靠性仿真实验后得到的实验结果。失效机理是指导致失效的原因。
具体的，服务器会从终端获取产品的可靠性仿真结果数据，从可靠性仿真结果数据中读取失效机理优先级，各预设元器件的失效机理优先级可以直接从可靠性仿真结果数据中读取，失效机理优先级根据损伤度确定，损伤度最大的优先级最高。在得到各预设元器件的失效机理优先级后，服务器会根据预设待分析失效机理数，确定待分析失效机理，并根据待分析失效机理，从可靠性仿真结果数据中获取各预设元器件的第一故障仿真结果数据。其中，在可靠性仿真结果数据中的各仿真结果数据都携带有数据标识，通过数据标识可以确定该仿真结果数据是属于哪个元器件的。
本实施例中，通过可靠性仿真结果数据确定失效机理优先级，根据失效机理优先级和预设待分析失效机理数，确定待分析失效机理，根据待分析失效机理，从可靠性仿真结果数据中获取各预设元器件的第一故障仿真结果数据，能够实现对各预设元器件的第一故障仿真结果数据的获取。
在一个实施例中，步骤根据第一故障仿真结果数据中各故障仿真结果数据的标识，得到各预设元器件的第二故障仿真结果数据包括：
根据第一故障仿真结果数据中各故障仿真结果数据的标识，确定与各待分析失效机理对应的故障仿真结果数据；
对与各待分析失效机理对应的故障仿真结果数据进行预处理，根据预处理后的故障仿真结果数据，得到各预设元器件的第二故障仿真结果数据。
其中，待分析失效机理是指根据预设元器件的失效机理优先级和预设待分析失效机理数确定的、用于对产品进行可靠性评估的失效机理。对与各待分析失效机理对应的故障仿真结果数据进行预处理是指对故障仿真结果数据进行转换，将所有失效机理对应的故障仿真结果数据转换为以同一的单位表示的数据。预处理后的故障仿真结果数据是指已转换为同一单位的与各待分析失效机理对应的故障仿真结果数据。比如，同一单位具体可以是时间单位，包括天、小时、分钟等。
具体的，服务器在得到第一故障仿真结果数据后，会根据第一故障仿真结果数据中各故障仿真结果数据的标识对各故障仿真结果数据进行分类，确定与各待分析失效机理对应的故障仿真结果数据，并对与各待分析失效机理对应的故障仿真结果数据进行预处理。其中，各故障仿真结果数据的标识具体可以是指各故障仿真结果数据的单位。比如，与失效机理为热应力导致对应的故障仿真结果数据的单位为热循环的循环数，与失效机理为振动应力导致对应的故障仿真结果数据的单位为小时，服务器通过单位就可以对由热应力导致对应的和由振动应力导致对应的故障仿真结果数据进行区分。
具体的，预处理是指对部分故障仿真结果数据进行转换，因为第二故障仿真结果数据是指综合各失效机理后得到的故障仿真结果数据，其具体可以为失效时间，当与某一待分析失效机理对应的故障仿真结果数据的单位不为时间单位时，服务器会将该部分故障仿真结果数据转换为以时间为单位的数据。比如，与失效机理为热应力导致对应的故障仿真结果数据的单位为热循环的循环数，服务器就会根据热循环时间对该故障仿真结果数据进行转换。在转换完成后，服务器会根据元器件失效原理得到第二故障仿真结果数据。
举例说明，对于各预设元器件，通常假定其失效服从指数分布，失效率为常数，且失效率是各失效机理的失效率的总和。当失效机理为2个时，对于任意预设元器件，可得到其失效率λ的公式为：其中λ1和λ2为该预设元器件的第一种和第二种失效机理，MTBF是指失效时间，通过上述公式，就可以得到预设元器件的失效时间，即第二故障仿真结果数据。
本实施例中，通过第一故障仿真结果数据中各故障仿真结果数据的标识，确定与各待分析失效机理对应的故障仿真结果数据，对与各待分析失效机理对应的故障仿真结果数据进行预处理，根据预处理后的故障仿真结果数据，能够实现对各预设元器件的第二故障仿真结果数据的获取。
在其中一个实施例中，步骤对与各待分析失效机理对应的故障仿真结果数据进行预处理包括：
当待分析失效机理为热应力导致时，根据预设温度剖面时间，对与热应力导致对应的故障仿真结果数据进行预处理。
其中，热应力是指温度改变时，物体由于外在约束以及内部各部分之间的相互约束，使其不能完全自由胀缩而产生的应力，又称变温应力。温度剖面是指在给定时刻，沿一个空间截面卜的温度分布，预设温度剖面时间是预先设定的，可按照需要自行设置。
具体的，当待分析失效机理为热应力导致时，服务器会通过将预设温度剖面时间和与热应力导致对应的故障仿真结果数据相乘，得到与热应力导致对应的失效时间的方式来对与热应力导致对应的故障仿真结果数据进行预处理。
本实施例中，通过预设温度剖面时间，能够实现对与热应力导致对应的故障仿真结果数据进行预处理。
在其中一个实施例中，步骤对第二故障仿真结果数据进行分布拟合，确定各预设元器件的故障分布函数包括：
根据各预设元器件的第二故障仿真结果数据，得到各预设元器件的假设函数集合；
对假设函数集合中各假设函数进行拟合检验，根据拟合检验结果从假设函数集合中选取出故障分布函数。
其中，假设函数集合是指各预设元器件的假设函数的集合，假设函数是指假定的各预设元器件的第二故障仿真结果数据的数据分布满足的函数，具体可以是正态分布函数、指数分布函数、对数分布函数、二参数威布尔分布函数、三参数威布尔分布等。对假设函数集合中各假设函数进行拟合检验是指根据第二故障仿真结果数据和各假设函数，得到各假设函数的拟合检验结果。比如，对假设函数集合中各假设函数进行拟合检验具体可以是采用预设检验方法，对每一个假设函数开展假设检验，得出假设检验结果值，根据各假设函数的假设检验结果值确定拟合检验结果。其中，预设检验方法可以为柯尔莫哥洛夫检验方法。
具体的，服务器会利用极大似然法以及各预设元器件的第二故障仿真结果数据，得到各预设元器件的假设函数集合，对假设函数集合中各假设函数进行拟合检验，得到各假设函数的假设检验结果值，通过比对各假设函数的假设检验结果值确定拟合检验结果，根据拟合检验结果从假设函数集合中选取出故障分布函数。
举例说明，服务器可以通过调用MATLAB中的kstest函数，将各预设元器件的第二故障仿真结果数据和各假设函数的函数式作为输入，得到用于表示假设检验结果的h值和p值，通过比对与各假设函数对应的h值和p值，确定最优假设函数，将该最优假设函数作为拟合检验结果，即预设元器件的故障分布函数。其中，通过比对与各假设函数对应的h值和p值，确定最优假设函数包括：拒绝h值为1的假设函数，并从h值为0的假设函数中选择p值最大的假设函数作为最优假设函数。
本实施例中，根据各预设元器件的第二故障仿真结果数据，得到各预设元器件的假设函数集合，通过对假设函数集合中各假设函数进行拟合检验，能够根据拟合检验结果从假设函数集合中选取出故障分布函数，实现对故障分布函数的确定。
在其中一个实施例中，根据预设第一随机数集合和各预设元器件的故障分布函数进行数据抽样包括：
根据预设第一随机数集合中各第一随机数和各预设元器件的故障分布函数，得到与各第一随机数对应的各预设元器件的失效时间；
对各预设元器件的失效时间进行排序，从中选取出最小的失效时间作为与各第一随机数对应的失效时间；
根据与各第一随机数对应的失效时间，得到PCBA级故障仿真结果数据。
其中，各预设元器件的失效时间是指各预设元器件失去效能的时间。
具体的，服务器会将预设第一随机数集合中各第一随机数作为各预设元器件的故障分布函数的结果值，根据该结果值和故障分布函数，反推得到与各第一随机数对应的各预设元器件的失效时间，即故障分数函数中的自变量。在得到与各第一随机数对应的各预设元器件的失效时间后，服务器会对各预设元器件的失效时间进行排序，从中选取出最小的失效时间作为与各第一随机数对应的失效时间，最后通过汇总与各第一随机数对应的失效时间，得到PCBA级故障仿真结果数据。举例说明，服务器可利用蒙特卡洛法和各预设元器件的故障分布函数，得到与各第一随机数对应的各预设元器件的失效时间。
本实施例中，根据预设第一随机数集合中各第一随机数和各预设元器件的故障分布函数，得到与各第一随机数对应的各预设元器件的失效时间，通过对对各预设元器件的失效时间进行排序，能够从中选取出最小的失效时间作为与各第一随机数对应的失效时间，从而根据与各第一随机数对应的失效时间，得到PCBA级故障仿真结果数据，实现对PCBA级故障仿真结果数据的确定。
在其中一个实施例中，对抽样后得到的PCBA级故障仿真结果数据进行分布拟合，得到各PCBA的故障分布函数和故障分布参数值集合包括：
对抽样后得到的PCBA级故障仿真结果进行分布拟合，得到各PCBA的故障分布函数；
根据各PCBA的故障分布函数，得到各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数；
根据各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数，得到各PCBA的失效时间的点估值和上下限区间值。
其中，失效时间函数是指用于表示失效时间变化趋势的函数。
具体的，服务器会对抽样后得到的PCBA级故障仿真结果进行分布拟合，得到各PCBA的故障分布函数，分布拟合的方式与对第二故障仿真结果数据进行分布拟合的方式相同。对于服从故障分布函数F(t)的PCBA而言，记其失效密度函数为f(t)，则可以得到两者之间的关系为：根据MTBF的定义可以得到用于表示MTBF的PCBA的失效时间函数为：/> 因此，服务器根据PCBA的故障分布函数，就可以计算得到PCBA的失效时间函数以及故障分布参数的点估计值和上下限区间值。在得到PCBA的失效时间函数以及故障分布参数的点估计值和上下限区间值后，服务器通过将故障分布参数的点估计值和上下限区间值带入失效时间函数，就可以计算得到PCBA的失效时间的点估计值和上下限区间值。
本实施例中，根据PCBA的故障分布函数，得到各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数，通过各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数，计算各PCBA的失效时间的点估计值和上下限区间值，能够实现对各PCBA的故障分布函数和故障分布参数值集合的确定。
在其中一个实施例中，根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，得到产品的故障分布函数和故障分布参数值集合包括：
根据预设第二随机数集合中各第二随机数和各PCBA的故障分布函数，得到与各第二随机数对应的各PCBA的失效时间；
对各PCBA的失效时间进行排序，从中选取出最小的失效时间作为与各第二随机数对应的失效时间；
根据与各第二随机数对应的失效时间，得到产品级故障仿真结果数据；
对抽样后得到的产品级故障仿真结果进行分布拟合，得到产品的故障分布函数；
根据产品的故障分布函数，得到产品的故障分布参数的点估计值和上下限区间值以及失效时间函数；
根据产品的故障分布参数的点估计值和上下限区间值以及失效时间函数，得到产品的失效时间的点估值和上下限区间值。
具体的，服务器会将预设第二随机数集合中各第二随机数作为各PCBA的故障分布函数的结果值，根据该结果值和故障分布函数，反推得到与各第二随机数对应的各PCBA的失效时间，即故障分数函数中的自变量。在得到与各第二随机数对应的各PCBA的失效时间后，服务器会对各PCBA的失效时间进行排序，从中选取出最小的失效时间作为与各第二随机数对应的失效时间，最后通过汇总与各第二随机数对应的失效时间，得到产品级故障仿真结果数据。举例说明，服务器可利用蒙特卡洛法和各PCBA的故障分布函数，得到与各第二随机数对应的各PCBA的失效时间。
具体的，服务器会对抽样后得到的产品级故障仿真结果进行分布拟合，得到产品的故障分布函数，分布拟合的方式与对第二故障仿真结果数据进行分布拟合的方式相同。对于服从故障分布函数F(t)的PCBA而言，记其失效密度函数为f(t)，则可以得到两者之间的关系为：根据MTBF的定义可以得到用于表示MTBF的PCBA的失效时间函数为：/>因此，服务器根据产品的故障分布函数，就可以计算得到产品的失效时间函数以及故障分布参数的点估计值和上下限区间值。在得到产品的失效时间函数以及故障分布参数的点估计值和上下限区间值后，服务器通过将故障分布参数的点估计值和上下限区间值带入失效时间函数，就可以计算得到产品的失效时间的点估计值和上下限区间值。
本实施例中，根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，得到产品的故障分布函数和故障分布参数值集合，能够实现对产品的故障分布函数和故障分布参数值集合的获取。
如图3所示，通过一个最具体实施例来说明本申请的产品可靠性评估方法，具体包括以下步骤：
步骤302，获取产品的可靠性仿真结果数据，根据可靠性仿真结果数据确定失效机理优先级；
步骤304，根据失效机理优先级和预设待分析失效机理数，确定待分析失效机理；
步骤306，根据待分析失效机理，从可靠性仿真结果数据中获取各预设元器件的第一故障仿真结果数据；
步骤308，根据第一故障仿真结果数据中各故障仿真结果数据的标识，确定与各待分析失效机理对应的故障仿真结果数据；
步骤310，对与各待分析失效机理对应的故障仿真结果数据进行预处理，根据预处理后的故障仿真结果数据，得到各预设元器件的第二故障仿真结果数据；
步骤312，根据各预设元器件的第二故障仿真结果数据，得到各预设元器件的假设函数集合；
步骤314，对假设函数集合中各假设函数进行拟合检验，根据拟合检验结果从假设函数集合中选取出故障分布函数；
步骤316，根据预设第一随机数集合中各第一随机数和各预设元器件的故障分布函数，得到与各第一随机数对应的各预设元器件的失效时间；
步骤318，对各预设元器件的失效时间进行排序，从中选取出最小的失效时间作为与各第一随机数对应的失效时间；
步骤320，根据与各第一随机数对应的失效时间，得到PCBA级故障仿真结果数据；
步骤322，对抽样后得到的PCBA级故障仿真结果进行分布拟合，得到各PCBA的故障分布函数；
步骤324，根据各PCBA的故障分布函数，得到各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数；
步骤326，根据各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数，得到各PCBA的失效时间的点估值和上下限区间值；
步骤328，根据预设第二随机数集合中各第二随机数和各PCBA的故障分布函数，得到与各第二随机数对应的各PCBA的失效时间；
步骤330，对各PCBA的失效时间进行排序，从中选取出最小的失效时间作为与各第二随机数对应的失效时间；
步骤332，根据与各第二随机数对应的失效时间，得到产品级故障仿真结果数据；
步骤334，对抽样后得到的产品级故障仿真结果进行分布拟合，得到产品的故障分布函数；
步骤336，根据产品的故障分布函数，得到产品的故障分布参数的点估计值和上下限区间值以及失效时间函数；
步骤338，根据产品的故障分布参数的点估计值和上下限区间值以及失效时间函数，得到产品的失效时间的点估值和上下限区间值；
步骤340，根据各PCBA的故障分布函数和故障分布参数值集合中的故障分布参数和失效时间的点估值和上下限区间值，以及产品的故障分布函数和故障分布参数值集合中的故障分布参数和失效时间的点估值和上下限区间值，得到产品可靠性评估结果。
在其中一个实施例中，通过如图4所示的示意图来说明本申请的产品可靠性评估方法。
获取各预设元器件的第一故障仿真结果数据(即初始故障数据)，根据第一故障仿真结果数据中各故障仿真结果数据的标识，得到各预设元器件的第二故障仿真结果数据(即故障数据预处理，得到单点故障数据)，对第二故障仿真结果数据进行分布拟合，确定各预设元器件的故障分布函数(即进行单点分布拟合，得到单点分布)根据预设第一随机数集合和各预设元器件的故障分布函数进行数据抽样，对抽样后得到的PCBA级故障仿真结果数据进行分布拟合，得到各PCBA的故障分布函数和故障分布参数值集合，故障分布参数值集合包括故障分布参数以及失效时间的点估计值和上下限区间值(即对单点分布进行随机抽样，得到PCBA故障分布)，根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，得到产品的故障分布函数和故障分布参数值集合(即进行随机抽样，得到设备故障分布)，根据各PCBA的故障分布函数和故障分布参数值集合以及产品的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果。
应该理解的是，虽然图2-3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2-3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种产品可靠性评估装置，包括：获取模块502、处理模块504、分布拟合模块506、第一抽样模块508、第二抽样模块510和分析模块512，其中：
获取模块502，用于获取各预设元器件的第一故障仿真结果数据；
处理模块504，用于根据第一故障仿真结果数据中各故障仿真结果数据的标识，得到各预设元器件的第二故障仿真结果数据；
分布拟合模块506，用于对第二故障仿真结果数据进行分布拟合，确定各预设元器件的故障分布函数；
第一抽样模块508，用于根据预设第一随机数集合和各预设元器件的故障分布函数进行数据抽样，对抽样后得到的PCBA级故障仿真结果数据进行分布拟合，得到各PCBA的故障分布函数和故障分布参数值集合，故障分布参数值集合包括故障分布参数以及失效时间的点估计值和上下限区间值；
第二抽样模块510，用于根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，得到产品的故障分布函数和故障分布参数值集合；
分析模块512，用于根据各PCBA的故障分布函数和故障分布参数值集合以及产品的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果。
上述产品可靠性评估装置，获取各预设元器件的第一故障仿真结果数据，根据第一故障仿真结果数据中各故障仿真结果数据的标识，得到各预设元器件的第二故障仿真结果，进而通过对第二故障仿真结果数据进行分布拟合，实现了对各预设元器件的故障分布函数的准确确定，提高了评估的准确度，在得到各预设元器件的故障分布函数后，根据预设第一随机数集合和各预设元器件的故障分布函数进行数据抽样，得到各PCBA的故障分布函数和故障分布参数值集合，并根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，实现了对产品的故障分布函数和故障分布参数值集合的准确确定，提高了评估的准确度，在得到准确的产品的故障分布函数和故障分布参数值集合后，根据各PCBA的故障分布函数和故障分布参数值集合以及产品的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果，从各PCBA以及产品的失效时间的点估计值以及上下限区间值多角度对产品进行可靠性评估，实现了对产品可靠性的准确评估。
在其中一个实施例中，获取模块还用于获取产品的可靠性仿真结果数据，根据可靠性仿真结果数据确定失效机理优先级，根据失效机理优先级和预设待分析失效机理数，确定待分析失效机理，根据待分析失效机理，从可靠性仿真结果数据中获取各预设元器件的第一故障仿真结果数据。
在其中一个实施例中，处理模块还用于根据第一故障仿真结果数据中各故障仿真结果数据的标识，确定与各待分析失效机理对应的故障仿真结果数据，对与各待分析失效机理对应的故障仿真结果数据进行预处理，根据预处理后的故障仿真结果数据，得到各预设元器件的第二故障仿真结果数据。
在其中一个实施例中，分布拟合模块还用于根据各预设元器件的第二故障仿真结果数据，得到各预设元器件的假设函数集合，对假设函数集合中各假设函数进行拟合检验，根据拟合检验结果从假设函数集合中选取出故障分布函数。
在其中一个实施例中，第一抽样模块还用于根据预设第一随机数集合中各第一随机数和各预设元器件的故障分布函数，得到与各第一随机数对应的各预设元器件的失效时间，对各预设元器件的失效时间进行排序，从中选取出最小的失效时间作为与各第一随机数对应的失效时间，根据与各第一随机数对应的失效时间，得到PCBA级故障仿真结果数据。
在其中一个实施例中，第一抽样模块还用于对抽样后得到的PCBA级故障仿真结果进行分布拟合，得到各PCBA的故障分布函数，根据各PCBA的故障分布函数，得到各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数，根据各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数，得到各PCBA的失效时间的点估值和上下限区间值。
在其中一个实施例中，第二抽样模块还用于根据预设第二随机数集合中各第二随机数和各PCBA的故障分布函数，得到与各第二随机数对应的各PCBA的失效时间，对各PCBA的失效时间进行排序，从中选取出最小的失效时间作为与各第二随机数对应的失效时间，根据与各第二随机数对应的失效时间，得到产品级故障仿真结果数据，对抽样后得到的产品级故障仿真结果进行分布拟合，得到产品的故障分布函数，根据产品的故障分布函数，得到产品的故障分布参数的点估计值和上下限区间值以及失效时间函数，根据产品的故障分布参数的点估计值和上下限区间值以及失效时间函数，得到产品的失效时间的点估值和上下限区间值。
关于产品可靠性评估装置的具体限定可以参见上文中对于产品可靠性评估方法的限定，在此不再赘述。上述产品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。
在一个实施例中，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6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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第一故障仿真结果数据、第二故障仿真结果数据以及故障分布参数集合等。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产品可靠性评估方法。
本领域技术人员可以理解，图6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。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取各预设元器件的第一故障仿真结果数据；
根据第一故障仿真结果数据中各故障仿真结果数据的标识，得到各预设元器件的第二故障仿真结果数据；
对第二故障仿真结果数据进行分布拟合，确定各预设元器件的故障分布函数；
根据预设第一随机数集合和各预设元器件的故障分布函数进行数据抽样，对抽样后得到的PCBA级故障仿真结果数据进行分布拟合，得到各PCBA的故障分布函数和故障分布参数值集合，故障分布参数值集合包括故障分布参数以及失效时间的点估计值和上下限区间值；
根据预设第二随机数集合和各PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，得到产品的故障分布函数和故障分布参数值集合；
根据各PCBA的故障分布函数和故障分布参数值集合以及产品的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取产品的可靠性仿真结果数据，根据可靠性仿真结果数据确定失效机理优先级，根据失效机理优先级和预设待分析失效机理数，确定待分析失效机理，根据待分析失效机理，从可靠性仿真结果数据中获取各预设元器件的第一故障仿真结果数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据第一故障仿真结果数据中各故障仿真结果数据的标识，确定与各待分析失效机理对应的故障仿真结果数据，对与各待分析失效机理对应的故障仿真结果数据进行预处理，根据预处理后的故障仿真结果数据，得到各预设元器件的第二故障仿真结果数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据各预设元器件的第二故障仿真结果数据，得到各预设元器件的假设函数集合，对假设函数集合中各假设函数进行拟合检验，根据拟合检验结果从假设函数集合中选取出故障分布函数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据预设第一随机数集合中各第一随机数和各预设元器件的故障分布函数，得到与各第一随机数对应的各预设元器件的失效时间，对各预设元器件的失效时间进行排序，从中选取出最小的失效时间作为与各第一随机数对应的失效时间，根据与各第一随机数对应的失效时间，得到PCBA级故障仿真结果数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对抽样后得到的PCBA级故障仿真结果进行分布拟合，得到各PCBA的故障分布函数，根据各PCBA的故障分布函数，得到各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数，根据各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数，得到各PCBA的失效时间的点估值和上下限区间值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据预设第二随机数集合中各第二随机数和各PCBA的故障分布函数，得到与各第二随机数对应的各PCBA的失效时间，对各PCBA的失效时间进行排序，从中选取出最小的失效时间作为与各第二随机数对应的失效时间，根据与各第二随机数对应的失效时间，得到产品级故障仿真结果数据，对抽样后得到的产品级故障仿真结果进行分布拟合，得到产品的故障分布函数，根据产品的故障分布函数，得到产品的故障分布参数的点估计值和上下限区间值以及失效时间函数，根据产品的故障分布参数的点估计值和上下限区间值以及失效时间函数，得到产品的失效时间的点估值和上下限区间值。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(RandomAccess Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)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 (12)

1.一种产品可靠性评估方法，所述方法包括：
获取产品的可靠性仿真结果数据，根据所述可靠性仿真结果数据确定失效机理优先级；
根据所述失效机理优先级和预设待分析失效机理数，确定待分析失效机理；
根据所述待分析失效机理，从所述可靠性仿真结果数据中获取各预设元器件的第一故障仿真结果数据；
根据所述第一故障仿真结果数据中各故障仿真结果数据的标识，确定与各待分析失效机理对应的故障仿真结果数据；
对与各待分析失效机理对应的故障仿真结果数据进行预处理，根据预处理后的故障仿真结果数据，得到各预设元器件的第二故障仿真结果数据；所述预处理是指对部分故障仿真结果数据进行转换，转换为以时间为单元的数据；
对所述第二故障仿真结果数据进行分布拟合，确定各所述预设元器件的故障分布函数；
根据预设第一随机数集合和各所述预设元器件的故障分布函数进行数据抽样，对抽样后得到的PCBA级故障仿真结果数据进行分布拟合，得到各PCBA的故障分布函数和故障分布参数值集合，所述故障分布参数值集合包括故障分布参数以及失效时间的点估计值和上下限区间值；
根据预设第二随机数集合和各所述PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，得到产品的故障分布函数和故障分布参数值集合；
根据各PCBA的故障分布函数和故障分布参数值集合以及产品的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果。
2.根据权利要求1所述的方法，其特征在于，所述对所述第二故障仿真结果数据进行分布拟合，确定各所述预设元器件的故障分布函数包括：
根据各所述预设元器件的第二故障仿真结果数据，得到各所述预设元器件的假设函数集合；
对所述假设函数集合中各假设函数进行拟合检验，根据拟合检验结果从所述假设函数集合中选取出故障分布函数。
3.根据权利要求1所述的方法，其特征在于，所述根据预设第一随机数集合和各所述预设元器件的故障分布函数进行数据抽样包括：
根据预设第一随机数集合中各第一随机数和各所述预设元器件的故障分布函数，得到与各第一随机数对应的各所述预设元器件的失效时间；
对各所述预设元器件的失效时间进行排序，从中选取出最小的失效时间作为与各所述第一随机数对应的失效时间；
根据与各所述第一随机数对应的失效时间，得到PCBA级故障仿真结果数据。
4.根据权利要求1所述的方法，其特征在于，所述对抽样后得到的PCBA级故障仿真结果数据进行分布拟合，得到各PCBA的故障分布函数和故障分布参数值集合包括：
对抽样后得到的PCBA级故障仿真结果进行分布拟合，得到各PCBA的故障分布函数；
根据各PCBA的故障分布函数，得到各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数；
根据各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数，得到各PCBA的失效时间的点估值和上下限区间值。
5.根据权利要求1所述的方法，其特征在于，所述根据预设第二随机数集合和各所述PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，得到产品的故障分布函数和故障分布参数值集合包括：
根据预设第二随机数集合中各第二随机数和各所述PCBA的故障分布函数，得到与各第二随机数对应的各所述PCBA的失效时间；
对各所述PCBA的失效时间进行排序，从中选取出最小的失效时间作为与各所述第二随机数对应的失效时间；
根据与各所述第二随机数对应的失效时间，得到产品级故障仿真结果数据；
对抽样后得到的产品级故障仿真结果进行分布拟合，得到产品的故障分布函数；
根据产品的故障分布函数，得到产品的故障分布参数的点估计值和上下限区间值以及失效时间函数；
根据产品的故障分布参数的点估计值和上下限区间值以及失效时间函数，得到产品的失效时间的点估值和上下限区间值。
6.一种产品可靠性评估装置，其特征在于，所述装置包括：
获取模块，用于获取产品的可靠性仿真结果数据，根据所述可靠性仿真结果数据确定失效机理优先级，根据所述失效机理优先级和预设待分析失效机理数，确定待分析失效机理，根据所述待分析失效机理，从所述可靠性仿真结果数据中获取各预设元器件的第一故障仿真结果数据；
处理模块，用于根据所述第一故障仿真结果数据中各故障仿真结果数据的标识，确定与各待分析失效机理对应的故障仿真结果数据，对与各待分析失效机理对应的故障仿真结果数据进行预处理，根据预处理后的故障仿真结果数据，得到各预设元器件的第二故障仿真结果数据；所述预处理是指对部分故障仿真结果数据进行转换，转换为以时间为单元的数据；
分布拟合模块，用于对所述第二故障仿真结果数据进行分布拟合，确定各所述预设元器件的故障分布函数；
第一抽样模块，用于根据预设第一随机数集合和各所述预设元器件的故障分布函数进行数据抽样，对抽样后得到的PCBA级故障仿真结果数据进行分布拟合，得到各PCBA的故障分布函数和故障分布参数值集合，所述故障分布参数值集合包括故障分布参数以及失效时间的点估计值和上下限区间值；
第二抽样模块，用于根据预设第二随机数集合和各所述PCBA的故障分布函数进行数据抽样，对抽样后得到的产品级故障仿真结果数据进行分布拟合，得到产品的故障分布函数和故障分布参数值集合；
分析模块，用于根据各PCBA的故障分布函数和故障分布参数值集合以及产品的故障分布函数和故障分布参数值集合，得到产品可靠性评估结果。
7.根据权利要求6所述的装置，其特征在于，所述分布拟合模块还用于根据各所述预设元器件的第二故障仿真结果数据，得到各所述预设元器件的假设函数集合，对所述假设函数集合中各假设函数进行拟合检验，根据拟合检验结果从所述假设函数集合中选取出故障分布函数。
8.根据权利要求6所述的装置，其特征在于，所述第一抽样模块还用于根据预设第一随机数集合中各第一随机数和各所述预设元器件的故障分布函数，得到与各第一随机数对应的各所述预设元器件的失效时间，对各所述预设元器件的失效时间进行排序，从中选取出最小的失效时间作为与各所述第一随机数对应的失效时间，根据与各所述第一随机数对应的失效时间，得到PCBA级故障仿真结果数据。
9.根据权利要求6所述的装置，其特征在于，所述第一抽样模块还用于对抽样后得到的PCBA级故障仿真结果进行分布拟合，得到各PCBA的故障分布函数，根据各PCBA的故障分布函数，得到各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数，根据各PCBA的故障分布参数的点估计值和上下限区间值以及失效时间函数，得到各PCBA的失效时间的点估值和上下限区间值。
10.根据权利要求6所述的装置，其特征在于，所述第二抽样模块还用于根据预设第二随机数集合中各第二随机数和各所述PCBA的故障分布函数，得到与各第二随机数对应的各所述PCBA的失效时间，对各所述PCBA的失效时间进行排序，从中选取出最小的失效时间作为与各所述第二随机数对应的失效时间，根据与各所述第二随机数对应的失效时间，得到产品级故障仿真结果数据，对抽样后得到的产品级故障仿真结果进行分布拟合，得到产品的故障分布函数，根据产品的故障分布函数，得到产品的故障分布参数的点估计值和上下限区间值以及失效时间函数，根据产品的故障分布参数的点估计值和上下限区间值以及失效时间函数，得到产品的失效时间的点估值和上下限区间值。
11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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5中任一项所述方法的步骤。
12.一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5中任一项所述的方法的步骤。
CN202010108040.3A 2020-02-21 2020-02-21 产品可靠性评估方法、装置、计算机设备和存储介质 Active CN111340349B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010108040.3A CN111340349B (zh) 2020-02-21 2020-02-21 产品可靠性评估方法、装置、计算机设备和存储介质
US17/036,521 US20210264342A1 (en) 2020-02-21 2020-09-29 Method, Computer Apparatus, And Storage Medium For Evaluating Product Reliability

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010108040.3A CN111340349B (zh) 2020-02-21 2020-02-21 产品可靠性评估方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN111340349A CN111340349A (zh) 2020-06-26
CN111340349B true CN111340349B (zh) 2023-09-05

Family

ID=71185401

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010108040.3A Active CN111340349B (zh) 2020-02-21 2020-02-21 产品可靠性评估方法、装置、计算机设备和存储介质

Country Status (2)

Country Link
US (1) US20210264342A1 (zh)
CN (1) CN111340349B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364491B (zh) * 2020-10-28 2021-10-15 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 系统安全性量化试验方法、装置、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7852592B1 (en) * 2008-01-29 2010-12-14 Western Digital Technologies, Inc. Spiral slope approximation of spiral patterns written to a disk of a disk drive
CN103559418A (zh) * 2013-11-20 2014-02-05 北京航空航天大学 一种基于故障物理的电子产品任务可靠度计算方法
US8689168B1 (en) * 2012-09-28 2014-04-01 Texas Instruments Incorporated Reliability determination taking into account effect of component failures on circuit operation
CN107967398A (zh) * 2017-12-12 2018-04-27 北京航空航天大学 一种产品可靠性分析方法及装置
CN108229049A (zh) * 2018-01-17 2018-06-29 中国航空综合技术研究所 基于性能模型进行多状态系统任务可靠性建模的方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102103658B (zh) * 2010-12-03 2014-05-14 北京航空航天大学 一种实用的电子产品寿命评估模型参数高精度萃取方法
US10452793B2 (en) * 2014-08-26 2019-10-22 International Business Machines Corporation Multi-dimension variable predictive modeling for analysis acceleration
CN104376504B (zh) * 2014-11-06 2017-10-27 国家电网公司 一种基于解析法的配电系统概率可靠性评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7852592B1 (en) * 2008-01-29 2010-12-14 Western Digital Technologies, Inc. Spiral slope approximation of spiral patterns written to a disk of a disk drive
US8689168B1 (en) * 2012-09-28 2014-04-01 Texas Instruments Incorporated Reliability determination taking into account effect of component failures on circuit operation
CN103559418A (zh) * 2013-11-20 2014-02-05 北京航空航天大学 一种基于故障物理的电子产品任务可靠度计算方法
CN107967398A (zh) * 2017-12-12 2018-04-27 北京航空航天大学 一种产品可靠性分析方法及装置
CN108229049A (zh) * 2018-01-17 2018-06-29 中国航空综合技术研究所 基于性能模型进行多状态系统任务可靠性建模的方法

Also Published As

Publication number Publication date
CN111340349A (zh) 2020-06-26
US20210264342A1 (en) 2021-08-26

Similar Documents

Publication Publication Date Title
EP1835426A1 (en) Estimating software power consumption
CN102955902B (zh) 雷达模拟设备可信度的评估方法及评估系统
CN112596964B (zh) 磁盘故障的预测方法及装置
WO2022001125A1 (zh) 一种存储系统的存储故障预测方法、系统及装置
US20100004898A1 (en) Method and system for pre-processing data using the Mahalanobis Distance (MD)
CN111695620A (zh) 一种电力系统时间序列异常数据检测与修正方法及系统
CN117471227B (zh) 汽车线束参数性能测试方法及测试系统
CN114325405A (zh) 电池组一致性分析方法、建模方法、装置、设备及介质
CN116304909A (zh) 一种异常检测模型训练方法、故障场景定位方法及装置
CN116822383A (zh) 设备寿命预测模型构建方法、装置、可读存储介质及设备
CN111967535A (zh) 一种储粮管理场景温度传感器故障诊断方法及其诊断装置
US20090182994A1 (en) Two-level representative workload phase detection method, apparatus, and computer usable program code
CN111340349B (zh) 产品可靠性评估方法、装置、计算机设备和存储介质
CN110852443B (zh) 特征稳定性检测方法、设备及计算机可读介质
CN112416670A (zh) 硬盘测试方法、装置、服务器和存储介质
CN113946983A (zh) 产品可靠性薄弱环节评估方法、装置和计算机设备
CN114355094A (zh) 基于多源信息的产品可靠性薄弱环节综合评估方法和装置
Wehrens et al. Thresholding for biomarker selection in multivariate data using Higher Criticism
KR20220061713A (ko) 스마트 미터의 결측치 대체 방법 및 이를 이용하는 스마트 미터 제어 시스템
US10380304B2 (en) Assistance programs, design assistance methods, and information processing apparatuses
CN111210105B (zh) 连续工作性能验证、装置、计算机设备和存储介质
CN108269004B (zh) 产品寿命分析方法及终端设备
CN114020905A (zh) 一种文本分类外分布样本检测方法、装置、介质及设备
CN112541177A (zh) 一种基于数据安全的异常检测方法及系统
CN117252040B (zh) 多应力加速试验分析方法、电子设备和可读存储介质

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
GR01 Patent grant
GR01 Patent grant