CN116434820A - 存储成品的可靠性评价方法、装置、电子设备及存储介质 - Google Patents
存储成品的可靠性评价方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116434820A CN116434820A CN202310147769.5A CN202310147769A CN116434820A CN 116434820 A CN116434820 A CN 116434820A CN 202310147769 A CN202310147769 A CN 202310147769A CN 116434820 A CN116434820 A CN 116434820A
- Authority
- CN
- China
- Prior art keywords
- flash memory
- reliability
- test
- data set
- data
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 97
- 230000015654 memory Effects 0.000 claims abstract description 206
- 238000012360 testing method Methods 0.000 claims abstract description 194
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012216 screening Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 239000007787 solid Substances 0.000 abstract description 14
- 238000007667 floating Methods 0.000 description 9
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 235000012239 silicon dioxide Nutrition 0.000 description 3
- 239000000377 silicon dioxide Substances 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- CXOXHMZGEKVPMT-UHFFFAOYSA-N clobazam Chemical compound O=C1CC(=O)N(C)C2=CC=C(Cl)C=C2N1C1=CC=CC=C1 CXOXHMZGEKVPMT-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229940044442 onfi Drugs 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C29/00—Checking stores for correct operation ; Subsequent repair; Testing stores during standby or offline operation
- G11C29/56—External testing equipment for static stores, e.g. automatic test equipment [ATE]; Interfaces therefor
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C16/00—Erasable programmable read-only memories
- G11C16/02—Erasable programmable read-only memories electrically programmable
- G11C16/06—Auxiliary circuits, e.g. for writing into memory
- G11C16/34—Determination of programming status, e.g. threshold voltage, overprogramming or underprogramming, retention
-
- 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
- Techniques For Improving Reliability Of Storages (AREA)
Abstract
本申请公开了一种存储成品的可靠性评价方法、装置、电子设备及存储介质,涉及闪存技术领域,解决了目前存在重复的编程和擦除操作使得闪存芯片氧化层变薄以及阈值电压偏移,造成固态硬盘的可靠性难以评价的问题。该方法包括:响应于闪存测试请求,生成闪存测试指令文件,将闪存测试指令文件发送至闪存测试请求指示的存储成品;接收测试数据集,采用预设筛选模型对测试数据集进行处理,得到可靠性数据;获取多个可靠性评价,将可靠性数据与每个可靠性评价对应的数值区间进行比对,确定目标可靠性评价并输出。
Description
技术领域
本申请涉及闪存技术领域,更具体地,涉及一种存储成品的可靠性评价方法、装置、电子设备及存储介质。
背景技术
固态硬盘(Solid State Disk,SSD)由控制单元和存储单元组成,其中,存储单元包括闪存(FLASH)芯片或动态随机存取内存(DRAM)芯片,基于闪存的固态硬盘是固态硬盘的主要类别,其主体为PCB(Printed Circuit Board,印制电路板)板,PCB板上集成有控制芯片和用于存储数据的闪存芯片。
在实际应用的过程中,需要不断对固态硬盘中的闪存芯片进行编程和擦除操作,重复的编程和擦除操作会使得闪存芯片氧化层变薄以及阈值电压偏移,导致闪存芯片损坏,造成数据丢失,因此,固态硬盘的可靠性问题成为固态硬盘持续发展亟待解决的难题。
发明内容
有鉴于此,本发明提供了一种存储成品的可靠性评价方法、装置、电子设备及存储介质,主要目的在于解决目前存在重复的编程和擦除操作使得闪存芯片氧化层变薄以及阈值电压偏移,造成固态硬盘的可靠性难以评价的问题。
依据本申请第一方面,提供了一种存储成品的可靠性评价方法,所述存储成品包括控制单元和闪存芯片,包括:
响应于闪存测试请求,生成闪存测试指令文件,将所述闪存测试指令文件发送至所述闪存测试请求指示的存储成品,其中,所述闪存测试指令文件携带多个待执行操作信息;
接收测试数据集,采用预设筛选模型对所述测试数据集进行处理,得到可靠性数据,所述测试数据集是所述控制单元接收到所述闪存测试指令文件时,按照所述多个待执行操作信息对所述闪存芯片进行闪存操作并在闪存操作的过程中生成的;
获取多个可靠性评价,将所述可靠性数据与每个可靠性评价对应的数值区间进行比对,确定目标可靠性评价并输出。
可选地,所述响应于闪存测试请求,生成闪存测试指令文件,包括:
响应于所述闪存测试请求,定义与所述存储成品中主控单元之间的信息传输指令格式;
获取多个原始操作信息,以及按照所述信息传输指令格式对所述多个原始操作信息进行转换,得到所述多个待执行操作信息;
基于所述多个待执行操作信息生成所述闪存测试指令文件,所述闪存测试指令文件包括编程操作指令、擦除操作指令、读操作指令、读ID操作指令和读状态指令中的多种,且每个待执行操作信息对应一指令。
可选地,所述采用预设筛选模型对所述测试数据集进行处理,得到可靠性数据,包括:
在所述测试数据集中识别用于可靠性预测的测试数据作为目标测试数据;
对所述目标测试数据进行线性运算或非线性运算,得到所述目标测试数据对应的目标运算数据;
将所述测试数据集和所述目标运算数据进行组合,得到待运算数据集;
获取芯片筛选参数,并从所述待运算数据集中提取所述芯片筛选参数指示的待运算数据;
基于所述待运算数据将所述闪存芯片包括的多个闪存块划分为多个等级,统计划分到每个等级的闪存块的数量;
分别计算所述每个等级的闪存块的数量与所述多个闪存块的总数量的比值,得到所述每个等级对应的闪存块占比;
获取所述预设筛选模型,将所述每个等级对应的闪存块占比输入到所述预设筛选模型中,得到所述可靠性数据。
可选地,所述基于所述待运算数据将所述闪存芯片包括的多个闪存块划分为多个等级,包括:
获取所述多个等级,其中,所述多个等级中每个等级对应一可靠性参数区间,可靠性参数为原始误码率、擦除时间、编程/擦除次数和数据保持时间中的一种;
从所述待运算数据中提取每个闪存块对应的可靠性参数的值,将所述每个闪存块对应的可靠性参数的值与所述每个等级对应的可靠性参数区间进行比对,确定所述每个闪存块对应的可靠性参数的值所属的目标可靠性参数区间,以及将相应闪存块划分至所述目标可靠性参数区间对应的等级中。
可选地,所述获取多个可靠性评价之前,所述方法还包括:
获取多个可靠性等级;
确定所述多个可靠性等级中每个可靠性等级对应的可靠性评价字段,并采用所述可靠性评价字段对对应的可靠性等级进行标注,得到所述多个可靠性评价。
可选地,所述确定目标可靠性评价并输出之后,所述方法还包括:
获取寿命预测模型,以及从所述测试数据集中提取用于寿命预测的目标预测数据;
将所述目标预测数据输入到所述寿命预测模型中,得到每个闪存块的剩余寿命;
计算多个闪存块的剩余寿命的和值,以及统计所述多个闪存块的总数量;
计算所述和值与所述多个闪存块的总数量的比值,得到剩余寿命平均值作为所述存储成品的剩余寿命预测值。
可选地,所述获取寿命预测模型之前,所述方法还包括:
获取训练数据集,所述训练数据集包括多个闪存芯片对应的多个样本数据;
采用神经网络算法对所述训练数据集进行训练,得到所述寿命预测模型,其中,每隔预设周期重新获取新的训练数据集,以及采用所述新的训练数据集对所述寿命预测模型的模型参数进行更新。
依据本申请第二方面,提供了一种存储成品的可靠性评价装置,所述存储成品包括控制单元和闪存芯片,包括:
生成模块,响应于闪存测试请求,生成闪存测试指令文件,将所述闪存测试指令文件发送至所述闪存测试请求指示的存储成品,其中,所述闪存测试指令文件携带多个待执行操作信息;
处理模块,用于接收测试数据集,采用预设筛选模型对所述测试数据集进行处理,得到可靠性数据,所述测试数据集是所述控制单元接收到所述闪存测试指令文件时,按照所述多个待执行操作信息对所述闪存芯片进行闪存操作并在闪存操作的过程中生成的;
评价模块,用于获取多个可靠性评价,将所述可靠性数据与每个可靠性评价对应的数值区间进行比对,确定目标可靠性评价并输出。
依据本申请第三方面,提供了一种电子设备,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上述第一方面中任一项所述方法的步骤。
依据本申请第四方面,提供了一种存储介质,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上述第一方面中任一项所述的方法的步骤。
借由上述技术方案,本申请提供了一种存储成品的可靠性评价方法,首先响应于闪存测试请求,生成闪存测试指令文件,将闪存测试指令文件发送至闪存测试请求指示的存储成品,随后接收测试数据集,采用预设筛选模型对测试数据集进行处理,得到可靠性数据,最后获取多个可靠性评价,将可靠性数据与每个可靠性评价对应的数值区间进行比对,确定目标可靠性评价并输出;存储成品中的控制单元接收到闪存测试指令文件时,按照多个待执行操作信息对闪存芯片进行闪存操作并在闪存操作的过程中生成测试数据集,并将测试数据集发送至闪存测试系统或集成有上位机的闪存测试系统,闪存测试系统或集成有上位机的闪存测试系统采用预设筛选模型对测试数据集进行处理,得到可靠性数据,最后将可靠性数据与获取的多个可靠性评价进行比对,得到了存储成品的目标可靠性评价并输出,解决了目前存在重复的编程和擦除操作使得闪存芯片氧化层变薄以及阈值电压偏移,造成固态硬盘的可靠性难以评价的问题。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本申请实施例提供的一种存储成品的可靠性评价方法的流程图。
图2示出了本申请实施例提供的另一种存储成品的可靠性评价方法的流程图。
图3A示出了本申请实施例提供的一种存储成品的可靠性评价装置的结构示意图。
图3B示出了本申请实施例提供的一种存储成品的可靠性评价装置的结构示意图。
图3C示出了本申请实施例提供的一种存储成品的可靠性评价装置的结构示意图。
图3D示出了本申请实施例提供的一种存储成品的可靠性评价装置的结构示意图。
图4示出了本申请实施例提供的一种电子设备的装置结构示意图。
具体实施方式
此处参考附图描述本申请的各种方案以及特征。
应理解的是,可以对此处申请的实施例做出各种修改。因此,上述说明书不应该视为限制,而仅是作为实施例的范例。本领域的技术人员将想到在本申请的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例,并且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起用于解释本申请的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述,本申请的这些和其它特性将会变得显而易见。
还应当理解,尽管已经参照一些具体实例对本申请进行了描述,但本领域技术人员能够确定地实现本申请的很多其它等效形式。
当结合附图时,鉴于以下详细说明,本申请的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本申请的具体实施例;然而,应当理解,所申请的实施例仅仅是本申请的实例,其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本申请模糊不清。因此,本文所申请的具体的结构性和功能性细节并非意在限定,而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本申请。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”,其均可指代根据本申请的相同或不同实施例中的一个或多个。
本申请实施例提供一种存储成品的可靠性评价方法,如图1所示,存储成品包括控制单元和闪存芯片,包括:
101、响应于闪存测试请求,生成闪存测试指令文件,将闪存测试指令文件发送至闪存测试请求指示的存储成品。
具体地,在实际应用的过程中,存储成品可以为固态硬盘(SSD),SSD主要由控制单元和存储单元组成,其中,存储单元可以为闪存(FLASH)芯片或动态随机存取内存(DRAM)芯片,本申请实施例中的存储单元优选闪存芯片,即,在本申请实施例中,固态硬盘由控制单元和闪存芯片组成,其中,闪存芯片包括多个闪存块,且控制单元与闪存芯片之间通过Toggle(一种协议)、ONFI(一种协议)等协议实现通信。
需要说明的是,闪存芯片通常包括多个闪存块。以浮栅闪存为例,闪存块可以理解为最小的存储单元,是一种类NMOS(N-Metal-Oxide-Semiconductor,N型金属-氧化物-半导体)的双层浮栅(Floating Gate)MOS管,其中,在源极(Source)和漏极(Drain)之间电流单向传导的半导体上形成存储电子的浮栅,浮栅上下被绝缘层包围,存储在里面的电子不会因为掉电而消失,所以闪存是非易失性存储器。单个闪存块即一个浮栅场效应管由控栅(Control Gate,CG)、浮栅(Floating Gate,FG)、半导体二氧化硅绝缘层以及输入端和输出端导线(字线,位线),感应器等逻辑元件组成;浮栅是一个逻辑电路,这个电路处于二氧化硅绝缘层之中,在二氧化硅绝缘层外部为另一个门电路即控制栅;写操作是在控制极加正电压,使电子通过绝缘层进入浮栅极,擦除操作正好相反,是在衬底加正电压,把电子从浮栅极中吸出来。
102、接收测试数据集,采用预设筛选模型对测试数据集进行处理,得到可靠性数据。
在本申请实施例中,测试数据集是控制单元接收到闪存测试指令文件时,按照多个待执行操作信息对闪存芯片进行闪存操作并在闪存操作的过程中生成的,其中,测试数据集包括但不限于电流、芯片功耗、阈值电压分布、擦除时间、编程时间、读取时间、编程/擦除次数、块编号、页面编号、原始错误比特数和原始错误数。
103、获取多个可靠性评价,将可靠性数据与每个可靠性评价对应的数值区间进行比对,确定目标可靠性评价并输出。
本申请实施例提供的方法,首先响应于闪存测试请求,生成闪存测试指令文件,将闪存测试指令文件发送至闪存测试请求指示的存储成品,随后接收测试数据集,采用预设筛选模型对测试数据集进行处理,得到可靠性数据,最后获取多个可靠性评价,将可靠性数据与每个可靠性评价对应的数值区间进行比对,确定目标可靠性评价并输出;存储成品中的控制单元接收到闪存测试指令文件时,按照多个待执行操作信息对闪存芯片进行闪存操作并在闪存操作的过程中生成测试数据集,并将测试数据集发送至闪存测试系统或集成有上位机的闪存测试系统,闪存测试系统或集成有上位机的闪存测试系统采用预设筛选模型对测试数据集进行处理,得到可靠性数据,最后将可靠性数据与获取的多个可靠性评价进行比对,得到了存储成品的目标可靠性评价并输出,解决了目前存在重复的编程和擦除操作使得闪存芯片氧化层变薄以及阈值电压偏移,造成固态硬盘的可靠性难以评价的问题。
本申请实施例提供一种存储成品的可靠性评价方法,如图2所示,包括:
201、响应于闪存测试请求,生成闪存测试指令文件,将闪存测试指令文件发送至闪存测试请求指示的存储成品。
在本申请实施例中,响应于闪存测试请求,首先定义与存储成品中主控单元之间的信息传输指令格式,接着获取多个原始操作信息,以及按照信息传输指令格式对多个原始操作信息进行转换,得到多个待执行操作信息,随后基于多个待执行操作信息生成所述闪存测试指令文件,最后将闪存测试指令文件发送至闪存测试请求指示的存储成品,其中,闪存测试指令文件可以包括编程操作指令、擦除操作指令、读操作指令、读ID操作指令和读状态指令中的多种,且每个待执行操作信息对应一指令。
需要说明的是,在本申请实施例中,执行主体可以为闪存测试系统,该闪存测试系统集成有上位机,即闪存测试系统可以包括上位机和测试系统,测试系统响应于闪存测试请求,生成测试脚本,例如,测试脚本为对地址A擦除数据然后写数据n字节(nByte),等待t时间后读地址A数据,上位机解析测试脚本成多个SSD能够执行的指令,如擦除地址A数据、写nByte数据、读地址A数据,接着通过以太网将测试脚本发送至上位机,上位机解析测试脚本,并基于测试脚本生成闪存测试指令文件。
202、接收测试数据集,采用预设筛选模型对测试数据集进行处理,得到可靠性数据。
在本申请实施例中,接收测试数据集之后,集成有上位机的闪存测试系统在测试数据集中识别用于可靠性预测的测试数据作为目标测试数据,并对目标测试数据进行线性运算或非线性运算,得到目标测试数据对应的目标运算数据,接着将测试数据集和目标运算数据进行组合,得到待运算数据集,以及获取芯片筛选参数,并从待运算数据集中提取芯片筛选参数指示的待运算数据,随后获取多个等级,其中,多个等级中每个等级对应一可靠性参数区间,可靠性参数为原始误码率、擦除时间、编程/擦除次数和数据保持时间中的一种;从待运算数据中提取每个闪存块对应的可靠性参数的值,将每个闪存块对应的可靠性参数的值与每个等级对应的可靠性参数区间进行比对,确定每个闪存块对应的可靠性参数的值所属的目标可靠性参数区间,以及将相应闪存块划分至所述目标可靠性参数区间对应的等级中,例如,可靠性参数为原始误码率,即,多个等级中每个等级对应一原始误码率区间,以及从待运算数据中提取每个闪存块对应的原始误码率,将每个闪存块对应的原始误码率与每个等级对应的原始误码率区间进行比对,确定每个闪存块对应的原始误码率所属的目标原始误码率区间,以及将相应闪存块划分至目标原始误码率区间对应的等级中,然后统计划分到每个等级的闪存块的数量,接着分别计算每个等级的闪存块的数量与多个闪存块的总数量的比值,得到每个等级对应的闪存块占比,最后获取预设筛选模型,将每个等级对应的闪存块占比输入到预设筛选模型中,得到可靠性数据。
示例性地,接收到测试数据集之后,从测试数据集中识别每个闪存块的原始错误比特数与写入比特数,并计算每个闪存块的原始错误比特数与写入比特数的比值,得到每个闪存块对应的原始误码率,接着将每个闪存块对应的原始误码率和测试数据集进行组合,得到待运算数据集,待运算数据集包括但不限于电流、芯片功耗、阈值电压分布、擦除时间、编程时间、读取时间、编程/擦除次数、块编号、页面编号、原始错误比特数、原始错误数以及原始误码率,接着获取原始误码率筛选参数,在待运算数据集中筛选出每个闪存块对应的原始误码率,基于原始误码率将闪存芯片包括的多个闪存块划分为多个等级,如A等级原始误码率小于0.0001,B等级原始误码率在[0.0001,0.0003)范围,C等级原始误码率在[0.0003,0.0005)范围,D等级原始误码率大于等于0.0005,统计划分到每个等级的闪存块的数量,如,A等级的闪存块的数量为100,B等级的闪存块的数量为80,C等级的闪存块的数量为10,D等级的闪存块的数量为10,分别计算每个等级的闪存块的数量与多个闪存块的总数量的比值,得到每个等级对应的闪存块占比,如A等级对应闪存块的占比为100/200=0.5,B等级对应闪存块的占比为80/200=0.4,A等级对应闪存块的占比为10/200=0.05,A等级对应闪存块的占比为10/200=0.05,将0.5、0.4、0.05和0.05输入到到预设筛选模型中,得到可靠性数据,如可靠性数据为7。
需要说明的是,接收到测试数据集之后,根据具体需求也可以从测试数据集中提取出闪存芯片的坏块数,即可以通过计算闪存芯片内具有坏块标记的块的数量得到,并将坏块数与测试数据集进行组合,得到包括坏块数的待运算数据集,如果芯片筛选参数指示获取坏块数,可以从待运算数据集中提取闪存芯片的坏块数。
需要说明的是,预设筛选模型为预先训练好的模型,其形式包括但不限于支持向量机、决策树、神经网络等。
203、基于多个可靠性等级得到多个可靠性评价。
在本申请实施例中,首先获取多个可靠性等级,接着确定多个可靠性等级中每个可靠性等级对应的可靠性评价字段,最后采用可靠性评价字段对对应的可靠性等级进行标注,得到多个可靠性评价。
204、获取多个可靠性评价,将可靠性数据与每个可靠性评价对应的数值区间进行比对,确定目标可靠性评价并输出。
示例性地,多个可靠性评价可以为可靠性数据大于等于6为一等品,可靠性数据在[4,6)范围为二等品,可靠性数据在[2,4)范围为三等品,可靠性数据小于2为四等品,步骤202中得到的可靠性数据为7,将7与上述4个可靠性评价相比较,即7大于6,可以判定该存储成品的可靠性评价为一等品,并将该一等品的可靠性评价输出。
205、采用寿命预测模型对测试数据集进行处理,得到存储成品的剩余寿命预测值。
在本申请实施例中,首先获取寿命预测模型,以及从测试数据集中提取用于寿命预测的目标预测数据,接着将目标预测数据输入到寿命预测模型中,得到每个闪存块的剩余寿命,随后计算多个闪存块的剩余寿命的和值,以及统计多个闪存块的总数量,最后计算和值与多个闪存块的总数量的比值,得到剩余寿命平均值作为存储成品的剩余寿命预测值。
需要说明的是,寿命预测模型为预先训练好的模型,可以按照如下方法获得寿命预测模型:获取训练数据集,训练数据集包括多个闪存芯片对应的多个样本数据,以及采用神经网络算法对训练数据集进行训练,得到寿命预测模型,其中,每隔预设周期重新获取新的训练数据集,以及采用新的训练数据集对寿命预测模型的模型参数进行更新。
进一步地,寿命预测模型输入数据可以为原始错误数、操作时间等参数,输出为每个闪存块的剩余寿命,其形式包括但不限于支持向量机、决策树、神经网络等。
本申请实施例提供的方法,首先响应于闪存测试请求,生成闪存测试指令文件,将闪存测试指令文件发送至闪存测试请求指示的存储成品,随后接收测试数据集,采用预设筛选模型对测试数据集进行处理,得到可靠性数据,接着基于多个可靠性等级得到多个可靠性评价,以及将可靠性数据与每个可靠性评价对应的数值区间进行比对,确定目标可靠性评价并输出,最后采用寿命预测模型对测试数据集进行处理,得到存储成品的剩余寿命预测值;存储成品中的控制单元接收到闪存测试指令文件时,按照多个待执行操作信息对闪存芯片进行闪存操作并在闪存操作的过程中生成测试数据集,并将测试数据集发送至闪存测试系统或集成有上位机的闪存测试系统,闪存测试系统或集成有上位机的闪存测试系统采用预设筛选模型对测试数据集进行处理,得到可靠性数据,最后将可靠性数据与获取的多个可靠性评价进行比对,得到了存储成品的目标可靠性评价并输出,与此同时,还可以采用寿命预测模型对测试数据集进行处理,得到存储成品的剩余寿命预测值,为存储成品提供了精确的可靠性评价,以及精确预测出存储成品的剩余寿命。
进一步地,作为图1所述方法的具体实现,如图3A所示,本申请实施例提供了一种存储成品的可靠性评价装置,存储成品包括控制单元和闪存芯片,该装置包括:生成模块301、处理模块302和评价模块303。
该生成模块301,响应于闪存测试请求,生成闪存测试指令文件,将闪存测试指令文件发送至闪存测试请求指示的存储成品,其中,闪存测试指令文件携带多个待执行操作信息;
该处理模块302,用于接收测试数据集,采用预设筛选模型对测试数据集进行处理,得到可靠性数据,测试数据集是控制单元接收到闪存测试指令文件时,按照多个待执行操作信息对闪存芯片进行闪存操作并在闪存操作的过程中生成的;
该评价模块303,用于获取多个可靠性评价,将可靠性数据与每个可靠性评价对应的数值区间进行比对,确定目标可靠性评价并输出。
在具体的应用场景中,该生成模块301还用于:响应于闪存测试请求,定义与存储成品中主控单元之间的信息传输指令格式;获取多个原始操作信息,以及按照信息传输指令格式对多个原始操作信息进行转换,得到多个待执行操作信息;基于多个待执行操作信息生成所述闪存测试指令文件,闪存测试指令文件包括编程操作指令、擦除操作指令、读操作指令、读ID操作指令和读状态指令中的多种,且每个待执行操作信息对应一指令。
在具体的应用场景中,该处理模块302还用于:在测试数据集中识别用于可靠性预测的测试数据作为目标测试数据;对目标测试数据进行线性运算或非线性运算,得到目标测试数据对应的目标运算数据;将测试数据集和目标运算数据进行组合,得到待运算数据集;获取芯片筛选参数,并从待运算数据集中提取所述芯片筛选参数指示的待运算数据;基于待运算数据将闪存芯片包括的多个闪存块划分为多个等级,统计划分到每个等级的闪存块的数量;分别计算每个等级的闪存块的数量与多个闪存块的总数量的比值,得到每个等级对应的闪存块占比;获取预设筛选模型,将每个等级对应的闪存块占比输入到预设筛选模型中,得到可靠性数据。
在具体的应用场景中,该处理模块302还用于:获取多个等级,其中,多个等级中每个等级对应一可靠性参数区间,可靠性参数为原始误码率、擦除时间、编程/擦除次数和数据保持时间中的一种;从待运算数据中提取每个闪存块对应的可靠性参数的值,将每个闪存块对应的可靠性参数的值与每个等级对应的可靠性参数区间进行比对,确定每个闪存块对应的可靠性参数的值所属的目标可靠性参数区间,以及将相应闪存块划分至目标可靠性参数区间对应的等级中。
在具体的应用场景中,如图3B所示,该装置还包括:获取模块304和确定模块305。
该获取模块304,用于获取模块获取多个可靠性等级;
该确定模块305,用于确定多个可靠性等级中每个可靠性等级对应的可靠性评价字段,并采用可靠性评价字段对对应的可靠性等级进行标注,得到多个可靠性评价。
在具体的应用场景中,如图3C所示,该装置还包括:预测模块306。
该预测模块306,用于获取寿命预测模型,以及从测试数据集中提取用于寿命预测的目标预测数据;将目标预测数据输入到寿命预测模型中,得到每个闪存块的剩余寿命;计算多个闪存块的剩余寿命的和值,以及统计多个闪存块的总数量;计算和值与多个闪存块的总数量的比值,得到剩余寿命平均值作为存储成品的剩余寿命预测值。
在具体的应用场景中,如图3D所示,该装置还包括:训练模块307。
该训练模块307,用于获取训练数据集,训练数据集包括多个闪存芯片对应的多个样本数据;采用神经网络算法对训练数据集进行训练,得到寿命预测模型,其中,每隔预设周期重新获取新的训练数据集,以及采用新的训练数据集对寿命预测模型的模型参数进行更新。
本申请实施例提供的装置,响应于闪存测试请求,通过生成模块生成闪存测试指令文件,将闪存测试指令文件发送至闪存测试请求指示的存储成品,随后通过处理模块接收测试数据集,采用预设筛选模型对测试数据集进行处理,得到可靠性数据,最后通过评价模块获取多个可靠性评价,将可靠性数据与每个可靠性评价对应的数值区间进行比对,确定目标可靠性评价并输出;存储成品中的控制单元接收到闪存测试指令文件时,按照多个待执行操作信息对闪存芯片进行闪存操作并在闪存操作的过程中生成测试数据集,并将测试数据集发送至闪存测试系统或集成有上位机的闪存测试系统,闪存测试系统或集成有上位机的闪存测试系统采用预设筛选模型对测试数据集进行处理,得到可靠性数据,最后将可靠性数据与获取的多个可靠性评价进行比对,得到了存储成品的目标可靠性评价并输出,解决了目前存在重复的编程和擦除操作使得闪存芯片氧化层变薄以及阈值电压偏移,造成固态硬盘的可靠性难以评价的问题。
在示例性实施例中,参见图4,还提供了一种电子设备,该计算机设备包括总线、处理器、存储器和通信接口,还可以包括输入输出接口和显示设备,其中,各个功能单元之间可以通过总线完成相互间的通信。该存储器存储有计算机程序,处理器,用于执行存储器上所存放的程序,执行上述实施例中的存储成品的可靠性评价方法。
一种存储介质,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所述的存储成品的可靠性评价方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施场景所述的方法。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本申请所必须的。
本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述,不代表实施场景的优劣。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (10)
1.一种存储成品的可靠性评价方法,所述存储成品包括控制单元和闪存芯片,其特征在于,包括:
响应于闪存测试请求,生成闪存测试指令文件,将所述闪存测试指令文件发送至所述闪存测试请求指示的存储成品,其中,所述闪存测试指令文件携带多个待执行操作信息;
接收测试数据集,采用预设筛选模型对所述测试数据集进行处理,得到可靠性数据,所述测试数据集是所述控制单元接收到所述闪存测试指令文件时,按照所述多个待执行操作信息对所述闪存芯片进行闪存操作并在闪存操作的过程中生成的;
获取多个可靠性评价,将所述可靠性数据与每个可靠性评价对应的数值区间进行比对,确定目标可靠性评价并输出。
2.根据权利要求1所述的存储成品的可靠性评价方法,其特征在于,所述响应于闪存测试请求,生成闪存测试指令文件,包括:
响应于所述闪存测试请求,定义与所述存储成品中主控单元之间的信息传输指令格式;
获取多个原始操作信息,以及按照所述信息传输指令格式对所述多个原始操作信息进行转换,得到所述多个待执行操作信息;
基于所述多个待执行操作信息生成所述闪存测试指令文件,所述闪存测试指令文件包括编程操作指令、擦除操作指令、读操作指令、读ID操作指令和读状态指令中的多种,且每个待执行操作信息对应一指令。
3.根据权利要求1所述的存储成品的可靠性评价方法,其特征在于,所述采用预设筛选模型对所述测试数据集进行处理,得到可靠性数据,包括:
在所述测试数据集中识别用于可靠性预测的测试数据作为目标测试数据;
对所述目标测试数据进行线性运算或非线性运算,得到所述目标测试数据对应的目标运算数据;
将所述测试数据集和所述目标运算数据进行组合,得到待运算数据集;
获取芯片筛选参数,并从所述待运算数据集中提取所述芯片筛选参数指示的待运算数据;
基于所述待运算数据将所述闪存芯片包括的多个闪存块划分为多个等级,统计划分到每个等级的闪存块的数量;
分别计算所述每个等级的闪存块的数量与所述多个闪存块的总数量的比值,得到所述每个等级对应的闪存块占比;
获取所述预设筛选模型,将所述每个等级对应的闪存块占比输入到所述预设筛选模型中,得到所述可靠性数据。
4.根据权利要求3所述的存储成品的可靠性评价方法,其特征在于,所述基于所述待运算数据将所述闪存芯片包括的多个闪存块划分为多个等级,包括:
获取所述多个等级,其中,所述多个等级中每个等级对应一可靠性参数区间,可靠性参数为原始误码率、擦除时间、编程/擦除次数和数据保持时间中的一种;
从所述待运算数据中提取每个闪存块对应的可靠性参数的值,将所述每个闪存块对应的可靠性参数的值与所述每个等级对应的可靠性参数区间进行比对,确定所述每个闪存块对应的可靠性参数的值所属的目标可靠性参数区间,以及将相应闪存块划分至所述目标可靠性参数区间对应的等级中。
5.根据权利要求1所述的存储成品的可靠性评价方法,其特征在于,所述获取多个可靠性评价之前,所述方法还包括:
获取多个可靠性等级;
确定所述多个可靠性等级中每个可靠性等级对应的可靠性评价字段,并采用所述可靠性评价字段对对应的可靠性等级进行标注,得到所述多个可靠性评价。
6.根据权利要求1所述的存储成品的可靠性评价方法,其特征在于,所述确定目标可靠性评价并输出之后,所述方法还包括:
获取寿命预测模型,以及从所述测试数据集中提取用于寿命预测的目标预测数据;
将所述目标预测数据输入到所述寿命预测模型中,得到每个闪存块的剩余寿命;
计算多个闪存块的剩余寿命的和值,以及统计所述多个闪存块的总数量;
计算所述和值与所述多个闪存块的总数量的比值,得到剩余寿命平均值作为所述存储成品的剩余寿命预测值。
7.根据权利要求6所述的存储成品的可靠性评价方法,其特征在于,所述获取寿命预测模型之前,所述方法还包括:
获取训练数据集,所述训练数据集包括多个闪存芯片对应的多个样本数据;
采用神经网络算法对所述训练数据集进行训练,得到所述寿命预测模型,其中,每隔预设周期重新获取新的训练数据集,以及采用所述新的训练数据集对所述寿命预测模型的模型参数进行更新。
8.一种存储成品的可靠性评价装置,所述存储成品包括控制单元和闪存芯片,其特征在于,包括:
生成模块,响应于闪存测试请求,生成闪存测试指令文件,将所述闪存测试指令文件发送至所述闪存测试请求指示的存储成品,其中,所述闪存测试指令文件携带多个待执行操作信息;
处理模块,用于接收测试数据集,采用预设筛选模型对所述测试数据集进行处理,得到可靠性数据,所述测试数据集是所述控制单元接收到所述闪存测试指令文件时,按照所述多个待执行操作信息对所述闪存芯片进行闪存操作并在闪存操作的过程中生成的;
评价模块,用于获取多个可靠性评价,将所述可靠性数据与每个可靠性评价对应的数值区间进行比对,确定目标可靠性评价并输出。
9.一种电子设备,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7中任一项所述方法的步骤。
10.一种存储介质,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7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310147769.5A CN116434820A (zh) | 2023-02-21 | 2023-02-21 | 存储成品的可靠性评价方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310147769.5A CN116434820A (zh) | 2023-02-21 | 2023-02-21 | 存储成品的可靠性评价方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116434820A true CN116434820A (zh) | 2023-07-14 |
Family
ID=87086160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310147769.5A Pending CN116434820A (zh) | 2023-02-21 | 2023-02-21 | 存储成品的可靠性评价方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116434820A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108682442A (zh) * | 2018-05-23 | 2018-10-19 | 武汉忆数存储技术有限公司 | 一种不同封装闪存芯片在线测试和分类方法及测试系统 |
CN108831517A (zh) * | 2018-05-23 | 2018-11-16 | 武汉忆数存储技术有限公司 | 一种基于操作时间或电流判断闪存芯片可靠性的方法及测试装置 |
CN112817524A (zh) * | 2021-01-19 | 2021-05-18 | 置富科技(深圳)股份有限公司 | 基于动态神经网络的闪存可靠性等级在线预测方法和装置 |
CN114527371A (zh) * | 2022-02-15 | 2022-05-24 | 上海御渡半导体科技有限公司 | 一种提升ate芯片测试速度的装置和方法 |
-
2023
- 2023-02-21 CN CN202310147769.5A patent/CN116434820A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108682442A (zh) * | 2018-05-23 | 2018-10-19 | 武汉忆数存储技术有限公司 | 一种不同封装闪存芯片在线测试和分类方法及测试系统 |
CN108831517A (zh) * | 2018-05-23 | 2018-11-16 | 武汉忆数存储技术有限公司 | 一种基于操作时间或电流判断闪存芯片可靠性的方法及测试装置 |
CN112817524A (zh) * | 2021-01-19 | 2021-05-18 | 置富科技(深圳)股份有限公司 | 基于动态神经网络的闪存可靠性等级在线预测方法和装置 |
CN114527371A (zh) * | 2022-02-15 | 2022-05-24 | 上海御渡半导体科技有限公司 | 一种提升ate芯片测试速度的装置和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107967928B (zh) | 一种基于数学模型的闪存芯片寿命预测方法 | |
CN110335635B (zh) | 用来管理一记忆装置的方法以及记忆装置与控制器 | |
CN109817267B (zh) | 一种基于深度学习的闪存寿命预测方法、系统及计算机可读存取介质 | |
CN109783785B (zh) | 生成实验检测报告的方法、装置和计算机设备 | |
US8874830B2 (en) | Method for controlling memory array of flash memory, and flash memory using the same | |
CN109213448B (zh) | 一种智能卡的擦写数据的方法、装置、设备及存储介质 | |
CN110543281A (zh) | 一种存储压缩实现方法、装置、设备及存储介质 | |
CN107844715A (zh) | 半导体装置及安全系统 | |
CN111078123A (zh) | 一种闪存块的磨损程度的评估方法及装置 | |
US20130212427A1 (en) | Reclaiming discarded solid state devices | |
CN106649210B (zh) | 一种数据转换方法及装置 | |
CN111666931B (zh) | 基于混合卷积文字图像识别方法、装置、设备及存储介质 | |
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 | |
WO2024098936A1 (zh) | 存储方法、装置、设备和存储介质 | |
CN107577440B (zh) | 提高存储器寿命的方法 | |
CN111813339B (zh) | 闪存Nand Flash的数据写入方法、装置、电子设备及存储介质 | |
CN116434820A (zh) | 存储成品的可靠性评价方法、装置、电子设备及存储介质 | |
JP2006060109A (ja) | 半導体装置の識別コード作成方法および半導体装置の識別方法並びに半導体装置 | |
CN107481764B (zh) | 一种3D Nand Flash扫描检测方法和系统 | |
CN113470728B (zh) | 纠错能力测试方法、装置、可读存储介质及电子设备 | |
CN113535581B (zh) | 测试脚本生成方法、装置、设备及计算机可读存储介质 | |
CN117523218A (zh) | 标签生成、图像分类模型的训练、图像分类方法及装置 | |
US20130100752A1 (en) | Method of restoring reconstructed memory spaces | |
CN114627959A (zh) | 闪存检测方法、闪存检测装置、设备及介质 | |
CN112148355B (zh) | 一种基于深度学习的系统差分升级方法及装置 |
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 |