CN116739436A - 卫星元器件的质量评价方法、系统及计算机可读介质 - Google Patents

卫星元器件的质量评价方法、系统及计算机可读介质 Download PDF

Info

Publication number
CN116739436A
CN116739436A CN202310854864.9A CN202310854864A CN116739436A CN 116739436 A CN116739436 A CN 116739436A CN 202310854864 A CN202310854864 A CN 202310854864A CN 116739436 A CN116739436 A CN 116739436A
Authority
CN
China
Prior art keywords
satellite
production
satellite component
index
quality
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
Application number
CN202310854864.9A
Other languages
English (en)
Inventor
张冬冬
吴炎来
郑晓燕
衡婷
崔帅
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.)
Shanghai Engineering Center for Microsatellites
Innovation Academy for Microsatellites of CAS
Original Assignee
Shanghai Engineering Center for Microsatellites
Innovation Academy for Microsatellites of CAS
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 Shanghai Engineering Center for Microsatellites, Innovation Academy for Microsatellites of CAS filed Critical Shanghai Engineering Center for Microsatellites
Priority to CN202310854864.9A priority Critical patent/CN116739436A/zh
Publication of CN116739436A publication Critical patent/CN116739436A/zh
Pending legal-status Critical Current

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
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Strategic Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Factory Administration (AREA)

Abstract

本发明涉及一种卫星元器件的质量评价方法、系统及计算机可读介质，该方法包括：步骤S1：在当前生产批次内抽取第一卫星元器件和第二卫星元器件；步骤S2：在当前生产批次内根据标准试验方法对第一卫星元器件进行辐照验证试验和/或温度循环试验；步骤S3：在当前生产批次内根据第二卫星元器件的电性能参数和试验后的第一卫星元器件的电性能参数，计算分布能力指数、离群率和筛选前后变化率；步骤S4：重复步骤S1～步骤S3，获得多个生产批次中每个生产批次所对应的分布能力指数、离群率和筛选前后变化率，并计算多个生产批次之间的整体评价指标；步骤S5：根据整体评价指标判断整体质量。本发明可以提高卫星元器件的整体质量评价的准确度。

Description

卫星元器件的质量评价方法、系统及计算机可读介质
技术领域
本发明主要涉及卫星元器件的质量评价技术领域，具体地涉及一种卫星元器件的质量评价方法、系统及计算机可读介质。
背景技术
批量生产的星座卫星是否能可靠并稳定地运行，关键在于卫星上的卫星元器件的性能是否稳定。受限于工业基础能力的发展，目前卫星元器件的研制基础较为薄弱，卫星元器件在同一生产批次内以及不同生产批次之间可能存在较大的性能差异和较大的数据离散性，导致组网卫星无法可靠并稳定地运行。因此需要对卫星元器件的质量参数进行评价，从而可以筛选出质量达标的卫星元器件，并利用相关的质量评价参数为其他卫星元器件的研制提供重要的数据参考。
现有的卫星元器件的质量评价方法通常聚焦在常规生产环境中的卫星元器件的电性能参数，忽略了在真实太空应用场景中卫星元器件的各项性能参数，例如总电离剂量(Total Ionizing Dose，TID)和在轨温度等。对卫星元器件的质量评价也往往局限于同一生产批次内或者不同生产批次之间的单一性能参数，没有耦合较多的关键性能参数对卫星元器件的整个生产过程进行整体质量评价，存在对卫星元器件的整体质量评价的准确度不高的问题，导致在真实太空应用场景中，无法提前反映卫星元器件的在轨使用质量，卫星上的卫星元器件可能性能不稳定而存在使用风险。
发明内容
本申请所要解决的技术问题是提供一种卫星元器件的质量评价方法、系统及计算机可读介质，可以全面地考虑卫星元器件在整个生产过程中的整体质量波动情况，提高了卫星元器件的整体质量评价的准确度。
本申请为解决上述技术问题而采用的技术方案是一种卫星元器件的质量评价方法，用于评价卫星元器件的多个生产批次之间的整体质量，包括：步骤S1：在当前生产批次内抽取至少一个第一卫星元器件和至少一个第二卫星元器件，其中，当前生产批次内的样本包括第一卫星元器件和第二卫星元器件；步骤S2：在当前生产批次内根据标准试验方法对每个第一卫星元器件进行辐照验证试验和/或温度循环试验，获得试验后的每个第一卫星元器件；步骤S3：在当前生产批次内根据每个第二卫星元器件的电性能参数和试验后的每个第一卫星元器件的电性能参数，计算分布能力指数、离群率和筛选前后变化率；步骤S4：重复步骤S1～步骤S3，获得多个生产批次中每个生产批次所对应的分布能力指数、离群率和筛选前后变化率，根据每个生产批次所对应的分布能力指数、离群率和筛选前后变化率计算多个生产批次之间的整体评价指标；以及步骤S5：根据整体评价指标判断整体质量。
在本申请的一实施例中，第一卫星元器件和第二卫星元器件包括卫星的微处理器。
在本申请的一实施例中，电性能参数包括：功耗、漏电流和电阻中的一种或多种。
在本申请的一实施例中，在步骤S3中，根据下面的公式计算分布能力指数Cpk：
Cpk＝(1-K)Cp
其中，K表示修正系数，Cp表示修正前的分布能力指数。
在本申请的一实施例中，在步骤S3中，根据下面的公式计算修正前的分布能力指数Cp：
其中，Tu表示当前生产批次内电性能参数中的最大值，Tl表示当前生产批次内电性能参数中的最小值，S表示当前生产批次内的样本的标准差，S2表示当前生产批次内的样本的方差，表示当前生产批次内的样本的均值，n表示当前生产批次内的样本的数量，xi表示当前生产批次内第i个样本的电性能参数值。
在本申请的一实施例中，根据下面的公式计算修正系数K：
T＝Tu-Tl
其中，ε表示偏移量。
在本申请的一实施例中，在步骤S3中，根据下面的公式计算离群率Lout：
其中，Ni表示当前生产批次内第i个样本的标记值，标记值Ni的取值包括0或者1，若第i个样本的电性能参数值xi属于开区间的范围外，则标记值Ni＝1，若第i个样本的电性能参数值xi不属于开区间/>的范围外，则标记值Ni＝0。
在本申请的一实施例中，在步骤S3中，根据下面的公式计算筛选前后变化率C：
其中，表示当前生产批次内经筛选后剩余样本的均值，Sselection表示当前生产批次内经筛选后剩余样本的标准差，筛选样本的条件包括：若第i个样本的电性能参数值xi属于开区间/>的范围外，则第i个样本将被筛选剔除。
在本申请的一实施例中，在步骤S4中，根据每个生产批次所对应的分布能力指数、离群率和筛选前后变化率计算多个生产批次之间的整体评价指标的步骤包括：根据电子系统可靠性方法和贝叶斯原理采用下面的公式计算多个生产批次之间的整体评价指标Q：
Q＝A×Pf×πPhysical×πManufacturing
其中，A表示调整系数，调整系数A包括大于0的常数，Pf表示卫星元器件在不同应用环境中的使用系数，使用系数Pf的取值范围包括1≤Pf≤10，表示多个生产批次中的全部分布能力指数Cpk的均值，m1表示电性能参数种类的数量，i2＝1，...，r，r表多个生产批次的数量，Cpk_i2表示多个生产批次中的第i2个生产批次的分布能力指数，Lout_total表示多个生产批次中的全部离群率Lout的总和，/>表示多个生产批次中的全部筛选前后变化率C的均值，m2表示卫星元器件的生产工序的数量，Pi3表示第i3个生产工序的合格率，合格率P的取值范围包括0≤P≤1。
在本申请的一实施例中，卫星元器件的生产工序包括封装、监制、挑选、验收、其他中的一种或多种。
在本申请的一实施例中，步骤S5进一步包括：判断整体评价指标是否大于等于第一预设阈值，若判断为是，则指示整体质量好；若判断为否，则指示整体质量不好。
本申请为解决上述技术问题还提出一种卫星元器件的质量评价系统，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行指令以实现如上的质量评价方法。
本申请为解决上述技术问题还提出一种存储有计算机程序代码的计算机可读介质，计算机程序代码在由处理器执行时实现如上的质量评价方法。
本申请的技术方案通过在步骤S1中，在当前生产批次内的样本中抽取用于进行试验的至少一个第一卫星元器件，以及用于不进行试验的至少一个第二卫星元器件；在步骤S2中，在当前生产批次内对每个第一卫星元器件进行辐照验证试验和/或温度循环试验；在步骤S3中，在当前生产批次内根据每个第二卫星元器件的电性能参数和试验后的每个第一卫星元器件的电性能参数，计算关键性能参数：分布能力指数、离群率和筛选前后变化率，这样设置可以在当前生产批次内，合理量化表征空间辐射和热环境对卫星元器件的影响，便于后续结合这些关键性能参数来评价卫星元器件的质量；在步骤S4中，重复步骤S1～步骤S3，获得多个生产批次中每个生产批次所对应的上述关键性能参数，根据多个生产批次的关键性能参数计算多个生产批次之间的整体评价指标，这样设置可以全面地考虑卫星元器件在整个生产过程中多个生产批次之间的整体质量波动情况，可以提高卫星元器件的整体质量评价的准确度；在步骤S5中，根据整体评价指标判断整体质量，这样设置可以直观且准确地评价卫星元器件的多个生产批次之间的整体质量，便于工作人员筛选出合格的卫星元器件。本申请的质量评价方法可以适用于对大部分卫星元器件进行质量评价，具有通用性高和适用面广的优点。
附图说明
为让本申请的上述目的、特征和优点能更明显易懂，以下结合附图对本申请的具体实施方式作详细说明，其中：
图1是本申请一实施例的卫星元器件的质量评价方法的示例性流程图；
图2是本申请一实施例的卫星元器件的质量评价系统的系统框图。
具体实施方式
为让本申请的上述目的、特征和优点能更明显易懂，以下结合附图对本申请的具体实施方式作详细说明。
在下面的描述中阐述了很多具体细节以便于充分理解本申请，但是本申请还可以采用其它不同于在此描述的其它方式来实施，因此本申请不受下面公开的具体实施例的限制。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，或将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
本申请提出一种卫星元器件的质量评价方法，可以应用于卫星元器件的生产场景中，根据本申请的质量评价方法对卫星元器件的多个生产批次之间的整体质量进行评价，示例性地，生产批次的数量大于等于两个。本申请的卫星元器件的质量评价方法可以在计算机服务器中运行，例如运行于计算机服务器的控制器内，还可以在云平台中运行。当该卫星元器件的质量评价方法运行于云平台时，卫星元器件的多个生产批次之间的数据与云平台数据通过无线网络交互，示例性地，云平台可包括私有云、公共云、混合云、社区云、分布式云、互联云、多重云等或者其任意组合。本申请对该卫星元器件的质量评价方法的运行环境不做限制。
图1是本申请一实施例的卫星元器件的质量评价方法的示例性流程图，参考图1所示，该实施例的卫星元器件的质量评价方法包括以下步骤：
步骤S1：在当前生产批次内抽取至少一个第一卫星元器件和至少一个第二卫星元器件，其中，当前生产批次内的样本包括第一卫星元器件和第二卫星元器件。
步骤S2：在当前生产批次内根据标准试验方法对每个第一卫星元器件进行辐照验证试验和/或温度循环试验，获得试验后的每个第一卫星元器件。
步骤S3：在当前生产批次内根据每个第二卫星元器件的电性能参数和试验后的每个第一卫星元器件的电性能参数，计算分布能力指数、离群率和筛选前后变化率。
步骤S4：重复步骤S1～步骤S3，获得多个生产批次中每个生产批次所对应的分布能力指数、离群率和筛选前后变化率，根据每个生产批次所对应的分布能力指数、离群率和筛选前后变化率计算多个生产批次之间的整体评价指标。
步骤S5：根据整体评价指标判断整体质量。
下面详细说明上述的步骤S1至步骤S5：
在步骤S1中，在当前生产批次内抽取至少一个第一卫星元器件和至少一个第二卫星元器件，其中，当前生产批次内的样本包括第一卫星元器件和第二卫星元器件。示例性地，抽取卫星元器件的方式可以设置为用机械臂自动抽取或者人工抽取。在当前生产批次内抽取的第一卫星元器件和第二卫星元器件的总数量为五个，其中，用于进行试验的第一卫星元器件的数量为四个，用于作为对照样品的第二卫星元器件的数量为一个。本申请对抽取的第一卫星元器件和第二卫星元器件的数量不做限制。在一些实施例中，第一卫星元器件和第二卫星元器件包括卫星的微处理器。
在步骤S2中，在当前生产批次内根据标准试验方法对每个第一卫星元器件进行辐照验证试验和/或温度循环试验，获得试验后的每个第一卫星元器件。示例性地，标准试验方法包括：(1)宇航用半导体器件总剂量辐照试验方法(QJ10004-2008)；(2)微电子器件试验方法(GJB548B)。在实际应用中，可以只进行辐照验证试验，或者只进行温度循环试验，或者同时进行辐照验证试验和温度循环试验，本申请对试验的种类不做限制。本申请根据实际的卫星轨道高度、倾角和设计寿命对抽取的第一卫星元器件开展空间环境辐射仿真试验及热力学仿真试验，试验完成后分别测量试验后的每个第一卫星元器件的电性能参数和每个第二卫星元器件的电性能参数。
在步骤S3中，在当前生产批次内根据每个第二卫星元器件的电性能参数和试验后的每个第一卫星元器件的电性能参数，计算分布能力指数Cpk、离群率Lout和筛选前后变化率C。在一些实施例中，电性能参数包括：功耗、漏电流和电阻中的一种或多种。示例性地，本申请综合考虑了卫星元器件的详细规范和卫星型号在实际应用阶段主要关注的电性能参数，并排除了现有仪器无法准确测量的部分电性能参数后，确定出了上述的电性能参数，后续将这些电性能参数作为最优的电性能分析参数。
本申请通过在当前生产批次内选择用于一致性评价的电性能参数和设计了关键性能参数(分布能力指数Cpk、离群率Lout和筛选前后变化率C)，可以综合考虑并合理量化表征卫星在轨辐射环境及热环境对卫星元器件的影响，保证表征参数可以真实地反映卫星元器件的质量。后续根据这些关键性能参数设计整体评价指标，并根据该整体评价指标来评价卫星元器件的质量水平和参数一致性。本申请这样设置相当于结合多参数来联合评价卫星元器件，可以适用于对大部分卫星元器件进行整体质量评价，具有通用性高和适用面广的优点。
在一些实施例中，在步骤S3中，根据下面的公式(1)计算分布能力指数Cpk：
Cpk＝(1-K)Cp (1)
其中，K表示修正系数，Cp表示修正前的分布能力指数。示例性地，在实际应用中，得到分布能力指数Cpk之前需要计算卫星元器件相关参数的均值和标准差S，并且由于卫星元器件样本的分布中心与实际的均值/>存在一定的偏移量ε，因此需要使用修正系数K来对修正前的分布能力指数Cp进行修正，相关参数的计算将在后文介绍。
在一些实施例中，在步骤S3中，根据下面的公式(2)至(4)计算修正前的分布能力指数Cp：
其中，Tu表示当前生产批次内电性能参数中的最大值，Tl表示当前生产批次内电性能参数中的最小值，S表示当前生产批次内的样本的标准差，S2表示当前生产批次内的样本的方差，表示当前生产批次内的样本的均值，n表示当前生产批次内的样本的数量，xi表示当前生产批次内第i个样本的电性能参数值。
在一些实施例中，根据下面的公式(5)至(7)计算修正系数K：
T＝Tu-Tl (6)
其中，ε表示偏移量。示例性地，根据上述公式(2)至(7)得到修正前的分布能力指数Cp和修正系数K之后，结合前文所述的公式(1)，可以用下面的公式(8)来进一步表示分布能力指数Cpk：
在一些实施例中，在步骤S3中，根据下面的公式(9)计算离群率Lout：
其中，Ni表示当前生产批次内第i个样本的标记值，标记值Ni的取值包括0或者1，若第i个样本的电性能参数值xi属于开区间的范围外，则标记值Ni＝1，若第i个样本的电性能参数值xi不属于开区间/>的范围外，则标记值Ni＝0。
在一些实施例中，在步骤S3中，根据下面的公式(10)至(12)计算筛选前后变化率C：
其中，表示当前生产批次内经筛选后剩余样本的均值，Sselection表示当前生产批次内经筛选后剩余样本的标准差，筛选样本的条件包括：若第i个样本的电性能参数值xi属于开区间/>的范围外，则第i个样本将被筛选剔除。
在步骤S4中，重复步骤S1～步骤S3，获得多个生产批次中每个生产批次所对应的分布能力指数、离群率和筛选前后变化率，根据每个生产批次所对应的分布能力指数、离群率和筛选前后变化率计算多个生产批次之间的整体评价指标。
在一些实施例中，在步骤S4中，根据每个生产批次所对应的分布能力指数、离群率和筛选前后变化率计算多个生产批次之间的整体评价指标的步骤包括：根据电子系统可靠性方法(Reliability Methodology for Electronic Systems，FIDES)和贝叶斯原理采用下面的公式(13)至(15)计算多个生产批次之间的整体评价指标Q：
Q＝A×Pf×πPhysical×πManufacturing (13)
其中，A表示调整系数，调整系数A包括大于0的常数，Pf表示卫星元器件在不同应用环境中的使用系数，使用系数Pf的取值范围包括1≤Pf≤10，表示多个生产批次中的全部分布能力指数Cpk的均值，m1表示电性能参数种类的数量，i2＝1，...，r，r表多个生产批次的数量，Cpk_i2表示多个生产批次中的第i2个生产批次的分布能力指数，Lout_total表示多个生产批次中的全部离群率Lout的总和，/>表示多个生产批次中的全部筛选前后变化率C的均值，m2表示卫星元器件的生产工序的数量，Pi3表示第i3个生产工序的合格率，合格率P的取值范围包括0≤P≤1。
在一些实施例中，卫星元器件的生产工序包括封装、监制、挑选、验收、其他中的一种或多种。示例性地，若卫星元器件的生产工序同时包括封装、监制、挑选、验收、其他，则卫星元器件的生产工序的数量m2＝5。示例性地，本申请针对卫星元器件，基于FIDES和贝叶斯原理设计了整体评价指标Q，该整体评价指标Q相当于对卫星元器件的多种参数进行了联合评价，可以根据该评价指标来确定卫星元器件的最优批次。本申请这样设置可以全面地考虑卫星元器件在同一生产批次内以及不同生产批次之间的质量波动情况，提高了卫星元器件的整体质量评价的准确度。
在步骤S5中，根据整体评价指标判断整体质量。在一些实施例中，步骤S5进一步包括：判断整体评价指标是否大于等于第一预设阈值，若判断为是，则指示整体质量好；若判断为否，则指示整体质量不好。示例性地，第一预设阈值设置为2，若整体评价指标Q大于等于2，则指示卫星元器件的整体质量好。本申请根据整体评价指标Q可以直观且准确地评价卫星元器件的多个生产批次之间的整体质量，便于工作人员筛选出合格的卫星元器件。本申请的质量评价方法可以适用于对大部分卫星元器件进行质量评价，具有通用性高和适用面广的优点。
本申请的技术方案通过在步骤S1中，在当前生产批次内的样本中抽取用于进行试验的至少一个第一卫星元器件，以及用于不进行试验的至少一个第二卫星元器件；在步骤S2中，在当前生产批次内对每个第一卫星元器件进行辐照验证试验和/或温度循环试验；在步骤S3中，在当前生产批次内根据每个第二卫星元器件的电性能参数和试验后的每个第一卫星元器件的电性能参数，计算关键性能参数：分布能力指数Cpk、离群率Lout和筛选前后变化率C，这样设置可以在当前生产批次内，合理量化表征空间辐射和热环境对卫星元器件的影响，便于后续结合这些关键性能参数来评价卫星元器件的质量；在步骤S4中，重复步骤S1～步骤S3，获得多个生产批次中每个生产批次所对应的上述关键性能参数，根据多个生产批次的关键性能参数计算多个生产批次之间的整体评价指标，这样设置可以全面地考虑卫星元器件在整个生产过程中多个生产批次之间的整体质量波动情况，可以提高卫星元器件的整体质量评价的准确度；在步骤S5中，根据整体评价指标判断整体质量，这样设置可以直观且准确地评价卫星元器件的多个生产批次之间的整体质量，便于工作人员筛选出合格的卫星元器件。本申请的质量评价方法可以适用于对大部分卫星元器件进行质量评价，具有通用性高和适用面广的优点。
本申请根据卫星元器件的质量评价方法做了部分实验，后文将介绍相应的实验结果。本申请在实验中选取微处理器WH1770作为卫星元器件，实验步骤包括后文所述的步骤一至步骤五。
步骤一，确定最优电性能参数。根据微处理器WH1770的测试数据，确定微处理器WH1770的主频为常值，将电性能参数设置为功耗。
步骤二，采集数据。本申请用于实验的微处理器WH1770共有两个生产批次，分别为第一生产批次(批次编号1403)和第二生产批次(批次编号1539)。分别对第一生产批次和第二生产批次的微处理器WH1770进行辐照验证试验和温度循环试验后，将采集到的相应试验数据记录在表1和表2中。表1示出了微处理器WH1770(批次编号1403)经过辐照及温循试验后的功耗参数实测值，表2示出了微处理器WH1770(批次编号1539)经过辐照及温循试验后的功耗参数实测值。
表1 WH1770(批次编号1403)辐照及温循试验后功耗参数实测
表2 WH1770(批次编号1539)辐照及温循试验后功耗参数实测
步骤三，建立同一生产批次内的评价指标。针对电性能参数(功耗)计算其均值标准差S、分布能力指数Cpk、筛选前后变化率C和离群率Lout，根据这些参数值对每个生产批次进行评价。表3示出了微处理器WH1770同一生产批次内的评价指标值。
表3WH1770同一生产批次内的评价指标值
参考表3所示，微处理器WH1770的同一生产批次内的评价指标均为可接受，筛选前后变化率偏大。微处理器WH1770的功耗可以通过测量电流值来获取，卫星元器件的详细规范中对于电流值只有上限值，所有测量结果均符合详细规范的要求。
步骤四，统计不同生产批次的相关指标值。根据收集到的不同生产批次的相关信息以及卫星元器件后续使用过程的数据，将卫星元器件各个生产工序的合格率和使用系数等数据填入表4中，表4示出了微处理器WH1770的生产工序合格率和使用系数。
表4WH1770的生产工序合格率和使用系数
步骤五，评价不同生产批次的整体质量。根据前文所述的公式(13)至(15)分别计算两个批次的整体评价指标Q，如表5所示，表5示出了微处理器WH1770不同生产批次的整体评价指标。
表5 WH1770不同生产批次的整体评价指标
型号及生产批次 整体评价指标Q
WH1770_1403 4.69
WH1770_1539 9.52
参考表3和表5所示，微处理器WH1770的第一生产批次(批次编号1403)和第二生产批次(批次编号1539)的评价等级均为可接受，第一生产批次和第二生产批次的整体评价指标Q分别为4.69和9.52，说明这两个生产批次的整体质量好，且最优的生产批次为第二生产批次。
本申请还包括一种卫星元器件的质量评价系统，包括存储器和处理器。其中，该存储器用于存储可由处理器执行的指令；处理器用于执行该指令以实现前文所述的卫星元器件的质量评价方法。
图2是本申请一实施例的卫星元器件的质量评价系统的系统框图。参考图2所示，该卫星元器件的质量评价系统200可包括内部通信总线201、处理器202、只读存储器(ROM)203、随机存取存储器(RAM)204以及通信端口205。内部通信总线201可以实现该卫星元器件的质量评价系统200组件间的数据通信。处理器202可以进行判断和发出提示。在一些实施例中，处理器202可以由一个或多个处理器组成。通信端口205可以实现该卫星元器件的质量评价系统200与外部的数据通信。在一些实施例中，该卫星元器件的质量评价系统200可以通过通信端口205从网络发送和接受信息及数据。该卫星元器件的质量评价系统200还可以包括不同形式的程序储存单元以及数据储存单元，例如硬盘206，只读存储器(ROM)203和随机存取存储器(RAM)204，能够存储计算机处理和/或通信使用的各种数据文件，以及处理器202所执行的可能的程序指令。处理器执行这些指令以实现方法的主要部分。处理器处理的结果通过通信端口传给用户设备，在用户界面上显示。
上述的卫星元器件的质量评价方法可以实施为计算机程序，保存在硬盘206中，并可加载到处理器202中执行，以实施本申请的卫星元器件的质量评价方法。
本申请还包括一种存储有计算机程序代码的计算机可读介质，该计算机程序代码在由处理器执行时实现前文所述的卫星元器件的质量评价方法。
卫星元器件的质量评价方法实施为计算机程序时，也可以存储在计算机可读存储介质中作为制品。例如，计算机可读存储介质可以包括但不限于磁存储设备(例如，硬盘、软盘、磁条)、光盘(例如，压缩盘(CD)、数字多功能盘(DVD))、智能卡和闪存设备(例如，电可擦除可编程只读存储器(EPROM)、卡、棒、键驱动)。此外，本文描述的各种存储介质能代表用于存储信息的一个或多个设备和/或其它机器可读介质。术语“机器可读介质”可以包括但不限于能存储、包含和/或承载代码和/或指令和/或数据的无线信道和各种其它介质(和/或存储介质)。
应该理解，上文所描述的实施例仅是示意。本文描述的实施例可在硬件、软件、固件、中间件、微码或者其任意组合中实现。对于硬件实现，处理器可以在一个或者多个特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器和/或设计为执行本文所述功能的其它电子单元或者其结合内实现。
本申请的一些方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。处理器可以是一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理器件(DAPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器或者其组合。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。例如，计算机可读介质可包括，但不限于，磁性存储设备(例如，硬盘、软盘、磁带……)、光盘(例如，压缩盘CD、数字多功能盘DVD……)、智能卡以及闪存设备(例如，卡、棒、键驱动器……)。
计算机可读介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、射频信号、或类似介质、或任何上述介质的组合。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述申请披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

Claims (13)

1.一种卫星元器件的质量评价方法，用于评价所述卫星元器件的多个生产批次之间的整体质量，其特征在于，包括：
步骤S1：在当前生产批次内抽取至少一个第一卫星元器件和至少一个第二卫星元器件，其中，所述当前生产批次内的样本包括所述第一卫星元器件和所述第二卫星元器件；
步骤S2：在所述当前生产批次内根据标准试验方法对每个第一卫星元器件进行辐照验证试验和/或温度循环试验，获得试验后的每个第一卫星元器件；
步骤S3：在所述当前生产批次内根据每个第二卫星元器件的电性能参数和所述试验后的每个第一卫星元器件的电性能参数，计算分布能力指数、离群率和筛选前后变化率；
步骤S4：重复所述步骤S1～所述步骤S3，获得多个生产批次中每个生产批次所对应的分布能力指数、离群率和筛选前后变化率，根据所述每个生产批次所对应的分布能力指数、离群率和筛选前后变化率计算所述多个生产批次之间的整体评价指标；以及
步骤S5：根据所述整体评价指标判断所述整体质量。
2.如权利要求1所述的质量评价方法，其特征在于，第一卫星元器件和第二卫星元器件包括卫星的微处理器。
3.如权利要求1所述的质量评价方法，其特征在于，所述电性能参数包括：功耗、漏电流和电阻中的一种或多种。
4.如权利要求1所述的质量评价方法，其特征在于，在所述步骤S3中，根据下面的公式计算所述分布能力指数Cpk：
Cpk＝(1-K)Cp
其中，K表示修正系数，Cp表示修正前的分布能力指数。
5.如权利要求4所述的质量评价方法，其特征在于，在所述步骤S3中，根据下面的公式计算所述修正前的分布能力指数Cp：
其中，Tu表示所述当前生产批次内所述电性能参数中的最大值，Tl表示所述当前生产批次内所述电性能参数中的最小值，S表示所述当前生产批次内的样本的标准差，S2表示所述当前生产批次内的样本的方差，表示所述当前生产批次内的样本的均值，n表示所述当前生产批次内的样本的数量，xi表示所述当前生产批次内第i个样本的电性能参数值。
6.如权利要求5所述的质量评价方法，其特征在于，根据下面的公式计算所述修正系数K：
T＝Tu-Tl
其中，ε表示偏移量。
7.如权利要求5所述的质量评价方法，其特征在于，在所述步骤S3中，根据下面的公式计算所述离群率Lout：
其中，Ni表示所述当前生产批次内第i个样本的标记值，所述标记值Ni的取值包括0或者1，若所述第i个样本的电性能参数值xi属于开区间的范围外，则所述标记值Nu＝1，若所述第i个样本的电性能参数值xi不属于开区间/>的范围外，则所述标记值Ni＝0。
8.如权利要求7所述的质量评价方法，其特征在于，在所述步骤S3中，根据下面的公式计算所述筛选前后变化率C：
其中，表示所述当前生产批次内经筛选后剩余样本的均值，Sselection表示所述当前生产批次内经筛选后剩余样本的标准差，筛选样本的条件包括：若所述第i个样本的电性能参数值xi属于开区间/>的范围外，则所述第i个样本将被筛选剔除。
9.如权利要求8所述的质量评价方法，其特征在于，在所述步骤S4中，根据所述每个生产批次所对应的分布能力指数、离群率和筛选前后变化率计算所述多个生产批次之间的整体评价指标的步骤包括：根据电子系统可靠性方法和贝叶斯原理采用下面的公式计算所述多个生产批次之间的整体评价指标Q：
Q＝A×Pf×πPhysical×πManufacturing
其中，A表示调整系数，所述调整系数A包括大于0的常数，Pf表示所述卫星元器件在不同应用环境中的使用系数，所述使用系数Pf的取值范围包括1≤Pf≤10，表示所述多个生产批次中的全部所述分布能力指数Cpk的均值，m1表示电性能参数种类的数量，i2＝1,...,r，r表所述多个生产批次的数量，Cpk_i2表示所述多个生产批次中的第i2个生产批次的分布能力指数，Lout_total表示所述多个生产批次中的全部所述离群率Lout的总和，/>表示所述多个生产批次中的全部所述筛选前后变化率C的均值，m2表示所述卫星元器件的生产工序的数量，Pi3表示第i3个生产工序的合格率，合格率P的取值范围包括0≤P≤1。
10.如权利要求9所述的质量评价方法，其特征在于，所述卫星元器件的生产工序包括封装、监制、挑选、验收、其他中的一种或多种。
11.如权利要求1所述的质量评价方法，其特征在于，所述步骤S5进一步包括：判断所述整体评价指标是否大于等于第一预设阈值，若判断为是，则指示所述整体质量好；若判断为否，则指示所述整体质量不好。
12.一种卫星元器件的质量评价系统，其特征在于，包括：
存储器，用于存储可由处理器执行的指令；
处理器，用于执行所述指令以实现如权利要求1-11任一项所述的质量评价方法。
13.一种存储有计算机程序代码的计算机可读介质，其特征在于，所述计算机程序代码在由处理器执行时实现如权利要求1-11任一项所述的质量评价方法。
CN202310854864.9A 2023-07-12 2023-07-12 卫星元器件的质量评价方法、系统及计算机可读介质 Pending CN116739436A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310854864.9A CN116739436A (zh) 2023-07-12 2023-07-12 卫星元器件的质量评价方法、系统及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310854864.9A CN116739436A (zh) 2023-07-12 2023-07-12 卫星元器件的质量评价方法、系统及计算机可读介质

Publications (1)

Publication Number Publication Date
CN116739436A true CN116739436A (zh) 2023-09-12

Family

ID=87909739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310854864.9A Pending CN116739436A (zh) 2023-07-12 2023-07-12 卫星元器件的质量评价方法、系统及计算机可读介质

Country Status (1)

Country Link
CN (1) CN116739436A (zh)

Similar Documents

Publication Publication Date Title
Campbell et al. Assessing colour-dependent occupation statistics inferred from galaxy group catalogues
CN107967928B (zh) 一种基于数学模型的闪存芯片寿命预测方法
CN107478455A (zh) 一种适用于威布尔分布型产品的定时截尾可靠性试验方法
CN111351697A (zh) 一种键合金丝可靠性评价方法
CN115841046A (zh) 基于维纳过程的加速退化试验数据处理方法和装置
CN116306806A (zh) 故障诊断模型确定方法、装置及非易失性存储介质
CN110850358A (zh) 基于逐步回归算法的电能表综合检定方法及系统
TW202013186A (zh) 資料處理方法、裝置與系統、以及電腦可讀取記錄媒體
TWI709833B (zh) 資料處理、資料處理裝置以及電腦可讀取記錄媒體
CN116739436A (zh) 卫星元器件的质量评价方法、系统及计算机可读介质
CN115795928B (zh) 基于伽马过程的加速退化试验数据处理方法和装置
CN111967168A (zh) 一种加速退化试验方案优化设计方法
CN111985163A (zh) 一种铷钟寿命预测方法及装置
CN115980583A (zh) 基于微分代数方程的锂电池等效电路模型参数辨识四步法
CN113890833B (zh) 网络覆盖预测方法、装置、设备及存储介质
CN115184055A (zh) 一种分级测试性优化的测试集确定方法及系统
CN111882289B (zh) 一种项目数据审核指标区间测算的装置和方法
CN116256636A (zh) 电池等效电路模型的参数辨识方法、设备及可读存储介质
CN107862126B (zh) 一种部件级信息多样性条件下的系统可靠性评估方法
CN108269004B (zh) 产品寿命分析方法及终端设备
CN107491576B (zh) 基于性能退化数据的导弹部件可靠性分析方法
CN117236233B (zh) 半导体器件初始值评估方法、装置、电子设备及存储介质
US11927620B2 (en) Method for simulating electricity of wafer chip
CN115086156B (zh) 存储区域网络中异常应用的定位方法
CN117574676A (zh) 一种基于时序熵计算数据相似度的多维预测模型验证方法

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