CN117594473B - 一种碳化硅功率器件的产品检测方法 - Google Patents
一种碳化硅功率器件的产品检测方法 Download PDFInfo
- Publication number
- CN117594473B CN117594473B CN202410078425.8A CN202410078425A CN117594473B CN 117594473 B CN117594473 B CN 117594473B CN 202410078425 A CN202410078425 A CN 202410078425A CN 117594473 B CN117594473 B CN 117594473B
- Authority
- CN
- China
- Prior art keywords
- detection
- electrical
- appearance
- silicon carbide
- coefficient
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 145
- HBMJWWWQQXIZIP-UHFFFAOYSA-N silicon carbide Chemical compound [Si+]#[C-] HBMJWWWQQXIZIP-UHFFFAOYSA-N 0.000 title claims abstract description 77
- 229910010271 silicon carbide Inorganic materials 0.000 title claims abstract description 77
- 238000011156 evaluation Methods 0.000 claims abstract description 71
- 238000004519 manufacturing process Methods 0.000 claims abstract description 34
- 230000007613 environmental effect Effects 0.000 claims abstract description 24
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000010606 normalization Methods 0.000 claims abstract description 5
- 238000012360 testing method Methods 0.000 claims description 80
- 238000000034 method Methods 0.000 claims description 33
- 230000005856 abnormality Effects 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000007689 inspection Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- 239000000203 mixture Substances 0.000 claims description 9
- 238000012986 modification Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000007792 addition Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000002955 isolation Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000003908 quality control method Methods 0.000 claims description 3
- 238000002759 z-score normalization Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/14—Measuring as part of the manufacturing process for electrical parameters, e.g. resistance, deep-levels, CV, diffusions by electrical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
Abstract
本发明公开了一种碳化硅功率器件的产品检测方法，涉及器件检测技术领域，该发明中，通过对碳化硅功率器件采集环境数据、外观数据和电性数据，并进行归一化处理，组成第一数据集、第二数据集和第三数据集，再进行建立超速检测模型，进行调试训练，获取：调试检测指数Jczs，通过预设的调试检测阈值Ts与调试检测指数Jczs进行匹配，获取调整检测评估方案，最后通过调整检测评估方案的内容，进行执行和通知相关人员，提高了对碳化硅功率器件的检测准确性，并且实现了动态调整检测评估方案，这使得系统能够根据实时情况或者相关人员设定进行灵活调整，适应不同生产状态，进而达到能够在不同情境下自适应，减少了手动干预的需求。
Description
技术领域
本发明涉及器件检测技术领域，具体为一种碳化硅功率器件的产品检测方法。
背景技术
在先进的电子器件制造领域中，碳化硅功率器件正逐渐成为关注焦点，这些器件由碳化硅半导体材料构成，广泛应用于高温、高频和高电压环境中，为各种电力应用提供了卓越性能，在电力电子和能源转换领域，碳化硅功率器件得到广泛应用，以提高效率、降低损耗并推动电能转换技术的创新，在碳化硅功率器件制造中，确保其性能和质量符合标准成为一项至关重要的任务。
然而，在当前的制造和检测流程中存在一些不足之处，传统的检测方法通常偏向于单一维度的检测，无法全面覆盖器件性能的多个方面，且通常是抽样检测，这可能导致一些潜在问题无法被及时发现，此外，静态的检测方法在实时性和自动化方面也存在一定限制，可能难以适应快速变化的生产环境，因此，传统方法在全面性和效率上存在一些瓶颈，需要更为先进和综合的检测方法来提高产品质量和生产效率。
这些问题的存在导致了一系列异常效果，包括产品的不合格率增加、生产效率下降以及对生产环境变化的适应能力不足，由于传统方法难以全面把握器件性能的多个方面，一些潜在的质量问题可能会滑过检测的视线，最终导致产品质量不稳定，此外，缺乏实时性和自动化的检测方法可能使得在大规模生产中无法及时调整和追上日益增加的产能增加，增加了生产压力，因此，采用更为先进的、全面性的检测方法，有助于克服当前传统方法的不足，提高碳化硅功率器件的制造水平和产品质量。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种碳化硅功率器件的产品检测方法，解决了背景技术中提到的问题。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种碳化硅功率器件的产品检测方法，包括以下步骤：
步骤一：通过对生产线上的碳化硅功率器件设置的传感器组采集相关检测数据，包括环境数据和外观数据；
步骤二：通过检测机器对碳化硅功率器件进行电性测试，并记录电性测试结果，组成电性数据；
步骤三：对采集的环境数据、外观数据和电性数据进行归一化处理，使其处于同一量纲下，组成第一数据集、第二数据集和第三数据集；
步骤四：对第一数据集、第二数据集和第三数据集进行建立超速检测模型，进行调试训练，获取：调试检测指数Jczs；
所述调试检测指数Jczs通过以下公式获取：
；
式中，Hjxs表示器件外部环境系数，Wgxs表示器件外观检测系数，Dxxs表示器件电性系数，A、B和C分别表示器件外部环境系数Hjxs、器件外观检测系数Wgxs和器件电性系数Dxxs的比例系数，D表示第一修正常数；
所述器件外部环境系数Hjxs通过第一数据集计算获取，并且与预设的器件外部环境阈值Hj进行对比，获取器件外部环境评估方案；
所述器件外观检测系数Wgxs通过第二数据集计算获取，并且与预设的器件外观阈值Wg进行对比，获取器件外观评估方案；
所述器件电性系数Dxxs通过第三数据集计算获取，并且与预设的器件电性阈值Dx进行对比，获取器件电性评估方案；
步骤五：通过预设的调试检测阈值Ts与调试检测指数Jczs进行匹配，获取调整检测评估方案，并集成器件外部环境评估方案、器件外观评估方案和器件电性评估方案进行整合；
步骤六：通过调整检测评估方案的内容，进行执行和通知相关人员。
优选的，传感器组包括温度传感器、湿度传感器、光学传感器、高清摄像头、红外传感器和三维扫描仪；
通过温度传感器和湿度传感器采集碳化硅功率器件外部环境条件，组成环境数据；
通过光学传感器、高清摄像头、红外传感器和三维扫描仪采集碳化硅功率器件内部和表面状态，组成外观数据；
环境数据包括：环境温度和环境湿度；
外观数据包括：表面颜色组成数量、器件体积值、裂隙数量和凹陷数量。
优选的，对碳化硅功率器件进行电性测试，获取电性测试结果，具体包括以下步骤：
S11、设备连接：通过机器设备连接待检测的碳化硅功率器件；
S12、测试参数：设置预设测试参数，所述预设测试参数包括测试电压、测试时长、测试电流和测试频率；
S13、测试执行：根据预设测试参数，对碳化硅功率器件进行电性测试；
S14、结果记录：对电性测试过程和结果产生的数据进行记录，组成电性数据；
电性数据包括：电压平均值、测试时长值、电流平均值和测试次数值。
优选的，归一化处理包括最小－最大缩放和Z-score标准化；
对环境数据、外观数据和电性数据进行处理后，组成第一数据集、第二数据集和第三数据集；
第一数据集包括：环境温度值Hjwd和环境湿度值Hjsd；
第二数据集包括：颜色组成数量值Yszc、器件体积值Qjtj、裂隙数量值Lxsl和凹陷数量值Axsl；
第三数据集包括：电压平均值Dypj、测试时长值Scz、电流平均值Dlpc和测试次数值Csz。
优选的，利用机器学习算法，对第一数据集、第二数据集和第三数据集进行建立超速检测模型，进行调试和训练，并进行第一次计算，获取器件外部环境系数Hjxs、器件外观检测系数Wgxs和器件电性系数Dxxs，再进行第二次计算，获取调试检测指数Jczs。
优选的，所述器件外部环境系数Hjxs通过以下公式获取：
；
通过对环境温度值Hjwd和平方根下的环境湿度值Hjsd计算，并与环境温度值Hjwd和环境湿度值Hjsd结合的对数整合，获取表现当前碳化硅功率器件区域的环境状态值：器件外部环境系数Hjxs，F表示第二修正常数；
并且与预设的器件外部环境阈值Hj进行对比，获取器件外部环境评估方案：
器件外部环境系数Hjxs＜器件外部环境阈值Hj，当前碳化硅功率器件的环境状态无异常；
器件外部环境系数Hjxs≥器件外部环境阈值Hj，当前碳化硅功率器件的环境状态异常，包括温度异常和湿度异常，当器件外部环境系数Hjxs≥器件外部环境阈值Hj两倍时，执行器件外部环境异常警告，通知相关工作人员进行处理和查看。
优选的，所述器件外观检测系数Wgxs通过以下公式获取：
；
式中，通过颜色组成数量值Yszc与器件体积值Qjtj的和与裂隙数量值Lxsl的平方根，再与凹陷数量值Axsl的对数进行计算，获取体现当前碳化硅功率器件外观的质量值：器件外观检测系数Wgxs，H表示第三修正常数；
并且与预设的器件外观阈值Wg进行对比，获取器件外观评估方案：
器件外观检测系数Wgxs＜器件外观阈值Wg，当前碳化硅功率器件外观质量合格；
器件外观检测系数Wgxs≥器件外观阈值Wg，当前碳化硅功率器件外观质量不合格，包括器件体积异常、器件表面存在裂隙、器件表面存在凹陷和器件表面存在异物，当器件外观检测系数Wgxs≥器件外观阈值Wg两倍时，执行器件外观异常警告，当前器件生产线存在异常，通知相关工作人员进行检修排查。
优选的，所述器件电性系数Dxxs通过以下公式获取：
；
通过电压平均值Dypj和电流平均值Dlpc与测试时长值Scz和测试次数值Csz的平方根进行计算，获取当前碳化硅功率器件的电性测试表现值：器件电性系数Dxxs，K表示第四修正常数；
并且与预设的器件电性阈值Dx 进行对比，获取器件电性评估方案：
器件电性系数Dxxs＜器件电性阈值Dx，当前碳化硅功率器件电性测试合格；
器件电性系数Dxxs≥器件电性阈值Dx，当前碳化硅功率器件电性测试不合格，当器件电性系数Dxxs≥器件电性阈值Dx两倍时，生成执行碳化硅功率器件电性测试异常指令，通知相关工作人员对当前碳化硅功率器件生产线机进行检修和排查，以及对电性测试机器设备进行检修和排查。
优选的，对预设调试检测阈值Ts、器件外部环境阈值Hj、器件外观阈值Wg、器件电性阈值Dx、器件外部环境评估方案、器件外观评估方案、器件电性评估方案和调整检测评估方案提供修改、删除和增加操作；
通过预设的调试检测阈值Ts与调试检测指数Jczs进行匹配，获取调整检测评估方案：
调试检测指数Jczs＜调试检测阈值Ts，器件检测无异常；
调试检测指数Jczs≥调试检测阈值Ts，器件检测异常，包括器件外部区域环境异常、器件外观异常和器件电性测试异常，当调试检测指数Jczs≥调试检测阈值Ts两倍时，相关巡检人员对当前生产线进行检修排查，以及对器件检测设备进行检修排查。
优选的，执行包括对若干个生产线进行停机检修、设备替换、修改运行参数、隔离异常设备和设备启停；
通知包括技术人员、质量控制人员巡检人员，通过广播、短信、预设通知录音和内部通信软件，进行传输调整检测评估方案的内容。
（三）有益效果
本发明提供了一种碳化硅功率器件的产品检测方法，具备以下有益效果：
（1）本发明中，对碳化硅功率器件采集环境数据、外观数据和电性数据，并进行归一化处理，使其处于同一量纲下，组成第一数据集、第二数据集和第三数据集，再进行建立超速检测模型，进行调试训练，获取：调试检测指数Jczs，通过预设的调试检测阈值Ts与调试检测指数Jczs进行匹配，获取调整检测评估方案，最后通过调整检测评估方案的内容，进行执行和通知相关人员，提高了对碳化硅功率器件的检测准确性，并且实现了动态调整检测评估方案，这使得系统能够根据实时情况或者相关人员设定进行灵活调整，适应不同生产状态，进而达到能够在不同情境下自适应，减少了手动干预的需求。
（2）通过器件外部环境评估方案、器件外观评估方案、器件电性评估方案和获取调整检测评估方案，能够有效的应对在器件检测过程中出现多种异常，并提供实时应对措施，以便相关工作人员进行参考，使得生产线操作人员在面对异常情况时能够更快速地采取正确的行动，降低了因异常导致的生产损失，进而达到能够更快速地响应异常情况，有助于提升生产效率，减少因异常导致的停机时间。
附图说明
图1为本发明一种碳化硅功率器件的产品检测方法步骤示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
本发明提供一种碳化硅功率器件的产品检测方法，请参阅图1，包括以下步骤：
步骤一：通过对生产线上的碳化硅功率器件设置的传感器组采集相关检测数据，包括环境数据和外观数据；
步骤二：通过检测机器对碳化硅功率器件进行电性测试，并记录电性测试结果，组成电性数据；
步骤三：对采集的环境数据、外观数据和电性数据进行归一化处理，使其处于同一量纲下，组成第一数据集、第二数据集和第三数据集；
步骤四：对第一数据集、第二数据集和第三数据集进行建立超速检测模型，进行调试训练，获取：调试检测指数Jczs；
所述调试检测指数Jczs通过以下公式获取：
；
式中，Hjxs表示器件外部环境系数，Wgxs表示器件外观检测系数，Dxxs表示器件电性系数，A、B和C分别表示器件外部环境系数Hjxs、器件外观检测系数Wgxs和器件电性系数Dxxs的比例系数，D表示第一修正常数；
其中，，，，且；
所述器件外部环境系数Hjxs通过第一数据集计算获取，并且与预设的器件外部环境阈值Hj进行对比，获取器件外部环境评估方案；
所述器件外观检测系数Wgxs通过第二数据集计算获取，并且与预设的器件外观阈值Wg进行对比，获取器件外观评估方案；
所述器件电性系数Dxxs通过第三数据集计算获取，并且与预设的器件电性阈值Dx进行对比，获取器件电性评估方案；
步骤五：通过预设的调试检测阈值Ts与调试检测指数Jczs进行匹配，获取调整检测评估方案，并集成器件外部环境评估方案、器件外观评估方案和器件电性评估方案进行整合；
步骤六：通过调整检测评估方案的内容，进行执行和通知相关人员。
本实施例中，对碳化硅功率器件采集环境数据、外观数据和电性数据，并进行归一化处理，使其处于同一量纲下，组成第一数据集、第二数据集和第三数据集，再进行建立超速检测模型，进行调试训练，获取：调试检测指数Jczs，通过预设的调试检测阈值Ts与调试检测指数Jczs进行匹配，获取调整检测评估方案，最后通过调整检测评估方案的内容，进行执行和通知相关人员，提高了对碳化硅功率器件的检测准确性，并且实现了动态调整检测评估方案，这使得系统能够根据实时情况或者相关人员设定进行灵活调整，适应不同生产状态，进而达到能够在不同情境下自适应，减少了手动干预的需求。
实施例2
本实施例是在实施例1中进行的解释说明，请参照图1，具体的：传感器组包括温度传感器、湿度传感器、光学传感器、高清摄像头、红外传感器和三维扫描仪；
通过温度传感器和湿度传感器采集碳化硅功率器件外部环境条件，组成环境数据；
通过光学传感器、高清摄像头、红外传感器和三维扫描仪采集碳化硅功率器件内部和表面状态，组成外观数据；
环境数据包括：环境温度和环境湿度；
外观数据包括：表面颜色组成数量、器件体积值、裂隙数量和凹陷数量。
对碳化硅功率器件进行电性测试，获取电性测试结果，具体包括以下步骤：
S11、设备连接：通过机器设备连接待检测的碳化硅功率器件；
S12、测试参数：设置预设测试参数，所述预设测试参数包括测试电压、测试时长、测试电流和测试频率；
S13、测试执行：根据预设测试参数，对碳化硅功率器件进行电性测试；
S14、结果记录：对电性测试过程和结果产生的数据进行记录，组成电性数据；
电性数据包括：电压平均值、测试时长值、电流平均值和测试次数值。
归一化处理包括最小－最大缩放和Z-score标准化；
对环境数据、外观数据和电性数据进行处理后，组成第一数据集、第二数据集和第三数据集；
第一数据集包括：环境温度值Hjwd和环境湿度值Hjsd；
第二数据集包括：颜色组成数量值Yszc、器件体积值Qjtj、裂隙数量值Lxsl和凹陷数量值Axsl；
第三数据集包括：电压平均值Dypj、测试时长值Scz、电流平均值Dlpc和测试次数值Csz。
利用机器学习算法，对第一数据集、第二数据集和第三数据集进行建立超速检测模型，进行调试和训练，并进行第一次计算，获取器件外部环境系数Hjxs、器件外观检测系数Wgxs和器件电性系数Dxxs，再进行第二次计算，获取调试检测指数Jczs。
实施例3
本实施例是在实施例1中进行的解释说明，请参照图1，具体的：所述器件外部环境系数Hjxs通过以下公式获取：
；
通过对环境温度值Hjwd和平方根下的环境湿度值Hjsd计算，并与环境温度值Hjwd和环境湿度值Hjsd结合的对数整合，获取表现当前碳化硅功率器件区域的环境状态值：器件外部环境系数Hjxs，F表示第二修正常数；
并且与预设的器件外部环境阈值Hj进行对比，获取器件外部环境评估方案：
器件外部环境系数Hjxs＜器件外部环境阈值Hj，当前碳化硅功率器件的环境状态无异常；
器件外部环境系数Hjxs≥器件外部环境阈值Hj，当前碳化硅功率器件的环境状态异常，包括温度异常和湿度异常，当器件外部环境系数Hjxs≥器件外部环境阈值Hj两倍时，执行器件外部环境异常警告，通知相关工作人员进行处理和查看。
所述器件外观检测系数Wgxs通过以下公式获取：
；
式中，通过颜色组成数量值Yszc与器件体积值Qjtj的和与裂隙数量值Lxsl的平方根，再与凹陷数量值Axsl的对数进行计算，获取体现当前碳化硅功率器件外观的质量值：器件外观检测系数Wgxs，H表示第三修正常数；
并且与预设的器件外观阈值Wg进行对比，获取器件外观评估方案：
器件外观检测系数Wgxs＜器件外观阈值Wg，当前碳化硅功率器件外观质量合格；
器件外观检测系数Wgxs≥器件外观阈值Wg，当前碳化硅功率器件外观质量不合格，包括器件体积异常、器件表面存在裂隙、器件表面存在凹陷和器件表面存在异物，当器件外观检测系数Wgxs≥器件外观阈值Wg两倍时，执行器件外观异常警告，当前器件生产线存在异常，通知相关工作人员进行检修排查。
所述器件电性系数Dxxs通过以下公式获取：
；
通过电压平均值Dypj和电流平均值Dlpc与测试时长值Scz和测试次数值Csz的平方根进行计算，获取当前碳化硅功率器件的电性测试表现值：器件电性系数Dxxs，K表示第四修正常数；
并且与预设的器件电性阈值Dx 进行对比，获取器件电性评估方案：
器件电性系数Dxxs＜器件电性阈值Dx，当前碳化硅功率器件电性测试合格；
器件电性系数Dxxs≥器件电性阈值Dx，当前碳化硅功率器件电性测试不合格，当器件电性系数Dxxs≥器件电性阈值Dx两倍时，生成执行碳化硅功率器件电性测试异常指令，通知相关工作人员对当前碳化硅功率器件生产线机进行检修和排查，以及对电性测试机器设备进行检修和排查。
对预设调试检测阈值Ts、器件外部环境阈值Hj、器件外观阈值Wg、器件电性阈值Dx、器件外部环境评估方案、器件外观评估方案、器件电性评估方案和调整检测评估方案提供修改、删除和增加操作；
通过预设的调试检测阈值Ts与调试检测指数Jczs进行匹配，获取调整检测评估方案：
调试检测指数Jczs＜调试检测阈值Ts，器件检测无异常；
调试检测指数Jczs≥调试检测阈值Ts，器件检测异常，包括器件外部区域环境异常、器件外观异常和器件电性测试异常，当调试检测指数Jczs≥调试检测阈值Ts两倍时，相关巡检人员对当前生产线进行检修排查，以及对器件检测设备进行检修排查。
执行包括对若干个生产线进行停机检修、设备替换、修改运行参数、隔离异常设备和设备启停；
通知包括技术人员、质量控制人员巡检人员，通过广播、短信、预设通知录音和内部通信软件，进行传输调整检测评估方案的内容。
本实施例中，通过器件外部环境评估方案、器件外观评估方案、器件电性评估方案和获取调整检测评估方案，能够有效的应对在器件检测过程中出现多种异常，并提供实时应对措施，以便相关工作人员进行参考，使得生产线操作人员在面对异常情况时能够更快速地采取正确的行动，降低了因异常导致的生产损失，进而达到能够更快速地响应异常情况，有助于提升生产效率，减少因异常导致的停机时间。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种碳化硅功率器件的产品检测方法，其特征在于：包括以下步骤：
步骤一：通过对生产线上的碳化硅功率器件设置的传感器组采集相关检测数据，包括环境数据和外观数据；
步骤二：通过检测机器对碳化硅功率器件进行电性测试，并记录电性测试结果，组成电性数据；
步骤三：对采集的环境数据、外观数据和电性数据进行归一化处理，使其处于同一量纲下，组成第一数据集、第二数据集和第三数据集；
步骤四：对第一数据集、第二数据集和第三数据集进行建立超速检测模型，进行调试训练，获取：调试检测指数Jczs；
所述调试检测指数Jczs通过以下公式获取：式中，Hjxs表示器件外部环境系数，Wgxs表示器件外观检测系数，Dxxs表示器件电性系数，A、B和C分别表示器件外部环境系数Hjxs、器件外观检测系数Wgxs和器件电性系数Dxxs的比例系数，D表示第一修正常数；
所述器件外部环境系数Hjxs通过第一数据集计算获取，并且与预设的器件外部环境阈值Hj进行对比，获取器件外部环境评估方案；
所述器件外部环境系数Hjxs通过以下公式获取：通过对环境温度值Hjwd和平方根下的环境湿度值Hjsd计算，并与环境温度值Hjwd和环境湿度值Hjsd结合的对数整合，获取表现当前碳化硅功率器件区域的环境状态值：器件外部环境系数Hjxs，F表示第二修正常数；
并且与预设的器件外部环境阈值Hj进行对比，获取器件外部环境评估方案：
器件外部环境系数Hjxs＜器件外部环境阈值Hj，当前碳化硅功率器件的环境状态无异常；
器件外部环境系数Hjxs≥器件外部环境阈值Hj，当前碳化硅功率器件的环境状态异常，包括温度异常和湿度异常，当器件外部环境系数Hjxs≥器件外部环境阈值Hj两倍时，执行器件外部环境异常警告，通知相关工作人员进行处理和查看；
所述器件外观检测系数Wgxs通过第二数据集计算获取，并且与预设的器件外观阈值Wg进行对比，获取器件外观评估方案；
所述器件外观检测系数Wgxs通过以下公式获取：式中，通过颜色组成数量值Yszc与器件体积值Qjtj的和与裂隙数量值Lxsl的平方根，再与凹陷数量值Axsl的对数进行计算，获取体现当前碳化硅功率器件外观的质量值：器件外观检测系数Wgxs，H表示第三修正常数；
并且与预设的器件外观阈值Wg进行对比，获取器件外观评估方案：
器件外观检测系数Wgxs＜器件外观阈值Wg，当前碳化硅功率器件外观质量合格；
器件外观检测系数Wgxs≥器件外观阈值Wg，当前碳化硅功率器件外观质量不合格，包括器件体积异常、器件表面存在裂隙、器件表面存在凹陷和器件表面存在异物，当器件外观检测系数Wgxs≥器件外观阈值Wg两倍时，执行器件外观异常警告，当前器件生产线存在异常，通知相关工作人员进行检修排查；
所述器件电性系数Dxxs通过第三数据集计算获取，并且与预设的器件电性阈值Dx 进行对比，获取器件电性评估方案；
所述器件电性系数Dxxs通过以下公式获取：通过电压平均值Dypj和电流平均值Dlpc与测试时长值Scz和测试次数值Csz的平方根进行计算，获取当前碳化硅功率器件的电性测试表现值：器件电性系数Dxxs，K表示第四修正常数；
并且与预设的器件电性阈值Dx 进行对比，获取器件电性评估方案：
器件电性系数Dxxs＜器件电性阈值Dx，当前碳化硅功率器件电性测试合格；
器件电性系数Dxxs≥器件电性阈值Dx，当前碳化硅功率器件电性测试不合格，当器件电性系数Dxxs≥器件电性阈值Dx两倍时，生成执行碳化硅功率器件电性测试异常指令，通知相关工作人员对当前碳化硅功率器件生产线机进行检修和排查，以及对电性测试机器设备进行检修和排查；
步骤五：通过预设的调试检测阈值Ts与调试检测指数Jczs进行匹配，获取调整检测评估方案，并集成器件外部环境评估方案、器件外观评估方案和器件电性评估方案进行整合；
步骤六：通过调整检测评估方案的内容，进行执行和通知相关人员。
2.根据权利要求1所述的一种碳化硅功率器件的产品检测方法，其特征在于：传感器组包括温度传感器、湿度传感器、光学传感器、高清摄像头、红外传感器和三维扫描仪；
通过温度传感器和湿度传感器采集碳化硅功率器件外部环境条件，组成环境数据；
通过光学传感器、高清摄像头、红外传感器和三维扫描仪采集碳化硅功率器件内部和表面状态，组成外观数据；
环境数据包括：环境温度和环境湿度；
外观数据包括：表面颜色组成数量、器件体积值、裂隙数量和凹陷数量。
3.根据权利要求1所述的一种碳化硅功率器件的产品检测方法，其特征在于：对碳化硅功率器件进行电性测试，获取电性测试结果，具体包括以下步骤：
S11、设备连接：通过机器设备连接待检测的碳化硅功率器件；
S12、测试参数：设置预设测试参数，所述预设测试参数包括测试电压、测试时长、测试电流和测试频率；
S13、测试执行：根据预设测试参数，对碳化硅功率器件进行电性测试；
S14、结果记录：对电性测试过程和结果产生的数据进行记录，组成电性数据；
电性数据包括：电压平均值、测试时长值、电流平均值和测试次数值。
4.根据权利要求1所述的一种碳化硅功率器件的产品检测方法，其特征在于：归一化处理包括最小－最大缩放和Z-score标准化；
对环境数据、外观数据和电性数据进行处理后，组成第一数据集、第二数据集和第三数据集；
第一数据集包括：环境温度值Hjwd和环境湿度值Hjsd；
第二数据集包括：颜色组成数量值Yszc、器件体积值Qjtj、裂隙数量值Lxsl和凹陷数量值Axsl；
第三数据集包括：电压平均值Dypj、测试时长值Scz、电流平均值Dlpc和测试次数值Csz。
5.根据权利要求4所述的一种碳化硅功率器件的产品检测方法，其特征在于：利用机器学习算法，对第一数据集、第二数据集和第三数据集进行建立超速检测模型，进行调试和训练，并进行第一次计算，获取器件外部环境系数Hjxs、器件外观检测系数Wgxs和器件电性系数Dxxs，再进行第二次计算，获取调试检测指数Jczs。
6.根据权利要求1所述的一种碳化硅功率器件的产品检测方法，其特征在于：对预设调试检测阈值Ts、器件外部环境阈值Hj、器件外观阈值Wg、器件电性阈值Dx、器件外部环境评估方案、器件外观评估方案、器件电性评估方案和调整检测评估方案提供修改、删除和增加操作；
通过预设的调试检测阈值Ts与调试检测指数Jczs进行匹配，获取调整检测评估方案：
调试检测指数Jczs＜调试检测阈值Ts，器件检测无异常；
调试检测指数Jczs≥调试检测阈值Ts，器件检测异常，包括器件外部区域环境异常、器件外观异常和器件电性测试异常，当调试检测指数Jczs≥调试检测阈值Ts两倍时，相关巡检人员对当前生产线进行检修排查，以及对器件检测设备进行检修排查。
7.根据权利要求1所述的一种碳化硅功率器件的产品检测方法，其特征在于：执行包括对若干个生产线进行停机检修、设备替换、修改运行参数、隔离异常设备和设备启停；
通知包括技术人员、质量控制人员巡检人员，通过广播、短信、预设通知录音和内部通信软件，进行传输调整检测评估方案的内容。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410078425.8A CN117594473B (zh) | 2024-01-19 | 2024-01-19 | 一种碳化硅功率器件的产品检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410078425.8A CN117594473B (zh) | 2024-01-19 | 2024-01-19 | 一种碳化硅功率器件的产品检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117594473A CN117594473A (zh) | 2024-02-23 |
| CN117594473B true CN117594473B (zh) | 2024-04-16 |
Family
ID=89920568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410078425.8A Active CN117594473B (zh) | 2024-01-19 | 2024-01-19 | 一种碳化硅功率器件的产品检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117594473B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111426406A (zh) * | 2020-06-02 | 2020-07-17 | 国家电网有限公司 | 基于电缆涂层感温变色的电缆检测装置及其检测方法 |
| CN111710618A (zh) * | 2020-07-15 | 2020-09-25 | 广芯微电子（广州）股份有限公司 | 一种晶圆钝化层缺陷的检测方法 |
| CN112485241A (zh) * | 2020-11-10 | 2021-03-12 | 浙江大学 | 碳化硅功率器件的结温和电流同步检测系统及检测方法 |
| CN116645010A (zh) * | 2023-07-21 | 2023-08-25 | 金正大生态工程集团股份有限公司 | 一种化工安全生产巡控系统 |
| CN116839682A (zh) * | 2023-09-01 | 2023-10-03 | 山东日辉电缆集团有限公司 | 一种基于物联网的电缆加工制造实时监控系统 |
| CN117291429A (zh) * | 2023-11-24 | 2023-12-26 | 天津市扬天环保科技有限公司 | 一种基于大数据分析的水利工程质量安全风险评估方法 |
| CN117405176A (zh) * | 2023-12-13 | 2024-01-16 | 中铁北京工程局集团(天津)工程有限公司 | 一种大体积混凝土施工质量检测方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| IT201700092014A1 (it) * | 2017-08-09 | 2019-02-09 | Celli Spa | Sistema di monitoraggio e metodo di rilevazione e monitoraggio della procedura di sanificazione. |
| JP2022191680A (ja) * | 2021-06-16 | 2022-12-28 | 株式会社日立製作所 | データ選択支援装置及びデータ選択支援方法 |
-
2024
- 2024-01-19 CN CN202410078425.8A patent/CN117594473B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111426406A (zh) * | 2020-06-02 | 2020-07-17 | 国家电网有限公司 | 基于电缆涂层感温变色的电缆检测装置及其检测方法 |
| CN111710618A (zh) * | 2020-07-15 | 2020-09-25 | 广芯微电子（广州）股份有限公司 | 一种晶圆钝化层缺陷的检测方法 |
| CN112485241A (zh) * | 2020-11-10 | 2021-03-12 | 浙江大学 | 碳化硅功率器件的结温和电流同步检测系统及检测方法 |
| CN116645010A (zh) * | 2023-07-21 | 2023-08-25 | 金正大生态工程集团股份有限公司 | 一种化工安全生产巡控系统 |
| CN116839682A (zh) * | 2023-09-01 | 2023-10-03 | 山东日辉电缆集团有限公司 | 一种基于物联网的电缆加工制造实时监控系统 |
| CN117291429A (zh) * | 2023-11-24 | 2023-12-26 | 天津市扬天环保科技有限公司 | 一种基于大数据分析的水利工程质量安全风险评估方法 |
| CN117405176A (zh) * | 2023-12-13 | 2024-01-16 | 中铁北京工程局集团(天津)工程有限公司 | 一种大体积混凝土施工质量检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117594473A (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110146513B (zh) | 缺陷判定方法及缺陷判定装置 | |
| CN114993387A (zh) | 一种基于人工智能的主板生产加工监管系统 | |
| CN116502925B (zh) | 基于大数据的数字工厂设备巡检评估方法、系统和介质 | |
| CN117250208B (zh) | 基于机器视觉的纳米压印晶圆缺陷精准检测系统及方法 | |
| CN116660672B (zh) | 基于大数据的电网设备故障诊断方法及系统 | |
| CN110930057A (zh) | 基于lof算法的配电变压器检验结果可信度的量化评判方法 | |
| CN117594473B (zh) | 一种碳化硅功率器件的产品检测方法 | |
| CN116351313A (zh) | 一种基于计算机控制的食品搅拌机智能控制系统 | |
| CN115580972A (zh) | 一种智能舞台灯光秀的自动化控制系统及其控制方法 | |
| CN116165220B (zh) | 一种基于人工智能的aoi内观检测装置及方法 | |
| CN110763979A (zh) | 一种基于mes系统的led晶圆点测自动化系统 | |
| CN114331997A (zh) | 一种基于图像识别的导线缺陷监测方法 | |
| CN112729884B (zh) | 基于大数据的设备故障诊断方法及装置 | |
| CN104499001B (zh) | 基于特征子空间优化相对矩阵的铝电解槽况诊断方法 | |
| CN112418306A (zh) | 基于lstm-svm的燃气轮机压气机故障预警方法 | |
| CN112001511A (zh) | 基于数据挖掘的设备可靠性及动态风险评价方法、系统和设备 | |
| CN113987031A (zh) | 一种电力大数据的数据异常判别方法 | |
| CN114858208A (zh) | 一种六氟化硫气体故障预警方法和系统 | |
| CN117191809B (zh) | 基于数据分析的玻璃检测设备故障监测预警系统 | |
| CN115184556B (zh) | 空气质量数据的异常值监测方法、系统及报警终端设备 | |
| CN117370871B (zh) | 一种特种钢材的质量分析方法与系统 | |
| CN117709799A (zh) | 一种电机外壳在线质量的抽样检测系统和方法 | |
| CN116629707B (zh) | 基于分布式并行计算的fdc溯因分析方法及存储介质 | |
| CN117762095A (zh) | 基于物联网的石油提炼过程监控系统 | |
| CN107643371B (zh) | 一种食用农产品质量安全风险评估模型的建立方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |