JP2021503086A - 劣化を推定する方法 - Google Patents

Abstract

ワイヤボンディングされたパワー半導体モジュール１の劣化を推定する方法であって、ａ）劣化指標Ｄｅｇｒｅｓｔ＿ｔ−１を得ることと、ｂ）時間劣化モデルによって推定劣化指標Ｄｅｇｒｅｓｔ＿ｔを推定することと、ｃ）一組のオンライン測定値Ｘｏｎ＿ｍｅａｓ＿ｔを得ることと、次に、ｄ１）電気等価モデルによって、オンライン測定値Ｘｏｎ＿ｍｅａｓ＿ｔを、推論された劣化指標Ｄｅｇｒｍｅａｓ＿ｔに変換することと、ｅ１）推定劣化指標Ｄｅｇｒｅｓｔ＿ｔと推論された劣化指標Ｄｅｇｒｍｅａｓ＿ｔとの間の偏差を計算することと、及び／又は、ｄ２）推定劣化指標Ｄｅｇｒｅｓｔ＿ｔを、一組のオンライン推定値Ｘｏｎ＿ｅｓｔ＿ｔに変換することと、ｅ２）一組のオンライン測定値Ｘｏｎ＿ｍｅａｓ＿ｔと、一組のオンライン推定値Ｘｏｎ＿ｅｓｔ＿ｔとの間の偏差を計算することと、ｆ）計算された偏差の関数において、推定劣化指標Ｄｅｇｒｅｓｔ＿ｔを補正して、補正された推定劣化指標Ｄｅｇｒｃｏｒｒ＿ｔにすることとを含む、方法。

Description

本発明は、パワー半導体デバイスの技術分野に関する。より詳細には、本発明は、そのようなデバイスの監視に関する。

通例、パワー半導体デバイスにおいて、１つ又はいくつかのパワー半導体ダイが、基板に機械的、熱的及び電気的に取り付けられる。ダイの下側は、通常、基板にはんだ付け又は焼結される。上側は、通常、ボンドワイヤに接続される。

そのようなデバイスは、高い熱変化及び高い熱機械応力を受ける。デバイスを構成する様々な部品の組成及び構造が広範にわたることに起因して、亀裂伝播、ワイヤボンドのリフトオフ、層間剥離、金属部の再構成及び他の影響により、接続部に不具合が生じる。そのような不具合を、デバイス全体が故障する前に予測又は検出することは非常に困難である。

近年、一部の半導体デバイスには、デバイスの寿命を判断できる特性を監視することができるセンサが設けられている。しかしながら、測定される特性の変動は、通常、デバイスの劣化と、デバイスの正常動作中に起こりうる変動との双方に起因する。結果として、そのような特性を監視することによって、デバイスの劣化を直接推測することは容易ではない。

本発明はこの状況を改善するものである。

ワイヤボンディングされたパワー半導体モジュールの劣化を推定する方法であって、
ａ）第１の時点におけるモジュールの劣化指標を得ることと、
ｂ）第１の時点における劣化指標に時間劣化モデルを適用することによって、第２の時点におけるモジュールの推定劣化指標を推定することと、
ｃ）一組のオンライン測定値を得ることであって、オンライン測定値は、モジュールのオン状態測定電圧、オン状態測定電流及びオンライン測定温度のうちの少なくとも１つを含み、各々が第２の時点において±１００マイクロ秒以内で測定されることによって、一組のオンライン測定値を得ることと、
次に、
ｄ１）電気等価モデルを適用することによって、一組のオンライン測定値を、第２の時点における劣化指標に変換することと、
ｅ１）推定劣化指標と劣化指標との間の偏差を計算することと、
及び／又は、
ｄ２）第２の時点における推定劣化指標を、一組のオンライン推定値に変換することであって、一組のオンライン推定値は、モジュールのオン状態推定電圧、オン状態推定電流及びオンライン推定温度のうちの少なくとも１つを含み、各々に電気等価モデルを適用することによって、第２の時点におけるオンライン推定値に変換することと、
ｅ２）一組のオンライン測定値と、一組のオンライン推定値との間の偏差を計算することと、
ｆ）計算された偏差の関数によって、第２の時点における推定劣化指標を補正して、第２の時点における補正された推定劣化指標にすることと、
を含む、方法を提案する。

そのような方法によって、限られた数及び品質のセンサを有する場合においても半導体モジュールの劣化の、より正確な指標を推測することができる。そのような指標は、モジュールの通常動作を中断させる必要がなく更新される。測定される特性の変動のうち、局所的又は一時的状況に起因する部分と、測定される特性の変動のうち、モジュールの不可逆的劣化に実際に起因する部分とを区別することによって、推定している中の推定精度は増大する。

別の態様では、
少なくとも１つのワイヤボンディングされたパワー半導体モジュールと、
一組のオンライン測定値を測定するように少なくとも１つのモジュールに結合された一組のセンサであって、一組のオンライン測定値は、少なくとも１つのモジュールのオン状態測定電圧、オン状態測定電流及びオンライン測定温度のうちの少なくとも１つを含む、一組のセンサと、
メモリに作動的に関連付けられ、一組のセンサの測定値から得られたデータを受信し、本明細書に規定されるような方法を実行するように構成されたプロセッサと、
を備える、システムを提案する。

別の態様では、本出願人は、ソフトウェアがプロセッサによって実行されるときに、本明細書に規定されるような方法を実施するための命令を含むコンピュータソフトウェアを提案する。別の態様では、本出願人は、ソフトウェアがプロセッサによって実行されるときに、本明細書に規定されるような方法を実施するようにソフトウェアが登録される、コンピュータ可読非一時的記録媒体を提案する。

デバイス及び／又は方法は、任意に、以下の特徴を別個に又は互いに組み合わせて含むことができる。
一連のステップａ）〜ｆ）は、反復ループとして繰り返し実行される。前回の一連のステップの最後に得られた補正された推定劣化指標は、次の一連のステップの第１の時点における劣化指標として用いられる。これにより、一連のステップごとに次から次へと推定精度を高めながら、リアルタイムでモジュールを監視することが可能になる。
劣化モデルはパラメータを含む。パラメータの値は、前回の一連のステップにおいて計算された偏差の関数によって更新される。これにより、一連のステップごとに次から次へと、用いるモデルを更新することが可能になる。
少なくとも温度の値及び電流の値が監視される。ステップｃ）は、監視される値が所定の基準内にある場合にトリガーがかかる。これにより、変数の中から温度及び電流を取り除くことによって、単純化されたモデルとすることが可能になる。
一連のステップａ）〜ｆ）は、監視フェーズ中で少なくとも１度は実行され、次に、
予報フェーズ中に、少なくとも１つの以下の一連のステップ、すなわち、
ａ’）第１の時点におけるモジュールの劣化指標を得ることと、
ｂ’）第１の時点における劣化指標に時間劣化モデルを適用することによって、第２の時点におけるモジュールの推定劣化指標を推定することと、
が実行される。これにより、現在の劣化を（例えばリアルタイムで）監視することと、シミュレートされた測定値の関数によって将来の劣化を推定することとの両方が可能になる。

他の特徴、詳細及び利点について、以下の詳細な説明および図によって説明する。

本発明の一実施形態による、データに適用される処置の概略図である。 本発明の一実施形態による、データに適用される処置の概略図である。

図及び以下の詳細な説明は、本質的に、いくつかの厳密な要素を含む。本発明をわかりやすくするために、また、必要に応じて本発明を定義するためにそれらを使用する。

図１及び図２では各々、ワイヤボンディングされたパワー半導体モジュール１を示す。そのようなモジュール１は、例えば、絶縁ゲートバイポーラトランジスタ（ＩＧＢＴ）、金属−酸化物−半導体電界効果トランジスタ（ＭＯＳＦＥＴ）及び／又はダイオードアセンブリである。モジュール１は、パワー半導体として少なくとも１つの半導体ダイを含み、５０Ｖを超える電圧及び１Ａを超える電流の下で動作するように構成される。モジュール１は、モジュール１内で個別に分かれた金属部分間の電気接続を保証する導電性ワイヤボンドを含む。従来から知られているように、ワイヤボンドと金属部との間の電気接続部は、モジュール１の動作中に厳しい条件を受ける。モジュール１の動作中に生じる欠陥のうちのいくつかは、そのような接続部の劣化に起因する。

モジュール１に結合されて、一組のセンサ３が設けられる。図において、センサ３は、わかりやすくするために、モジュール１と別個の部分として示されている。いくつかの実施形態では、センサ３のうちの少なくとも１つはモジュール１に埋め込まれる。

一組のセンサ３は、一組のオンライン測定値（複数の場合もある）を得るように構成される。以下において、参照符号Ｘ_{ｏｎ＿ｍｅａｓ＿ｔ}は、そのような測定値を意味する。インデックス「ｔ」は、測定値が時点ｔにおいて作成されることを意味する。文字「Ｘ」は、測定値の特定するのではなく、一般的であることを示すために用いている。インデックス「ｏｎ」は、「オンライン」を意味し、ここでは、モジュール１の動作中に作成される測定値として用いている。換言すれば、測定値は、モジュールの試験フェーズ中にも、ベンチテスト（test bench）時にも、実験室条件を用いても作成されない。対照的に、測定値は、実際の条件を受けるときの通常環境、例えば動いている電車において作成される。さらに、これらの測定値のうちのいくつかは、「オン状態」で作成される。「オン状態」とは、コンポーネントが活性フェーズにあるときを意味する。例えば、対応するコンポーネントが非ゼロの電流を受けているとき、電圧Ｖ及び電流Ｉが測定される。対照的に、熱慣性に起因して、温度は「オンライン」で測定されるが、「オン状態」又は「オフ状態」でも測定される可能性がある。一組のセンサ３は、モジュール１の通常動作中に関連データを取得するように構成される。インデックス「ｍｅａｓ」は、情報がセンサによる物理的測定から得られることを意味する。

以下の例において、一組のオンライン測定値は、複数の測定値を含む。いくつかの実施形態では、一組のオンライン測定値は、複数と表現している場合であっても、時点ｔごとの単一の測定値である場合を含む。

一組のオンライン測定値が複数の測定値を含むとき、この一組のうちの各測定値は、実質的に同じ時点ｔに作成される。パワー半導体デバイスとの関連において、「実質的に」同じ時点とは、モジュール１を含むシステムの熱及び電気時定数と比較して十分に小さい時間フレーム内であることを意味する。同じ時点とは、例えば、±１００マイクロ秒以内を意味する。いくつかの実施形態では、一組の測定値は、繰り返し、例えば１日１回抽出される。

以下の例において、一組のオンライン測定値Ｘ_{ｏｎ＿ｍｅａｓ＿ｔ}は、以下のうちの少なくとも１つを含む。
−モジュール１のオン状態測定電圧Ｖ_{ｏｎ＿ｍｅａｓ＿ｔ}、
−モジュール１のオン状態測定電流Ｉ_{ｏｎ＿ｍｅａｓ＿ｔ}、
−モジュール１のオンライン測定温度Ｔ_{ｏｎ＿ｍｅａｓ＿ｔ}。

以下において、一組のセンサ３は、単一の半導体素子（例えば、ＩＧＢＴ、ＭＯＳＦＥＴ又はダイオードアセンブリ）を含む単一のモジュール１に関連付けられる。様々な実施形態において、一組のセンサは、単一のモジュール又は複数のモジュール１の複数の半導体素子に関連付けられ得る。

モジュール１の半導体素子にわたるオンラインで測定される電圧Ｖ_{ｏｎ＿ｍｅａｓ＿ｔ}を測定するために、一組のセンサ３は、電圧センサを含むことができる。電圧センサは、以下を含むことができる。
−センサの他の部分を、オフ状態時を含む、モジュール１にわたって存在する高電圧から保護する保護回路、
−電圧をデジタル化するように構成されたアナログ／デジタル変換器（ＡＤＣ）、
−任意選択で、特に検知される電圧が処理回路の電圧と異なる電位にある場合、アイソレータ。１つの電圧センサは、２つの半導体素子のために並列で用いることができる。その後、一方の素子の電流値及び／又はゲートレベルがわかると、区別が行われる。

Ｖ_{ｏｎ＿ｍｅａｓ}は、接続部における電圧降下の推定値とすることもできる。ケルビン接続が利用可能である場合、ケルビンエミッタとパワーエミッタとの間で観測される電圧降下により、接続部におけるオン状態電圧Ｖ_{ｏｎ＿ｍｅａｓ}を得ることが可能になる。

モジュール１の半導体素子の活性部分の温度Ｔ_{ｏｎ＿ｍｅａｓ＿ｔ}をオンラインで測定するために、一組のセンサ３は、温度センサを含むことができる。例えば、温度を測定する活性部分を接合部（モジュール１のチップ自体の一部）とする場合には、測定される温度はＴ_Ｊで示され、又は（ワイヤの）電気接続部とする場合には、測定される温度はＴ_Ｃｏｎで示される。温度センサは、以下を含むことができる。
−半導体素子、例えばチップ上に埋め込まれたセンサ、及び／又は、
−温度感知電気パラメータ（ＴＳＥＰ）に基づくセンサ。

オンラインで測定された温度Ｔ_{ｏｎ＿ｍｅａｓ＿ｔ}は、例えば、温度センサが半導体素子に直接近接して配設されていないとき、熱モデルに基づく推定の結果として得ることもできる。温度は、熱モデル及びセンサの双方を用いて推定することができる。これにより、正確性／精度が改善される。熱モデルの一般的な変数は、半導体における電力損失Ｐ_ｌｏｓｓ及び温度、例えばケース温度又は周囲温度の推定値である。この場合、値Ｔ_{ｏｎ＿ｍｅａｓ}はケース温度とすることができる。以下において用いられる温度は、Ｉ_ｏｎ及びＶ_ｏｎのような他の値に鑑みて補正することができる。電力損失モデルの入力は、Ｉ_ｏｎ及びＶ_{ｏｎ＿ｍｅａｓ}又はＶ_{ｏｎ＿ｃｏｒｒ}とすることができる。そのような場合、Ｖ_{ｏｎ＿ｃｏｒｒ}はＶ_{ｏｎ＿ｍｅａｓ}のフィルタリングされた値である。

モジュール１の半導体素子にわたってオン状態の測定電流Ｉ_{ｏｎ＿ｍｅａｓ＿ｔ}を測定するために、一組のセンサ３は、電流センサを含むことができる。例えば、電流センサは、ＩＧＢＴの場合にコレクタ電流Ｉ_ｃを測定し、ＭＯＳＦＥＴの場合にドレイン電流Ｉ_ｄを測定し、及び／又はダイオードアセンブリの場合にアノード電流Ｉ_ａを測定する。電流センサは、例えば、以下を含むことができる。
−電流ミラー、
−ホール効果センサ、
−シャント抵抗器、
−入力制御信号の関数における電流推定器。

以下の例において、一組のオンライン測定値Ｘ_{ｏｎ＿ｍｅａｓ＿ｔ}は、オン状態電圧Ｖ_{ｏｎ＿ｍｅａｓ＿ｔ}と、オン状態電流Ｉ_{ｏｎ＿ｍｅａｓ＿ｔ}と、オンライン測定温度Ｔ_{ｏｎ＿ｍｅａｓ＿ｔ}との三つを含む。三つは、例えば、各切り替え周波数又は各変調周波数において固定サンプル周波数を用いて取得される。あるいは、これらの三つは、以下で説明される装置５からの要求時に取得される。

装置５は、少なくとも、メモリに作動的に関連付けられ、一組のセンサ３から得られた入力データを受け取るように構成されたプロセッサを備える。換言すれば、上記で説明した測定値のうちの少なくともいくつかが装置５のための入力データを形成する。装置及びそのプロセッサは、入力データの関数におけるモジュール１の少なくとも１つの補正された劣化指標Ｄｅｇｒ_{ｃｏｒｒ＿ｔ}を出力データとして提供するように方法を実行するように構成される。

装置５は、一組のセンサ３の出力に接続される。物理的に、装置５は、モジュール１自体に埋め込むことができるか、別個のデバイスを形成することができるか、又はモジュール１及び／又は一組のセンサ３から離すことができる。例えば、装置５は、ネットワークを介して一組のセンサ３に接続されたサーバを形成することができる。そのような場合、各装置５は、複数のモジュール１から得られた入力データを受信することができる。これは、例えば、大群のモジュール１の監視を確実に行うことを可能にする。

次に、そのようなモジュール１の劣化を推定する方法を説明する。いくつかの実施形態では、方法は、一連のステップを含む（以下においてａ）〜ｆ）で参照される）。一連のステップは、反復ループとして繰り返し実行される。各ループは、時点ｔに関連する。次の反復は、後の時点ｔ＋１に対応する。このため、反復ループの出力データのうちの少なくともいくつかは以下の双方とすることができる。
−方法及び装置５の出力、及び、
−方法の次の反復ループの入力。

例えば、時点ｔ−１に対応するループの終了時に得られる補正された劣化指標Ｄｅｇｒ_{ｃｏｒｒ＿ｔ−１}は、時点ｔに対応する次のループにおいて劣化指標Ｄｅｇｒ_{ｅｓｔ＿ｔ−１}として用いられる。

方法の一連のステップは、第１の時点ｔ−１においてモジュールの劣化指標Ｄｅｇｒ_{ｅｓｔ＿ｔ−１}を得るステップａ）を含む。方法の初回の実施において、第１の一連のステップについて、劣化指標Ｄｅｇｒ_{ｅｓｔ＿ｔ−１}は任意に固定することができ、例えば、モジュール１の動作開始において作成される測定値及び／又は推定値から推測することができる。

ここで、以下において、劣化指標Ｄｅｇｒ_ｅｓｔは様々なタイプのものとすることができる。いくつかの実施形態では、Ｄｅｇｒ_ｅｓｔの値と別の値との比較は、値自体よりも重要である。例えば、モジュール１のＤｅｇｒ_ｅｓｔの時間的展開を監視することは、その固有値よりも重要であり、物理的に関連性が高い。例えば、複数の類似のモジュール１の各Ｄｅｇｒ_ｅｓｔを比較することにより、異常劣化を受けているモジュールを検出することが可能になる。

非限定的な例として、劣化指標Ｄｅｇｒ_ｅｓｔは以下の形式を有することができる。
−モジュール１の電気抵抗ΔＲ（オーム単位）、
−モジュールの健全性（全く劣化のないモジュール１の場合の１００％と、故障中のモジュール１の場合の０％との間のパーセンテージ）、
−機能停止までの時間（時間、日、サイクル数単位）。
容易に理解することができるように、当業者であれば、インデックスＤｅｇｒ_ｅｓｔについて任意の等価な形式を使用することができる。例えば、インデックスＤｅｇｒ_ｅｓｔは、ワイヤボンドの亀裂長、金属部の抵抗率、又はリフトオフしたワイヤボンド数に対応することができる。

方法の一連のステップは、第１の時点ｔ−１における劣化指標Ｄｅｇｒ_{ｅｓｔ＿ｔ−１}に時間的劣化モデル１１を適用することによって、第２の時点ｔにおいてモジュール１の推定された劣化指標Ｄｅｇｒ_{ｅｓｔ＿ｔ}を推定するステップｂ）を含む。換言すれば、劣化モデル１１は、少なくとも、ｎ−１番目の劣化指標を知ることで、ｎ番目の劣化指標を推定することを可能にする。劣化モデルの形態の非限定的な例のうちのいくつかが以下で与えられる。

例１：

例２：

ここで、ａ、ｂ、ｃ及びｄは、Ｉ_ｏｎ及びＴの関数である。
例３：

例４：

例５（経験的モデル）：

ここで、ΔＤは、ｎ−１番目とｎ番目との間で計算される損傷である。ΔＤの計算は、コフィン−マンソン則等の損傷則によって重み付けされ、線形累積則等の損傷累積則によって累積されたレインフローアルゴリズム等のカウンティングアルゴリズムによってカウントされた温度サイクル数ΔＴに基づくことができる。ａは、（ＤｅｇｒがΔＲに等しい実施形態において）抵抗増大ΔＲと同様に、所定とするか、又は補正することができるパラメータである。

モデルは、また、物理学に基づくことができる。例えば、温度サイクルは、パワー半導体素子の幾何学において可塑性及び／又は弾性疲労エネルギーを推定するのに用いられ、このエネルギーは、亀裂伝播率を推定するのに用いられる。亀裂長は、劣化指標Ｄｅｇｒ_ｅｓｔとして用いることができる。

方法は、一組のオンライン測定値Ｘ_{ｏｎ＿ｍｅａｓ＿ｔ}を得るステップｃ）を含む。換言すれば、一組のセンサ３によって作成された測定値から得られたデータは、一連のステップにおける入力データとして用いられる。

時間順では、ステップａ）において得られた指標が、ステップｂ）を実行するのに用いられるため、ステップｂ）はステップａ）の後に続く。ステップｃ）は、ステップａ）及びｂ）と独立して実行することができる。結果として、ステップｃ）は、方法が実行されるとき、ステップａ）及びステップｂ）の前、後、又はステップａ）及びステップｂ）と同時に実行することができる。

ステップａ）、ｂ）及びｃ）の後、方法の一連のステップは、ステップｄ１）及びｅ１）、若しくはｄ２）及びｅ２）、又はそれらの双方を含む。

ステップｄ１）は、電気等価モデル（electrical equivalence model）１３を適用することによって、（ステップｃ）から得られた）一組のオンライン測定値Ｘ_{ｏｎ＿ｍｅａｓ＿ｔ}を、時点ｔにおける推論された劣化指標（Ｄｅｇｒ_{ｍｅａｓ＿ｔ}）に変換することを含む。電気等価モデル１３については以下で説明される。

次に、ステップｅ１）は、（ステップｂ）から得られた）推定劣化指標Ｄｅｇｒ_{ｅｓｔ＿ｔ}と、（ステップｄ１）から得られた）推論された劣化指標Ｄｅｇｒ_{ｍｅａｓ＿ｔ}との間の偏差１５（又は距離）を計算することを含む。そのような文脈において、偏差は、算術的差（単純な減算）若しくは平方根差、又は確率分布に従う尤度とすることができる。例えば、偏差は以下の通りである。

ステップｄ２）は、時点ｔにおける推定劣化指標Ｄｅｇｒ_{ｅｓｔ＿ｔ}を一組のオンライン推定値Ｘ_{ｏｎ＿ｅｓｔ＿ｔ}に変換することを含む。一組のオンライン推定値Ｘ_{ｏｎ＿ｅｓｔ＿ｔ}は、上記モジュール１のオンライン推定電圧Ｖ_{ｏｎ＿ｅｓｔ＿ｔ}、オン状態推定電流Ｉ_{ｏｎ＿ｅｓｔ＿ｔ}及びオンライン推定温度Ｔ_{ｏｎ＿ｅｓｔ＿ｔ}のうちの少なくとも１つを含み、各々が、電気等価モデル１３を適用することによって、時点ｔについて推定される。好ましくは、一組のオンライン推定値Ｘ_{ｏｎ＿ｅｓｔ＿ｔ}は、ステップｃ）において得られたパラメータと同じタイプのパラメータ（測定値）を含む。

次に、ステップｅ２）は、（ステップｃ）から得られた）一組のオンライン測定値Ｘ_{ｏｎ＿ｍｅａｓ＿ｔ}と、（ステップｄ２）から得られた）一組のオンライン推定値Ｘ_{ｏｎ＿ｅｓｔ＿ｔ}との間の偏差１５（又は距離）を計算することを含む。そのような文脈において、偏差は、算術的差（単純な減算）若しくは平方根差、又は確率分布に従う尤度とすることができる。複数のタイプのパラメータが利用可能である場合、偏差はタイプごとに計算される。例えば、偏差は以下の通りである。

電気モデル１３が、少なくとも劣化指標Ｄｅｇｒ_ｅｓｔの関数においてＸ_{ｏｎ＿ｅｓｔ}を推定し、及び／又は測定値Ｄｅｇｒ_ｍｅａｓの関数においてＤｅｇｒ_ｅｓｔを推定するように構成される。電気モデル１３の非限定的な例のうちのいくつかが以下に与えられる。上記例において、Ｘ_{ｏｎ＿ｅｓｔ}＝Ｖ_{ｏｎ＿ｅｓｔ}とみなされる。代替的に、他のタイプのパラメータが用いられてもよい。

例Ａ：
図１に示す第１の例において、ステップｄ１）及びｅ１）の実行が実施される（ステップｄ２）及びｅ２）は実施されない）。電気モデル１３は、Ｖ_{ｏｎ＿ｍｅａｓ}を用いて劣化指標Ｄｅｇｒ_ｍｅａｓを推測する。

例Ｂ：
図２に示す第２の例において、ステップｄ２）及びｅ２）の実行が実施される（ステップｄ１）及びｅ１）は実施されない）。電気モデルは、Ｄｅｇｒ_ｅｓｔを用いてＶ_{ｏｎ＿ｅｓｔ}を推測する。例えば、ＤｅｇｒがΔＲに等しく、Ｉ及びＴが入力として利用可能である場合、電気モデルは以下とすることができる（Ｉ及びＴは、それぞれ直接Ｉ_{ｏｎ＿ｍｅａｓ}及びＴ_ｍｅａｓとすることができるか、又はこれらの測定値から導出された値とすることができる）。

Ｖ_ｅｌｅｍ（Ｔ，Ｉ）は、装置５のメモリに記憶されたルックアップテーブルにおいて定義された関数とすることができるか、又は以下等のモデルとすることができる。

ここで、パラメータａ、ｂ、ｃ及びｄは、
−所定であり、このタイプの半導体素子のための標準値に基づくか、
−所定であり、半導体素子の製造プロセスの終了時の特定の較正に基づくか、又は、
−所定であり、動作の開始時のオンライン較正に基づく（例えば、ΔＲ＝０）。

Ｒ_{ｃｏｎｎｅｃ，ｉｎｉｔ}（Ｔ）は、上記で説明した温度測定値から推測される値とすることができる。これは、モジュール１の動作開始時の温度接続Ｔ_Ｃから推測された接続部の抵抗に対応することができる。

そのような例において、初期Ｄｅｇｒ値は、一定の所定値（例えばＤｅｇｒ＝０）であるか、又は前の時点（前のループ）において得られたＤｅｇｒ値に等しい。

代替的な実施形態において、方法（又は少なくとも一連のステップａ）〜ｆ））は、値Ｉ及びＴが所定の値に等しいときにトリガーされる。このため、電気モデル１３においてＩ又はＴをパラメータとして含める必要はない。

そのような実施形態において、方法は、Ｔ及びＩを検討し、Ｔ及びＩが厳密な判断基準例えばＩ＝１００Ａ±１％及びＴ＝１００℃±１％に応答するとき、劣化推定をトリガーする、モーメント検出のステップを更に含む。

方法の一連のステップは、（ステップｅ１）及び／又はｅ２）から得られた）計算された偏差の関数において、（ステップｂ）から得られた）推定劣化指標Ｄｅｇｒ_{ｅｓｔ＿ｔ}を補正して（１７）、補正された劣化指標Ｄｅｇｒ_{ｃｏｒｒ＿ｔ}にするステップｆ）を含む。

例ｉ（最低母集団誤差及び粒子フィルター）：
１つの基本的な例は、劣化指標の値Ｄｅｇｒの或る特定の母集団のみを推定することである。例えば、値は、Ｄｅｇｒ_ｅｓｔが実質的にＤｅｇｒ_ｍｅａｓに等しい劣化指標のみを保持するようにフィルタリングされる。換言すれば、極端な値をフィルタリングすることができる（以下において無視される）。

次に、母集団全体について、フィルタリングされた母集団からの全体偏差が推測される。全体偏差は、前の特定の偏差の場合と同様に、差、平方根差、又は確率分布に従う尤度とすることができる。様々な実施形態において、最も低い誤差に対応する状態ΔＲを選択することができる（このため、補正器は選択器である）。代替的に、最も尤度の高い状態の選択肢が選択され、確率分布を有する母集団を表す（例えば、ガウス再分配（Gaussian repartition））。

全体偏差は、推定劣化と測定劣化との間の「誤差」と呼ぶことができる。推定劣化指標Ｄｅｇｒ_{ｅｓｔ＿ｔ}は補正され、上記誤差を減算することによって劣化指標Ｄｅｇｒ_{ｃｏｒｒ＿ｔ}にされる。

例ｉｉ（カルマンフィルター）：
いくつかの実施形態では、本方法は、例えばステップｆ）において、カルマンフィルター等のフィルター、又はカルマンフィルターの派生物（例えば非線形又は拡張）を用いる。

劣化指標（例えばΔＲの値）は、フィルター／観測器／補正器により計算される。時点ｔの各新たな劣化推定において、劣化モデルは劣化レベルＤｅｇｒ_{ｅｓｔ＿ｔ}を推定する。これは測定値Ｄｅｇｒ_{ｍｅａｓ＿ｔ}と比較され、補正される。

いくつかの実施形態では、劣化モデル１１は、劣化モデル１１のノイズに基づいて劣化Ｄｅｇｒ_ｅｓｔ及び共分散Ｃｏｖ_ｅｓｔの双方を推定する。電気モデル１３は、測定ノイズに基づいて、Ｘ_{ｏｎ＿ｅｓｔ}（例えばＶ_{ｏｎ＿ｅｓｔ}）及び関連付けられた共分散の双方を推定する。補正器は、劣化Ｄｅｇｒ_ｃｏｒｒを更新（補正）するために以前に推定された共分散と、劣化モデル共分散との双方に基づいて計算されたカルマン利得を用いる。

例ｉｉｉ（モデルの補正）：
補正は、劣化指標Ｄｅｇｒに対してのみ直接行うことができるが、劣化モデルパラメータに対して行うこともできる。このため、モデルは自動学習しており、方法は機械学習の側面を含む。

図２の例示的な事例では、劣化モデル１１のパラメータは、計算された誤差の関数において一連のステップごとに次から次へと更に補正される。このオプションは、点線の矢印によって表される。そのような方法は、劣化モデルを計算する（更新する）ことを可能にする。

方法によって用いられる全てのモデル１１、１３は、不確実性を組み込むことができる。例えば、電気モデル１３は、推定値Ｖ_{ｏｎ＿ｅｓｔ}（σ）を提供することができ、σは不確実性メトリックである。例えば、σは確率分布の標準偏差である。

方法によって生成される様々な推定値（好ましくは、少なくともＶ_{ｏｎ＿ｅｓｔ}）及び状態（好ましくは、少なくともΔＲ）は、例えば、以下の補足情報を生成するために更に処理することができる。
−健全性（％単位、例えば１００％〜０％）、
−寿命推定（日付）、
−残余耐用年数（ＲＵＬ）推定（時間又はサイクル数単位）、
−損傷のタイプ（亀裂伝播、はんだ外れ（desoldering）、層間剥離等）、
−損傷箇所。

これらのタイプの情報のうちのいくつかは、入力データとして他の方法／装置に提供することができる。例えば、健康管理プログラムは、この情報の関数において、いくつかの半導体モジュール間の応力及び作業負荷分布を適応させることができる。

様々な実施形態において、方法は、閾値との比較、外挿、曲線当てはめ、及び／又は粒子伝播を含むことができる更なる処理を含む。

１つの代替的な実施モードでは、電流値（ミッションプロファイル）の過去の履歴に基づいて、少なくとも電流及び周囲温度が外挿される。方法は、部分的に、外挿された電流及び周囲温度を用いて実行され、未来の損傷パラメータの展開が推定される。オンライン測定機能は、推定値の補正を可能にし、このフェーズにおいてモデルが不活性化される。換言すれば、方法は、現時点での、例えばリアルタイムでの監視フェーズに関して以前に説明された。方法は、未来の時間の予報フェーズとの関連で実施することもできる。そのような場合、いかなる「測定」も不可能であり、値Ｘ_{ｏｎ＿ｍｅａｓ＿ｔ}は、未来の時点について物理的に取得することができない。それにもかかわらず、現時点ｔ及びｔ＋１の劣化指標の関数において、未来の時点ｔ’及びｔ’＋１についての推定劣化指標を推定することが可能である。

本発明の方法は、物理的意味を有することができる劣化指標を得ることを可能にし、このため、より容易に（観測により）検証され、外挿される。劣化指標は、温度及び電流に対し無反応であり、劣化にのみ感度を有するように構築することができる。劣化指標は、データ駆動形手法及びモデルベースの手法の双方を利用して、データ取得及び所定のモデルを組み合わせる。データフィルタリングは、Ｖ_ｏｎのオンライン測定において存在するノイズを低減するために、方法に容易に追加することができる。モデルを更新し、自動学習を可能にすることができる。

方法／装置５が複数のモジュール１に共通であるとき、例えば、一組の測定値が、外部サーバに送信されて処置されるとき、更新されたモデルパラメータ及び／又はモデルの構造を、複数のモジュール１のために用いることができる。モジュール１の故障の場合、最後に更新された情報（モデルの構造、パラメータ及び劣化インデックス）に関連付けられた警告を送信することができる。これにより、推定と現実との間の任意の差異をより良好に理解し、必要な場合にモデルを適合させることが可能になる。故障の事例は、履歴データベースに記憶することができる。

本発明は、ここで記載する方法及び装置に限定されず、これらは単なる例である。本発明は、本明細書を読んだ当業者であれば想到する全ての代替形態を包含する。

Claims (8)

1. ワイヤボンディングされたパワー半導体モジュールの劣化を推定する方法であって、
   ａ）第１の時点におけるモジュールの劣化指標を得ることと、
   ｂ）前記第１の時点における前記劣化指標に時間劣化モデルを適用することによって、第２の時点における前記モジュールの推定劣化指標を推定することと、
   ｃ）一組のオンライン測定値を得ることであって、前記一組のオンライン測定値は、前記モジュールのオン状態測定電圧、オン状態測定電流及びオンライン測定温度のうちの少なくとも１つを含み、各々が前記第２の時点において±１００マイクロ秒以内で測定されることによって、前記一組のオンライン測定値を得ることと、
   次に、
   ｄ１）電気等価モデルを適用することによって、前記一組のオンライン測定値を、前記第２の時点における劣化指標に変換することと、
   ｅ１）前記推定劣化指標と前記劣化指標との間の偏差を計算することと、
   又は、
   ｄ２）前記第２の時点における前記推定劣化指標を、一組のオンライン推定値に変換することであって、前記一組のオンライン推定値は、前記モジュールのオン状態推定電圧、オン状態推定電流及びオンライン推定温度のうちの少なくとも１つを含み、各々に電気等価モデルを適用することによって、前記第２の時点におけるオンライン測定値に変換することと、
   ｅ２）前記一組のオンライン測定値と、前記一組のオンライン推定値との間の偏差を計算することと、
   ｆ）前記計算された偏差の関数によって、前記第２の時点における前記推定劣化指標を補正して、前記第２の時点における補正された推定劣化指標にすることと、
   を含む、方法。
2. 一連のステップａ）〜ｆ）は、反復ループとして繰り返し実行され、前回の一連のステップの最後に得られた前記補正された推定劣化指標は、次の一連のステップの第１の時点における前記劣化指標として用いられる、請求項１に記載の方法。
3. 前記時間劣化モデルはパラメータを含み、前記パラメータの値は、前記前回の一連のステップにおいて計算された前記偏差の関数において更新される、請求項２に記載の方法。
4. 少なくとも温度値及び電流値が監視され、ステップｃ）は、前記監視される値が所定の基準を守っているときにトリガーされる、請求項１〜３のいずれか一項に記載の方法。
5. 一連のステップａ）〜ｆ）は、監視フェーズ中に少なくとも１回実行され、次に、
   予報フェーズ中に、少なくとも１つの以下の一連のステップ、すなわち、
   ａ’）第１の時点における前記モジュールの劣化指標を得ることと、
   ｂ’）前記第１の時点における前記劣化指標に時間劣化モデルを適用することによって、第２の時点における前記モジュールの推定劣化指標を推定することと、
   が実行される、請求項１〜４のいずれか一項に記載の方法。
6. 少なくとも１つのワイヤボンディングされたパワー半導体モジュールと、
   一組のオンライン測定値を測定するように前記少なくとも１つのモジュールに結合された一組のセンサであって、前記一組のオンライン測定値は、前記少なくとも１つのモジュールのオン状態測定電圧、オン状態測定電流及びオンライン測定温度のうちの少なくとも１つを含む、一組のセンサと、
   メモリに作動的に関連付けられ、前記一組のセンサの前記オンライン測定値から得られたデータを受信し、請求項１〜５のいずれか一項に記載の方法を実行するように構成されたプロセッサと、
   を備える、システム。
7. ソフトウェアがプロセッサによって実行されるときに、請求項１〜５のいずれか一項に記載の方法を実施するための命令を含むコンピュータソフトウェア。
8. ソフトウェアがプロセッサによって実行されるときに、請求項１〜５のいずれか一項に記載の方法を実施するようにソフトウェアが登録される、コンピュータ可読非一時的記録媒体。

Images