詹家強
(天津七一二通信廣播股份有限公司,天津,300000)
電子元器件的固有缺陷是導致產品在使用早期過程中提前失效的主要原因,而老煉篩選試驗是保障電子元器件在使用前期便可以剔除其固有的缺陷,保障電子元器件的產品質量及其特征符合客戶的使用質量需求。電子元器件的質量控制工作使長期以來各項產品質量分析和疑難質量問題診斷研究工作都得到了較大的發展。而當前最常見的篩選方式就是“老煉”,即讓半導體器件在高溫、高壓條件下進行超負荷工作,從而促使電子元器件的固有缺陷在短時間內暴露出來,提升產品質量控制的有效性[1]。
當前常見的電子元器件老煉篩選試驗方法主要是指,在一定的高溫環境下,在較長的時間內對電子元器件連續不斷地施加相應的電應力,通過特別設置的電-熱應力的綜合作用來進一步催化電子元器件內部在未來使用過程中產生的物理和化學反應。促使電子元器件中隱含的各種潛在缺陷盡早暴露出來,從而實現電子元器件質量控制的目的[2]。為了有效提升老煉篩選技術的對電子元器件質量檢測的有效性,首先分析了電子元器件的篩選方法,并且通過質量灰色預測挖掘算法以及質量灰色關聯規則挖掘算法,從老煉試驗數據中挖掘置信度大于預定閾值的規則,從而更好實現產品質量控制。
在當前大量的老煉試驗數據統計分析基礎上發現,電子元器件和設備在運行過程中呈現的元器件故障缺陷會隨著時間的變化而暴露出來,而時間的變化曲線通常呈一個“浴盆”曲線形狀。電子元器件的應用過程就如同人類的死亡率曲線,即人類的死亡率在嬰幼期和老年期死亡率較高,而青壯年期的死亡率較低,且相對穩定。而電子元器件在早期使用過程中失效的頻率高而隨后技術下降,使用中期,失效的頻率成為“偶然”失效率,呈最低或是近似于不變的狀態。且使用后期,電子元器件達到使用損耗嚴重期,則其產品的使用損耗失效率會急速提升。其中,早期失效率升高的主要原因是電子元器件在生產和制造過程中存在的固有缺陷;而偶然失效期元器件失效率穩定的原因則是由于多種不確定應力作用沖擊造成的隨機沖擊,屬于偶然性失效;而后期失效率增高的原因是電子元器件在使用過程中受到老化、磨損、耗損、疲勞等多種物理變化而造成的必然性失效。基于此,電子元器件的老煉篩選方法則是有效避免電子元器件早期失效率升高的重要方法,即通過老煉篩選方法將電子元器件中固有的缺陷在老煉試驗中暴露出來,避免元器件的質量受到影響,有效降低元器件的故障率,提升產品的可靠性。
電子元器件的老煉篩選方法主要有溫度循環和隨機振動兩種老煉篩選應力方法。而當前較為權威電子元器件質量控制和環境篩選方法選擇有效性如圖1 所示。老煉篩選方法主要是通過不同的應力試驗篩選不同級別上固有缺陷,即元器件的工藝缺陷、設備缺陷以及加工缺陷等多種缺陷類型[3]。

圖1 環境應力篩選有效性示意圖
溫度循環篩選是老煉篩選試驗對元器件部組件質量控制較為有效的應力篩選方法。這種篩選方法可以有效暴露元器件組件工藝和施工過程中存在的固有缺陷,如組裝缺陷、破裂、絕緣裂口、焊接缺陷以及容差漂移等多種物理缺陷。溫度循環老煉篩選方法需要考慮4 個環境因素,即最高溫度、最低溫度、溫度變化率以及循環次數。
(1)最高溫度。溫度循環老煉篩選試驗在測試元器件質量時,其所有的最高溫度不得超過元器件所有構件材料的最高溫度中的最低值。并且需要考慮元器件各組件產品技術條件所規定的最高溫度值。
(2)最低溫度。溫度循環老煉篩選試驗所測試的元器件組件測試環境不得低于元器件構件組成材料的最低額定溫度中的最高值。
(3)溫度變化率。溫度變化率直接影響了元器件老煉篩選試驗的效果。溫度的最大變化率取決于熱心特性和被篩選產品的承受能力。
(4)循環次數。根據我國《電子產品環境應力篩選方法》(以下簡稱《方法》),老煉篩選試驗的溫度循環時間通常為90h~180h,之間約經歷25~50 次熱循環[4]。
元器件的老煉篩選方法中的振動篩選在使用時需要根據元器件的不同類型而選擇不同的振動種類,如隨機振動、正弦掃描等。并且在使用過程中需要考慮2 個參數。
(1)振動等級。根據《方法》,隨機振動篩選方法的振動等級為0.05~0.055g2/Hz。并且在篩選試驗過程中根據振動激勵的動態響應特征對其進行振動檢查,實時優化振動譜等級。需要注意的是,隨機振動試驗因某種原因無法進行時,選用正弦掃描振動開展老煉篩選試驗。
(2)持續時間。根據《方法》,在進行隨機振動試驗時,建議對三個軸向各進行10min 振動,但是應視具體試驗的元器件部件的大小和剛度來確定振動時間。《方法》中規定的隨機振動功率密度如圖2 所示[5]。

圖2 隨機振動功率譜密度圖
老煉試驗是元器件的質量控制的重要方法之一,從技術層面提升老煉篩選試驗的成效,并且通過構建數據挖掘模型,優化老煉篩選試驗的實驗成效。當前常用的數據挖掘方法有聚類法、關聯法以及概念描述法等,主要是通過決策樹、神經網絡算法、模糊理論算法以及貝葉斯理論、灰色理論等計算規則來提升老煉篩選試驗數據的有效性[6]。文章主要基于灰色理論構建老煉試驗質量灰色預測數據挖掘模型,通過灰色理論算法來提取系統質量數據序列,從中挖掘產品老煉篩選試驗的變化規律,從而有效推測元器件的質量控制行為和質量控制決策的有效性。
基于數據挖掘的灰色預測質量控制模型首先需要通過對元器件的質量采樣裝置進行質量數據采樣,將采樣的行為數據進行整理后,通過灰色理論算法將計算出元器件的質量控制預測值。質量灰色關聯分析主要是通過將一般控制系統附加在質量灰色關聯控制器而得到。即通過灰色關聯度υ(M,N)來確定老煉試驗的質量控制矢量P。將輸出的老煉試驗質量測試矢量M 朝著接近質量目標矢量N。
假設Mi=[Mi(1),Mi(2),…,Mi(n)],(i=1,2,…,m)表示采集數據的輸出向量為質量的采樣序列。即其響應式為:
其中,Mi表示時間響應函數;ai即bi分別表示的參數列;k 表示序數。
當控制算子f 滿足條件(2)時則可以將其視為質量灰色預測控制方法。
將灰色關聯的υ(M,N)來確定矢量控制矢量,其分析實質是通過比較數據到曲線幾何形狀的相似度,其相似度越高,質量的變化趨勢就越接近,則元器件產品的生產行為對質量影響的關聯度就越大。這樣就可以從老煉試驗的結果中提煉出影響元器件質量的重要因素、特征及對系統影響的差別。
假設N=[N1,N2,…,Nm]T表示輸出質量的矢量集合,且M=[M1,M2,…,Mm]T表示目標質量的矢量集合。若是其中質量控制矢量U=[u1,u2,…,um]T中需滿足條件uk=fk(υ(M,N)) 及K=1,2,…,s。其中灰色關聯的幾何υ(M,N)則表示質量的灰色關聯控制。因此,基于灰色關聯度的υ(M,N)質量灰色關聯度系統計算公式為:
其中,ρ表示質量分辨系數且ρ ∈(0,∞),則ρ越小分辨率就越大。一般情況下,ρ的值為[0,1];且|x0(t)-xi(t)|表示在t 時刻的質量指標x0及xt的絕對差;且表示兩集合之間的質量最小差;表示兩個集合之間的質量最大差[7]。
通過構建的質量信息數據庫,從老煉試驗采集的數據集合中挖掘出數據中隱含的關聯規則,并且找出其中隱含的關聯。這時,假設質量的數據集合R表示為R={r1,r2,???,rm},其中ri是表示老煉試驗數據質量控制的記錄數據。每個質量記錄都有著相對應的標識符號,假設X→Y為其中的一條關聯規則,分別用S表示質量數據集中的支持度;C表示在采集的數據集合的置信度,分別可以通過公式(4)、公式(5)計算。
其中r 表示數據集合R 中的老煉試驗的缺陷樣本數據;t 表示在t 時刻內的含有的缺陷規則X 和Y 關聯性。
根據以上計算規則計算出的最小置信度(minC)和最小支持度(minS),按照灰色理論和關聯規則數據挖掘的元器件老煉試驗得出的固有缺陷關聯規則程序如圖3 所示。

圖3 質量灰色預測數據挖掘控制流程圖
電子元器件老煉篩選試驗根據老煉篩選試驗的技術方法針對元器件的型號、任務以及涉及面廣等特點選擇合適的老煉篩選試驗方法。并且,為了提升元器件和零部件的構成組件和系統的基本單元的性能和可靠性程度都直接影響著電子元器件產品的質量。因此,為了驗證文章基于數據挖掘技術提出的實現電子元器件老煉篩選質量超前控制,利用文章設計的預測算法技術對產品的質量控制特性給出既定的合乎試驗精度的預測值。文章以某次電子元器件的老煉篩選試驗為例,選擇電子元器件的電容器、半導體集成電路、晶體管以及繼電器等共18630 支進行試驗,具體情況如表1 所示。

表1 老煉試驗結果統計
根據文章設計的灰色理論質量預測數據挖掘規則分析,將數據庫中的電子元器件的老煉篩選信息表。并且根據數據庫中電子元器件老煉試驗缺陷來預測老煉篩選試驗的質量預測情況,具體預測結果如表2 所示。

表2 電子元器件老煉篩選質量預測結果分析
從表2 可以看出,文章對電子元器件的老煉篩選預測精度更好,絕對殘差以及相對殘差隨著k 值升高,產品的殘差值更低。因此,使用文章設計的質量灰色預測數據挖掘模型可以更好地提升電子元器件老煉試驗的效果。
總而言之,電子元器件老煉篩選試驗是提升產品實用性和可靠性的重要手段,通過老煉篩選試驗提升產品的合格率有著更好的作用。文章設計的質量灰色預測數據挖掘模型可以更好地優化老煉篩選試驗的成效,基于老煉篩選試驗的數據采集具有更加廣闊的研究前景。在灰色理論和關聯規則數據挖掘技術的總合規則研究下,從質量數據庫中利用關聯規則算法和挖掘技術引入產品質量控制優化。基于此,利用老煉篩選試驗可以有效避免電子元器件在未來使用過程中,因為生產過程中存在的固有缺陷導致電子元器件的使用可靠性降低。將老煉篩選試驗貫穿在質量檢驗、設計質量控制、工序質量控制以及供貨商各個環節的質量控制,有效提升電子元器件的質量控制。