大數據時代元器件質量數據應用研究

邱云峰 李玉學

(貴州航天計量測試技術研究所,貴州 貴陽550009)

1 概述

電子元器件是構成系統的基本單元,元器件的可靠性是各類電子整機及裝備可靠性的基礎。元器件生產、選用、采購、檢驗、使用全壽命周期內會產生大量質量相關數據,受數據標準不統一,傳輸鏈路不通暢等影響,質量數據通常散落在不同的數據平臺(如PDM、TDM),難以有效的整合,質量數據無法得到有效應用,無法體現其價值。元器件質量數據資源是做好武器裝備質量與可靠性工作,確保型號產品質量與可靠性的重要基礎。隨著武器裝備質量與可靠性工作的深入開展,元器件質量數據的建設與應用工作越來越顯示出其重要的價值和作用。

實現元器件質量數據的有效應用,首先應建立一個元器件質量大數據平臺。傳統元器件質量數據平臺呈現離散化和系統性不強的特點,缺乏統一數據源和集成融合技術支撐,以及獨立的數據體系和統一的信息載體,對質量數據的相關業務流程無法做到統一存儲、組織、管理和控制,很難實現對裝備質量問題的多維追蹤查詢和分析、質量數據的跟蹤及溯源以及全生命周期質量數據的可追溯和管理。

2 元器件質量數據來源

元器件質量數據源是指在元器件的質量保證過程中所產生的描述元器件可靠性水平及狀況的各種數據,可以包括數字、圖表、曲線等多種形式,這些數據涵蓋了元器件的生產、選用、采購、檢驗、使用的整個過程。為了便于數據管理將質量數據分為基礎數據、質量保證數據、質量管理數據、使用信息4 個大類,質量保證數據為核心。生產過程會產生產品規格信息、性能指標、環境指標、質量等級、典型應用信息、EDA 模型等基礎數據,生產過程合格品率、例行試驗數據、鑒定試驗數據、篩選數據等可靠性保證數據,產品變更、新品替代、停產信息等質量管理信息；選用過程會產生選用目錄、合格供方、選用評審、超目錄審批等質量管理信息；采購過程會產生采購訂單、技術協議、供貨周期、產品價格等質量管理信息；檢驗過程會產生復驗篩選數據、DPA 數據、下廠監制驗收信息、失效分析數據、應用驗證數據、結構分析數據等質量保證數據；使用過程會產生裝機信息、故障記錄、失效信息、試驗記錄、降額信息等使用信息,出入庫信息、例外放行、歸零信息等質量管理數據。

這些質量數據主要從3 個方面得到,一是從通過電子數據包的方式從生產廠的關鍵工序檢驗和篩選試驗得到的數據；二是從通過信息化系統(如ERP、MES、TDM)從質量保證機構的質量保證過程中得到的數據,主要包括篩選和可靠性試驗數據；三是通過數據報送方式從使用單位的選用報告、質量分析報告、歸零報告中獲取使用信息。數據來源及結構如圖1 所示。為了得到高質量的數據,還需要對這些數據源進行校驗和優化,校驗數據的有效性和真實性,優化數據的可用性,判斷數據源的可持續性和可獲得性。

圖1 元器件質量數據來源及結構

3 元器件質量大數據平臺

傳統的數據平臺關注的生產過程管理、數據管理,其數據分析能力較弱,且多為企業內部運行,數據標準不統一,數據對外傳遞較少。而基于大數據技術的元器件質量數據平臺以數據為主線,實現對數據的管理、分析與有效應用,展現給應用對象的是基于數據支撐的質量管理與輔助決策。相對于傳統數據平臺設計而言,在應用模式、數據流、分析方法、數據采集工具、結果展示等方面有較大差異,具體如圖2 所示。

圖2 元器件數據平臺對比

元器件質量大數據平臺體系架構為“五層兩域”結構,分別是網絡安全域、數據采集域、數據解析層、數據交換層、大數據基礎層、大數據處理層、應用層,系統架構如圖3 所示。

圖3 元器件質量數據共享平臺系統架構

元器件質量大數據平臺包含六個功能模塊,分別為數據采集模塊、數據集成融合模塊、大數據管理模塊、數據訪問與控制模塊、數據分析與挖掘模塊及大數據應用模塊。

3.1 數據采集模塊

在數據采集模塊中,提供數據接口用于支持不同信息系統中數據的采集。對于系統內部單位的數據可以通過內部網傳輸數據；對于第三方支持單位的相關數據采用數據導入的方式進行采集；對于PHM 等實時數據采用基于物聯網的數據采集工具進行采集。此外,還支持人工數據錄入,對于無法通過設備或自動化方法采集得到的部分數據,可以通過數據錄入功能存儲到平臺中,供后續的分析和處理使用。

3.2 數據集成融合模塊

根據應用對象對元器件質量數據需求,實現元器件質量數據的抽取、清洗、轉換、加載、校驗、集成和融合等處理。首先,通過應用間的數據交換實現數據集成。其次,通過抽取、轉換最后映射到統一的數據模型上進行存儲。最后,對統一數據模型上的數據進行校驗,評估數據質量。

3.3 大數據管理模塊

元器件質量相關數據涉及大量的結構化、半結構化和非結構化的數據,需要根據數據的類型、特點和需求選擇關系型數據庫、MySQL 數據庫和數據倉庫等數據存儲解決方案,支持存儲和管理結構化與非結構化數據,支持對結構化數據與非結構化(文本)數據的聯合檢索,同時應用索引優化技術提升數據的查詢效率。

3.4 數據訪問與控制模塊

面向不同需求的用戶提供不同主題的數據內容,支持自定義細粒度的數據共享和數據訪問權限控制。針對數據使用的不同方面,完成對數據使用的原則和控制策略,實現專人賬號管理,數據授權訪問,高敏感數據訪問審批,定期稽核、敏感數據加密,備份訪問管理等功能。

3.5 數據分析與挖掘模塊

根據最新的訓練集數據周期性或實時的更新算法模型,改善模型效果,同時提供數據統計功能,幫助用戶快速了解數據的數理統計特征及數據分布情況。更進一步支持執行圖表動態聯動、圖表的多層級下鉆以及多種常規圖表類型的可視化分析展現等大數據分析功能。

3.6 大數據應用模塊

采用MOLAP 系統作為分析處理引擎,實現數據快速查詢。根據數據分析與挖掘的結果,對元器件質量進行評估,并給出決策報告。結合OLAP 分析和圖表可視化技術自動生成相應報表,輔助用戶做出管理決策。

4 數據分析與應用

元器件質量數據分析與應用以產生決策智能為目標,為了輔助應用對象更加智能地分析、處理和決策,利用數據的多維性,建立模型,從多個角度對數據進行挖掘,實現過程數據與結果數據相結合,通過對歷史數據的分析評估實現對未來應用場景的預測和關聯洞察。例如:元器件的故障預測、壽命預測、可靠性預計,元器件故障發生原因的關聯性等。

結合不同應用對象對元器件質量數據的需求,根據實際應用場景采用相應的分析方法,使用分析工具進行分析,最終展示分析結果。數據分析與應用的流程如圖4 所示。

圖4 數據分析與應用的流程

4.1 應用需求分析

元器件質量數據分析將數據與各機構的業務需求結合起來,如裝備研制生產單位的元器件選用時,關注的信息有元器件的性能指標、質量保證等級、使用質量情況、失效分析信息等,同時還需要結合元器件的實際應用需求,如應用的環境要求,通過需求分析便于選擇成熟的分析計算模型和業務數據模型。

4.2 質量數據分析

對現有的成熟模型進行分析總結,如相關分析法、聚類分析法、關聯分析法、回歸分析法、機器學習等,結合實際的需求,選用與需求相適應的分析模型進行分析設計。如元器件選用的需求采用關聯分析法進行分析,對于元器件質量預測采用回歸分析法進行分析。

4.3 分析結果展示

數據分析的結果通過可視化圖形或報表形式進行展示,便于使用人員對分析結果的理解。對于元器件數據類的結果信息,如元器件數量比例、數費比、性能指標等,采用柱狀圖、餅圖等進行展示；對于元器件預測類的結果信息,如元器件壽命預測,運用走勢曲線進行展示。

結束語

在大數據時代,將大數據技術、人工智能技術應用質量管理中,實現以數據為驅動的質量分析、預測、管控和改進是未來質量管理的趨勢。在此情形下研究元器件質量數據來源、結構、大數據平臺架構、挖掘分析與應用具有很強的現實意義。