高可靠元器件特征结构识别与表征技术

龚欣，李婷，孙佳佳，陈旭光，倪晓亮

（中国空间技术研究院电子元器件可靠性中心，北京 100094）

0 引言

目前国产元器件研制水平参差不齐，一方面对以往仿制元器件的基本设计理念等还缺乏深入思考，设计受限于当前国内基础材料、原材料等技术和产业水平，另一方面对于全新的、国外没有对应产品的自主研发新型元器件，没有现成的设计参照，存在设计水平低、试错代价大、迭代周期长等问题[1-3]，同时可靠性评价也缺乏权威性，而如果将目前已有的高可靠元器件的特征结构进行识别并提取出来，建立高可靠元器件特征结构大数据平台，再根据结构相似性原理派生出新元器件的设计方案，就可以很好地解决这个问题，同时能够充分利用已有知识和经验，使元器件设计工作变得轻松。

基于上述需求和思想，本文对高可靠元器件开展了特征结构识别与表征技术的研究，找出了适合高可靠性元器件的特征结构成组分类方法，并从结构形似性角度出发，建立了作为结构设计派生依据的高可靠元器件特征结构大数据平台，只需输入新器件的类别和应用领域或其他特殊需求，系统就会自动进行派生出相应的设计方案，对设计方案进行迭代和优化，便可以得到最终的设计方案。

1 高可靠元器件特征结构提取技术

对现有高可靠元器件特征结构进行提取是整个工作的基础，特征结构要素是什么，如何提取成为问题的关键，本文首先从功能实现角度对高可靠元器件进行结构单元分解，再在每个结构单元的基础上识别和提取代表其高可靠特性的特征结构。

1.1 高可靠元器件结构单元分解

结构单元分解是对元器件的整体结构按照功能单元和物理单元进行二级或三级层次分解，获得特征结构要素.一般应当分解到元器件结构的最小单元或功能的最小单元，以及工艺、材料的最小界限。

如图1所示是以空封单片集成电路为例给出特征结构单元分解图。

图1 空封单片集成电路结构单元分解图

1.2 高可靠元器件特征结构提取

针对每个结构单元，从元器件功能性能实现和应用环境适应性两大维度进行高可靠元器件特征结构梳理和信息汇总，同时汇总禁用特征结构信息、禁用原因、相应失效案例及照片，还有限用特征结构信息以及限用原因和措施等信息。表1以空封单片集成电路为例，给出特征结构要素的识别和信息提取。

表1 空封单片集成电路特征结构提取表

照此方法将各类别元器件高可靠特征结构进行提取，形成各类别元器件高可靠特征结构及禁限用特征结构。

2 元器件特征结构大数据平台设计和应用

在多年服务型号的过程中，产生并积累了丰富的关于元器件的结构、设计、材料、工艺等的数据信息，尤其是高可靠性元器件特征结构信息以及禁限用特征结构信息等非常有价值的数据信息，目前这些数据信息分散于各分析报告中，如结构分析报告或失效分析报告中，无结构化，无质量管控，查找极为不方便，数据应用成熟度不高，同时这些数据孤立存在，很难综合应用产生更多数据价值。亟须将这些数据汇总、治理并有效利用起来，亟须建立基于大数据的高可靠元器件特征结构数据库，以数据价值为驱动，采集更多数据，构建元器件物理结构信息大数据平台，对这些数据进行有序存储、有效质量管控，同时规范数据应用，不断优化平台，形成数据应用闭环，实现数据资源价值最大化，效益最大化。

以结构相似性为顶层原则，将元器件按照结构类别进行分类，对每类元器件进行高可靠性元器件特征结构、禁用特征结构、限用特征结构数据梳理和建设。

数据内容：不仅包括高可靠元器件特征结构信息，还应包括禁用特征结构和限用特征结构信息。

数据采集与整理：对于原有报告，通过人工梳理特征结构要素，要素信息通过人工填写，对于后续报告，按照结构化特征结构要素进行报告格式修改，实现特征结构要素信息的机器自主采集。

数据类型：分为结构化数据、非结构化数据。结构化数据又分为定性和定量两种，分别对应表1中“特征结构要素是什么”和“特征结构要素是多少”，非结构化数据包括：描述禁用特征结构禁用原因的文档、失效分析报告、失效现象及机理展示照片等等，通过对非结构化数据进行打标签、编序列号等手段进行结构化处理。

大数据建模：大数据建模有两种方式，一是经验模型，风险指标的判断规则由专家经验总结得出，如本文1.2节所示，均是根据专家经验预先梳理出的经验模型；二是数据模型，风险指标的判断规则是通过数据分析挖掘数据规律得出来的。对于结构可靠性量化判据指标，基于大数据分析和挖掘的方法是更科学和快捷的建模方法。

拟通过平台建设实现如下需求：

1）高可靠性元器件特征结构设计方案集成和优化。

2）基于结构相似原理的元器件结构可靠性判别依据派生。

3）基于大数据分析和挖掘的元器件结构可靠性量化判据生成。

3 基于结构相似性派生的高可靠元器件结构特征描述方法

大数据技术通过把原来不相干的数据放在一起，通过关联和交叉比对等手段，实现数据价值[4]。

通过决策树、神经网络等学习方法实现机器学习，通过功能性能实现及环境适应性等维度对数据进行关联和聚合，通过结构相似性原理，派生出新元器件的设计方案，同时也能基于相似结构派生出新元器件结构可靠性的判别依据和评价体系。关联及比对关键词包括：元器件类型、实现的功能性能、结构要素、应用领域等。

以下是基于相似结构派生结构可靠性量化判别依据的案例：

试验人员进行具体连接器结构可靠性分析，在检查连接器剖面时，发现接触件压接位置的镀层有断裂和与基材分离的现象，存在镀层剥落及发生腐蚀的可靠性隐患，测量镀镍层厚度为12-15μm。

试验人员将镀层厚度输入数据系统，大数据平台通过海量数据分析和统计，发现各类别连接器接触件的镀镍层厚度通常为2-4μm，那么量化判据定为2-4um，当发现镀镍层厚度超出该范围时，系统将自动判别为风险结构（如图2、图3所示）。

图2 电连接器剖面形貌

图3 接触件后套筒与内套筒压接位置镀层结构剖面形貌

海量数据的分析和高可靠元器件特征结构描述给试验人员提供了非常及时准确的数据支撑，在镀层厚度设计不当还是镀层工艺质量不良导致镀层断裂和分离的技术判断中起到了关键作用。

4 结语

当今时代正处于由信息技术（IT）向数据技术（DT）转型的时代[5]，发现和重视数据价值，树立数据思维是每个现代人亟需面对的。

高可靠性元器件特征结构数据信息是元器件质量保证单位非常宝贵的数据财富，本文从识别和表征高可靠元器件特征结构信息、建立高可靠元器件特征结构大数据平台的角度试图寻找一种高效利用这些数据财富的途径和方法，希望给各位读者有些借鉴。