灰色关联分析在贮存寿命特征参数评价中的应用_李坤兰.pdf

1192023 年 2 月/February 2023echnicalColumnT技术专栏摘要：本文介绍了灰色关联分析在某种砷化镓微波器件的寿命特征参数评价中的应用实例，分析结果表明栅-源截止电压（VGS(off)）为其贮存寿命特征参数，年温度较差为最优影响因素。并用显著性检验方法对其进行了验证，结果表明灰色关联分析方法在寿命特征参数评价是可行的。关键词：寿命特征参数；灰色关联分析；显著性检验中图分类号：N32 文献标识码：A 文章编号：1004-7204(2023)02-0119-05灰色关联分析在贮存寿命特征参数评价中的应用Research on Life Characteristics Parametric Evaluation李坤兰，游曼（1.工业和信息化部电子第五研究所，广州 511370;2.广东省电子信息产品可靠性技术重点实验室，广州 511370）LI Kun-lan,YOU Man(1.China Electronic Products Reliability and Environment Institute,Guangzhou 511370；2.Guangdong Provincial Key Laboratory of Electronic Information Products Reliability Technology,Guangzhou 511370)A b s t r a c t：This paper introduced how to use grey relation analysis to evaluate a electronic components life characteristics parametric.The result is that VGS(off)is its life characteristics parametric.Annual temperature range is the most relevant factor.T-test verified this method is workable.K e y w o r d s：life characteristics parametric;grey relation analysis；significance test 前言灰色关联分析是灰色系统理论的一种定量分析方法，是用关联度大小来度量因素之间关联程度。灰色关联分析是对事物的发展趋势开展分析，将系统的定性分析与定量分析相结合，开展系统因素与行为之间曲线相似性的定量分析。关联分析突出的优点是对样本量的大小没有太高的要求，分析时也不需要典型的分布规律，而且分析结果一般与定性分析相同 1。这一点在可靠性试验中，尤为重要。因为可靠性试验样本量均较小，多则十几个，少则几个，甚至 1 个。传统的数理统计理论要求样本量几十，甚至更多。因此，对于可靠性试验就不太适用。目前，灰色关联分析已在经济、社会、矿业、交通、教育、医学、生态、环境、水利、地质、航空航天等领域得到广泛应用，并已证实该方法是可行的 2-7。贮存状态是产品必经的历程，因此研究产品的贮存寿命特征参数的评价对产品的应用、维修等有重要意义。贮存试验样品受时间、温度、湿度等多种因素的影响，系统复杂，含有较多不确定因素，具有一定的灰色特征。一般情况下，参与储存试验的样品量都较少。灰色关联分析正好在样本量上具有优势，而且计算量小，十分方便。本文针对可靠性试验中样本量小的问题，结合灰色理论对样本量要求不高、计算量小等特点，主要研究了如何应用灰色关联分析识别寿命特征参数，并成功识别了某种砷化镓微波器件的贮存寿命特征参数。本文的研究为贮存寿命特征参数评价提供了新方法。1 可靠性试验灰色关联分析方法对于可靠性贮存试验而言，试验样品受到温度、湿120环境技术/Environmental Technology技术专栏echnicalColumnT度等环境因子的影响，同时，电子元器件的性能参数也有多个，且不同的性能参数对不同的环境因子的响应不同。因此可靠性试验系统是复杂的。很有必要识别表征电子元器件寿命的寿命特征参数和最优影响因子，以便为后续、同类工作提供指导。对于贮存试验，设样品的性能参数序列为：()()()nxxxx0000,2,1=（1）库房的环境因子序列为：mxxx,21：()()()nxxxx1111,2,1=()()()nxxxx2222,2,1=()()()nxxxx3333,2,1=（2）()()()nxxxxmmmm,2,1=()kx0，()kxi分 别 是0 x及ix的 第 k点，其 中mi,2,1=，nk,2,1=。令()()()kxkxi,0为ix对于0 x在k 点的灰色关联系数。研究性能参数序列与环境因子序列之间的相关性，在贮存试验中，实质上是研究性能参数曲线与环境因素曲线间几何形状的相似性，因此可以将性能参数曲线与环境因素曲线间差值的大小，作为曲线间关联程度的度量。可以定义以下点关联系数的计算公式：（3）式中：()ki第 k 时刻比较曲线ix对于参考曲线0 x的相对差值，这种形式的相对差值称ix对于0 x的在 k 时刻的关联系数。式（3）中，为分辨系数，取值在 0 至 1 之间，是可以事先确定的参数，一般取=0.5。于是，关联度的计算公式如下：()()()=nkiiikxkxnxx1000,1,（4）实数i0为ix对0 x的灰关联度。采用优势分析的思想，从而可得到关联度序列 0102012,mnnnmR|=|，在关联矩阵中，行表示性能参数与不同环境因素的关联度，列表示同意环境因素对不同性能参数的关联度。在可靠性试验数据处理中，当某一性能参数序列与某一种环境因子序列的关联度最大时，这一性能参数即为寿命特征参数，这种环境因子即为最优影响因子。获得的灰色关联度是衡量系统中特征行为与因素行为之间相似程度的一种尺度。而在进行系统分析时，我们更应该关注系统特征行为序列和各个因素行为序列关联度大小的顺序，而不仅仅是关联度在数值上的大小。2 应用实例2.1 可靠性贮存试验为了摸清电子元器件在经历各种气候环境条件的影响后的可靠性状况，开展了某种砷化镓微波器件在沿海的 A地、B地、C地等三种不同气候条件下的库房（二楼以上，不控制温度和湿度条件下的库房）可靠性贮存试验。试验样品进行防静电包装。试验期间，定期对该种砷化镓微波器件进行性能检测，并对库房的温湿度进行实时监测。该试验于 1 9 9 7 年开始，至 2 0 1 8 年时，该种砷化镓微波器件的性能参数全部合格。为了更好地开展该种砷化镓微波器件的可靠性贮存试验，需要识别其寿命特征参数，同时还可以找到最优影响环境因子，以便更有针对性地监测其性能变化、贮存寿命等指标。为该种砷化镓微波器件的选型、定延寿工作、加速试验方案设计、寿命评价、维修、使用、健康管理等提供有力的支撑。2.2 某种砷化镓微波器件的灰色关联分析本文整理分析了 A、B、C等 3 地的 1 9 9 7 年至 2 0 1 8年的年平均温度（X 1）、年极端最高温度（X 2）、年极端最低温度（X 3）、年温度较差（X 4）、年平均湿度（X 5）、年极端最高湿度（X 6）、年极端最低湿度（X 7）、年湿度较差（X 8）等 8 种环境因子，产品的关键参数零栅压1212023 年 2 月/February 2023echnicalColumnT技术专栏时的漏极电流（ID S S）和栅-源截止电压（VG S(o f f)）在试验期间的测试数据。在开展灰色关联分析时，将 A地、B地和 C地的环境因子作为参考序列，砷化镓微波器件的性能参数作为比较序列。分别计算了 A地、B地和 C地的 2 种性能参数与 8 种环境因子之间的关联系数，计算结果如图 1 图 6 所示。由图 1、图 2 可知，在 A地，ID S S与 8 种环境因子之间的关联系数均在 0.7 3 3 3 0.8 6 1 7 范围内，而 VG S(o f f)与 8种环境因子之间的关联系数均在0.8 9 8 9 0.9 9 8 7 范围内。由此可见，VG S(o f f)与 8 种环境因子之间的关联系数均大于ID S S与 8 种环境因子之间的关联系数。由图 3、图 4 可知，在 B地，ID S S与 8 种环境因子之间的关联系数均在 0.6 9 1 7 0.8 4 6 6 范围内，VG S(o f f)与 8种环境因子之间的关联系数均在0.8 8 7 8 0.9 9 9 2 范围内。由此可见，VG S(o f f)与 8 种环境因子之间的关联系数均大于ID S S与 8 种环境因子之间的关联系数。由图 5、图 6 可知，在 C地，ID S S与 8 种环境因子之图 1 A 地漏极电流（IDSS）的关联系数计算结果图 3 B 地漏极电流（IDSS）的关联系数计算结果图 4 B 地栅-源截止电压（VGS(off)）的关联系数计算结果图 5 C 地漏极电流（IDSS）的关联系数计算结果图 2 A 地栅-源截止电压（VGS(off)）的关联系数计算结果图 6 C 地栅-源截止电压（VGS(off)）的关联系数计算结果122环境技术/Environmental Technology技术专栏echnicalColumnTA 地B 地C 地IDSSVGS（off）IDSSVGS（off）IDSSVGS（off）年平均温度0.7640.9820.7640.9730.5690.955年极端最高温度0.7780.9620.6950.9590.5750.944年极端最低温度0.7480.9920.750.9910.5620.969年温度较差0.7810.9950.7680.9960.5550.984年平均湿度0.8060.9280.8070.9180.6320.859年极端最高湿度0.8270.9070.8280.8950.6450.841年极端最低湿度0.7610.9850.7630.9740.5960.910年湿度较差0.8140.920.8070.9180.5850.927间的关联系数均在 0.5 1 3 8 0.7 2 1 1 范围内，VG S(o f f)与 8 种环境因子之间的关联系数均在 0.8 3 4 2 1 范围内。由此可见，VG S(o f f)与 8 种环境因子之间的关联系数均大于 ID S S与8 种环境因子之间的关联系数。对 A地、B地和 C地的性能参数与 8 种环境因子的关联度进行进一步研究，结果见表 1。根据表1，我们可得A地、B地和C地的关联度矩阵。在 A地有：0.764,0.778,0.748,0.781,0.806,0.827,0.761,0.8140.982,0.962,0.992,0.995,0.928,0.907,0.985,0.92AR=|在 B地有：0.764,0.695,0.75,0.768,0.807,0.828,0.763,0.8070.973,0.959,0.991,0.996,0.918,0.895,0.974,0.918BR=|在 C地有：0.569,0.575,0.562,0.555,0.632,0.645,0.596,0.5850.955,0.944,0.969,0.984,0.859,0.841,0.910,0.927CR=|由上述 A地、B地和 C地的关联度矩阵可知，VG S（o f f）与年平均温度、年极端最高温度、年极端最低温度、年温度较差、年平均湿度、年极端最高湿度、年极端最低湿度、年湿度较差等 8 种环境因子的关联度均大于 ID S S与 8 种环境因子的关联度。因此，该种砷化镓微波器件的贮存寿命特征参数为 VG S（o f f）。另外，从上述矩阵我们还可以得出，最优影响因素是年温度较差。该种砷化镓微波器件对温度较差敏感，因此，在试验、贮存等工作中需要控制好环境的温度，尽量减小温度较差，降低贮存寿命特征参数（VG S（o f f）的退化速度，以延长其使用寿命。另外，灰色关联分析可同时获得贮存