1.研究背景及意义
1.1. 研究背景
cd4013应用电路 电子元器件作为航天产品的重要组成部分，其性能好坏直接影响到整体系统的稳定性，所以近些年来对于电子元器件行业的质量要求也越来越严格。在目前的生产过程当中，质量保证方法基本上停留在事后检验的水平上，这种方式只能在一定程度上发现废品，但是很难预防废品的产生，而且在半成品、成品的检验过程当中仍然继续产生新的废品，这在很大程度上增加了企业产品的制造成本，给企业带来重大的经济损失。
此外，虽然企业拥有一定量的检验数据，但是这些检验数据来源广泛，异构性强，存在着严重的信息孤岛问题。企业缺乏必要的理论基础对这些数据进行合理有效的分析，也无法充分利用这些数据改进工艺生产流程，为质量控制提供指导。 1.2. 研究意义
电子元器件行业作为航天制造供应链中的一环，其质量问题对于整个后续系统的影响极大。在发现质量问题时如果能够准确把握到问题发生的原因，不仅对提高其自身的质量管理和生产管理水平具有重要意义，而且从长远的角度上看更能提高企业的核心竞争力。由于航天产品电子元器件的特殊性，存在着许多质量方面的问题函待解决。目前这类企业在质量管理控制方面存在如下特点:
(1)典型的多品种小批量生产，质量管理难度大。航天产品的专一性高，通用性不强，单个产品精度要求极高，并且电子元器件产品的规格由较多参数决定，而每个参数都存在一定的变动范围。所以有必要采取某种手段，将产品以大类为基础进行质量管理和控制。
(2)生产的不确定性大。由于产品的规格众多，所以很难对特定种类的产品进行质量统计分析，通常只能凭经验进行投产。
(3)工艺过程中工序参数较多，质量波动不确定性大。对质量问题的发现停留在事后检验水平，无法及时有效的发现工序过程中存在的各种异常因素。
(4)过程质量检验自动化程度低，缺乏及时有效的实时数据采集系统。
玩具车漂移 (5)检验部门的检验数据量大，但是数据利用率低。
由此可以看到，电子元器件行业在质量管理方面存在着较多严重的问题，这些问题能否合理有效的解决，关系着企业未来是否能够更快更好的适应行业的发展要求。因此，有效利用数据采集及数据共享技术，将采集到的数据对产品进行质量管理及控制，最后开发出相应的质量管理软件或系统，是提高质量的管理能力的关键。
1.3. 国内外研究现状
1.3.1统计过程控制研究现状
在过去将近一个世纪的时间内，国内外很多学者在质量管理和控制技术研究领域做了大量工作，并取得了一系列的研究成果，其中一个很重要的方向就是统计过程控制(SPC: Statistical Process Control)技术的研究与应用推广。20世纪20年代，Shewhart在贝尔实验室开创了统计过程控制理论，随后又提出了监控过程的工具--控制图;基于统计学相关理论，道奇和罗米格在随后提出了抽样检验理论和抽样检查表，推动了统计过程控制的发展，在随后各个学者的研究过程中，都是以他们的相关理论为基础。
针对传统SPC的局限性，国内外的许多学者对SPC相关理论和技术进行了广泛的研究，提出了大量有效的改进方法，这些方法总体上可以分为以下几类:
(1)过程控制理论的研究与改进：其一是继续研究休哈特控制图的基本技术；其二是扩展应用范围，如研究将非正态分布数据转化为正态分布数据的方法。
(2)多变量质量监测与控制技术研究：研究适应多变量的大型化和复杂过程的SPC模型。
(3)质量故障诊断与故障原因分析技术研究：将人工智能技术引进相关研究，结合基础学科中数理分析、小波分析、Bayes分析、模糊理论、人工智能技术、数据挖掘技术，建立更为可靠的质量监测与可靠性分析模型。
1.3.2质量数据采集技术研究现状
计算机技术、信息技术、测量技术等的发展和深入给使得质量数据采集技术得到了长足的进步，从原来的手工采集发展到现在的生产线自动采集，应用范围也从产品的生产过程发展到产品全生命周期的质量管理和监控，并正在向集成化、智能化、网络化方向发展。
1.3.3控制图研究现状
目前，控制图在企业的质量管理活动中得到了广泛的应用，因此控制图的模式识别是近些年来较为重要的一个研究领域，结合相关文献，国内外对于模式识别的研究方法主要分为以下四类:基于统计分析的人工识别方法研究、基于规则推理的专家系统识别方法研究、基于支持向量机的识别方法研究、基于人工神经网络的识别方法研究。
2.电子元器件的可靠性分析与管理
电子元器件的可靠性分为固有可靠性和使用可靠性。固有可靠性是指元器件制造完成时所具有的可靠性，主要由元器件的设计、工艺和原材料性能决定，保证元器件固有可靠性是元器件制造厂商的任务。使用可靠性则是指元器件应用于具体电路时所具有的可靠性，它不仅与元器件的固有可靠性有关，而且与元器件从出厂至失效所经历的工作与非工作条件有关，是通过使用人员正确的选择和使用元器件来反映的。国内外大量的故障统计表明，在电子元器件失效中，由固有可靠性和使用可靠性造成的元器件失效比例各占50%左右，因此，提高电子产品的可靠性，就必须采取一定的措施来提高电子元器件的固有可靠性和使用可靠性。为了保证电子产品研制过程中的可靠性，应从元器件可靠性的两个方而着手。首先要选用有质量保证的、经实践证明固有可靠性较高的产品;其次，应开展二次筛选
、降额设计和热设计等可靠性设计，并建立完整的质量跟踪及质量数据库，从而形成一种闭环控制系统，全面提高元器件的使用可靠性。这个闭环控制系统一般包括元器件的优先选用、降额设计、采购验收、二次筛选、破坏性物理分析(DPA)、失效分析、贮存保管、电气装配、信息管理等环节。
与传统制造企业相比，在以航空产品等高端产品为主的电子元器件相关企业，其工艺流程存在着很大的相似之处，但是工艺流程中所涉及的质量数据较多，这些质量数据是后续进行质量预测及控制的基础。电子元器件的广义质量包括产品的可靠性、技术性能指标、安全性、经济性和外部特征等各个方面，产品质量中最基本的一个要求是产品的技术性能因此通常来说，狭义的质量仅仅是指它的技术性能指标。失效分析流程如图：变压器油泵
面向航天产品的电子元器件行业在质量管理及控制方面存在以下问题：
（1）与质量相关的工艺流程过于复杂。
（2）检验人员检验任务量繁重。
（3）大量的质量数据报告和报表无法自动生成。
（4）数据无法实时共享。
（5）对于工序的质量缺乏控制。
2.1. 电子元器件的二次筛选三菱plc学习机
元器件的筛选分为“一次筛选”和“二次筛选”两类。元器件在交付用户使用前，按元器件的产品规范进行的筛选称为“一次筛选”:使用方在采购以后根据装配使用要求进行的再次筛选称为“二次筛选”。二次筛选一般应注意以下几个问题：
①针对产品使用要求，制定宽严合适的二次筛选规范，对提高电子元器件的使用可靠性水平很有作用;
②对进入工程研制阶段以后使用的电子元器件实行100%的二次筛选，这样才能最大限度地剔除可能存在的某种早期失效模式的元器件;
③属于关键件、重要件的电子元器件的二次筛选，必须在总师单位指定的、有资质的检验单
茶籽粉位进行;
当铺网4考虑到二次筛选的局限性，必须严格控制允许失效百分比;
5确因设备技术能力所限，国内不能进行二次筛选的电子元器件，可以采用其他方式来检验其质量。
2.2.电子元器件破坏性分析（DPA）
破坏性物理分析(DPA)技术是由于工程需要，为保证元器件的高可靠性要求而发展起来的。通过随机抽取同批次少量试验样品进行试验、解剖和分析，从而判定该批元器件的设计、结构、材料和制造质量是否符合有关规范要求，以剔除批次性质量问题的元器件。
2.3. 电子元器件实效性分析
元器件失效分析是承研单位提高产品质量及其可靠性的重要手段。在产品测试、系统联调等过程中发现有元器件失效时，对于典型失效或批次质量问题的元器件，应督促相关部门组织技术人员和质检人员进行失效分析，明确失效机理，查明失效原因;对于关键重要类元器件失效或重复多次失效而原因不明的元器件，可委托有资质的失效分析实验室来进行分析。确认属批次性质量问题的，除将失效分析报告及时上报外，还应在本研制型号范围内重新选型。
2.4.电子元器件质量数据库的建立
建立电子元器件质量数据库能够综合反映出元器件的质量状态，并可从中看出厂家的生产水平、工艺水平，以对研制所选用元器件提供有价值的参考数据。据此也可调整供货厂家，有选择地委托特定厂家进行新型元器件研制工作和提出资助技改的建议，从而进一步保证电子元器件质量与可靠性水平。型号研制单位应建立包括元器件从选用、订购、监制验收、二次筛选、DPA、保管和失效分析全过程信息内容的数据库。可由上级机关部门牵头，成立国内军用电子元器件质量数据库，各型号承研单位上报日常收集的元器件质量信
息，并通过对所有电子元器件质量数据的汇总整理和动态管理，从更广义和长远的角度，实现信息交流和资源共享，从而为产品研制的电子元器件可靠性管理起到信息平台支撑的作用。
3.电子元器件的可靠性试验工程举例分析
文献《面向电子元器件质量控制的关键技术与系统研究》中
3.1. 基于神经网络的控制图
首先从影响工序质量波动的原因分析，总结出正常波动与异常波动的区别，其中正常波动对产品质量影响小并且难以消除因此无需消除，而异常波动对产品质量影响大但能够采取一定的途径和措施去避免和消除。当产生异常波动时，控制图的异常模式主要分为基本异常模式和特殊异常模式，其中基本异常模式主要有八种，这些基本异常模式产生原因并不明确，需要生产线相关人员进行合理分析寻原因。特殊异常模式主要归结为趋势型、周期型和阶跃型三种，对于这些三种特殊的异常模式来说，由于呈现出一定的规律，可以通过一定的智能算法实现模式的识别，并对造成模式的原因进行有效的分析，提高生产线快速解决质量问题的能力，因此本例重点识别这几种特殊的异常模式。
首先运用蒙特卡罗模拟方法，模拟产生几种控制图模式的相关样本数据，为进行控制图的模式识别做准备。然后利用BP神经网络算法进行控制图模式识别网络设计。控制图模式识别网络设计主要分为确定网络的输入输出属性，确定网络层次以及各层神经元的数量，神经网络训练以及网络性能的验证。本章结合合电子元器件的相关工艺流程，确定了生产过程中的关键工序，选择连续 18 个阻值组成的样本作为网络的输入，同时，该阻值特性值在控制图上的模式类型作为网络的输出。对于电子元器件质量控制模式识别来说，选择 3 层的网络已经满足实际的需要，因此统计控制图模式识别网络主要有输入层、隐含层和输出层组成，其中输入层为连续采集的 18 个阻值点构成的向量X=(x_1,x_2,……x_18 )^T, 隐含层选取20个隐含节点，对于输出层结合目前电子元器件行业，将输出模式类型大致分为六种类型，分别为上升趋势模式、下降趋势模式、向上阶跃模式、向下阶跃模式、周期模式以及正常模式。然后对建立的网络进行训练，最后选取样本数据对训练好的网络进行验证。
