【技术实现步骤摘要】
失效分析方法、装置、设备和存储介质
本申请涉及失效分析
，特别是涉及一种失效分析方法、装置、设备和存储介质。
技术介绍
失效分析是对已失效产品进行的一种事后检查，使用电测试以及先进的物理、金相和化学的分析技术，找出失效机理和失效原因，并在生产工艺、器件设计、试验或应用方面提出行之有效的改进措施，防止失效重复出现，提高电子产品和整机设备的可靠性。随着电子元器件的功能、结构、受力、环境等越来越复杂，使得失效分析等的工作也更加复杂多样。目前失效分析方法是分析人员根据经验和理论，手动建立失效模式、失效机理、失效现象之间的关系；按照以失效模式为顶事件，已所可观测节点为中间事件，以所述失效机理原因为底事件建立失效器件的失效分析故障树。但是，采用上述方法，主要依赖于现有分析人员的经验和自身的理解，对于愈来愈复杂和多样化的失效现象，个人的经验就会显得难以满足要求，导致失效分析效率和准确率低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种失效分析方法、装置、设备和存储介质。一种失效分析方法，包括：获取待测失效器件的至少一个测试数据；将测试数据输入到深度学习模型中进行失效...
【技术保护点】
1.一种失效分析方法，其特征在于，所述方法包括：获取待测失效器件的至少一个测试数据；将所述测试数据输入到深度学习模型中进行失效分析处理，获取与每个测试数据关联的失效节点信息；所述失效节点信息包括所述测试数据关联的上级失效事件节点和下级失效事件节点，所述下级失效事件节点为所述上级失效事件节点的备选失效机理；根据每个测试数据关联的所述失效节点信息，构建各个失效事件节点之间的父子关系，并根据所述父子关系确定最底层的失效事件节点为所述待测失效器件的目标失效机理。
【技术特征摘要】
1.一种失效分析方法，其特征在于，所述方法包括：获取待测失效器件的至少一个测试数据；将所述测试数据输入到深度学习模型中进行失效分析处理，获取与每个测试数据关联的失效节点信息；所述失效节点信息包括所述测试数据关联的上级失效事件节点和下级失效事件节点，所述下级失效事件节点为所述上级失效事件节点的备选失效机理；根据每个测试数据关联的所述失效节点信息，构建各个失效事件节点之间的父子关系，并根据所述父子关系确定最底层的失效事件节点为所述待测失效器件的目标失效机理。2.根据权利要求1所述的方法，其特征在于，所述将所述测试数据输入到深度学习模型中进行失效分析处理，包括：对所述测试数据进行向量转换，生成测试特征向量；将所述测试特征向量输入到深度学习模型中进行失效分析处理。3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：根据已失效器件的失效分析报告，获取训练样本集；所述训练样本集包括所述已失效器件的历史测试数据以及所述历史测试数据对应的标记失效节点信息；所述标记失效节点信息包括所述历史测试数据关联的上级标记失效事件节点和下级标记失效事件节点；将历史测试数据作为初始深度学习模型的输入，将所述历史测试数据对应的标记失效节点信息作为所述初始深度学习模型的输出，对所述初始深度学习模型进行训练，得到所述深度学习模型。4.根据权利要求3所述的方法，其特征在于，所述将历史测试数据作为初始深度学习模型的输入，将所述历史测试数据对应的标记失效节点信息作为所述初始深度学习模型的输出，对所述初始深度学习模型进行训练，得到所述深深度学习模型，包括：将所述历史测试数据输入初始深度学习模型，得到所述历史测试数据对应的预测失效节点信息；计算所述预测失效节点信息与所述标记失效节点信息之间的损失，作为损失函数的值；根据所述损失函数的值对所述初始的深度学习模型进行训练，得到所述深度学习模型。5.根据权利要求3所述的方法，其特征在于，根据已失效器件的失效分析报告，获取训练样本集，包括：获取所述失效分析报告中的历史测试数据，并将各所述历史测试数据进行向量转换生成训练特征向量；标注所述历史特征数据对应的标记失效节点信息，并将所述标记失效节点信息进行向量转换...
【专利技术属性】
技术研发人员：王弘剑，刘丽媛，彭泽亚，王有亮，赵振博，
申请(专利权)人：中国电子产品可靠性与环境试验研究所工业和信息化部电子第五研究所中国赛宝实验室，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。