CN109933848B - 一种产品设计方法及其制定*** - Google Patents

Abstract

本发明实施例提供了一种产品设计方法及其制定***，所述方法包括：获得产品各零器件的理想型可靠性参数；输入所述理想型可靠性参数至产品可靠性预测模型中得到实际可靠性参数预测值；基于所述预测值确定产品的设计方案。本发明实施例的产品设计方法无需运用测试软件，便可以进行产品可靠性预测，优化产品设计方案。

Description

一种产品设计方法及其制定***

技术领域

本发明实施例涉及智能设备领域，特别涉及一种产品设计方法及其制定***。

背景技术

随着笔记本电脑的不断发展壮大，越来越多的新业务被导入，随之而来的也是越来越多的零器件被导入。然而在产品的制备过程中，每个零器件均需要进行可靠性预测(即，可靠度预测，平均故障间隔时间，英文全称是“Mean Time Between Failure，简称MTBF，可靠度预测也为MTBF预测)。目前很多产品的可靠性预测均运用PTC软件实现。但是该软件非常昂贵，使用费18万/年(如果整套购买，费用高达200万人民币)，而且该PTC软件是基于理论值进行计算的，与实际可靠度值出入很大，对实际设计方案无明显帮助。

发明内容

本发明提供了一种无需运用测试软件，便可以进行产品可靠性预测，优化产品设计方案的产品设计方法及其制定***。

为了解决上述技术问题，本发明实施例提供了一种产品设计方法，包括：

获得产品各零器件的理想型可靠性参数；

输入所述理想型可靠性参数至产品可靠性预测模型中得到实际可靠性参数预测值；

基于所述预测值确定产品的设计方案。

作为优选，所述产品可靠性预测模型通过以下步骤形成：

建立模型架构；

获得由产品各零器件的理想型可靠性参数以及各零器件的可靠度实测值组成的训练数据；

基于所述训练数据训练所述模型架构以得到所述产品可靠性预测模型。

作为优选，所述基于所述训练数据训练所述模型架构以得到所述产品可靠性预测模型包括：

输入产品各零器件的理想型可靠性参数至所述模型架构中训练得到初级模型；

获得由所述初级模型对产品的各零器件进行可靠性预测的初级预测值；

基于所述初级预测值与对应零器件的实测值确定可靠性参数修正值；

基于所述可靠性参数修正值修正所述初级模型得到所述产品可靠性预测模型。

作为优选，所述可靠性参数修正值至少包括电应力因子、环境应力因子中的至少一种。

作为优选，所述基于所述预测值确定产品的设计方案包括：

根据产品各零器件的预测值至少确定各零器件的电应力范围，以使各零器件的可靠度满足同一预设标准；

基于确定电应力范围的各零器件确定所述产品的设计方案。

作为优选，所述基于确定电应力范围的各零器件确定所述产品的设计方案包括：

基于确定电应力范围的各零器件确定样品的设计方案；

基于所述样品的设计方案生产样品；

确定所述样品中各零器件的实际电应力水平；

基于所述实际电应力水平确定匹配地实际可靠度；

若所述实际可靠度满足预设要求，则确定所述样品的设计方案为所述产品的设计方案。

本发明实施例同时提供一种产品设计方法制定***，包括：

处理装置，其用于获得产品各零器件的理想型可靠性参数，同时输入所述理想型可靠性参数至产品可靠性预测模型中得到实际可靠性参数预测值，并基于所述预测值确定产品的设计方案。

作为优选，所述产品可靠性预测模型通过以下步骤形成：

建立模型架构；

获得由产品各零器件的理想型可靠性参数以及各零器件的可靠度实测值组成的训练数据；

基于所述训练数据训练所述模型架构以得到所述产品可靠性预测模型。

作为优选，所述基于所述训练数据训练所述模型架构以得到所述产品可靠性预测模型包括：

输入产品各零器件的理想型可靠性参数至所述模型架构中训练得到初级模型；

获得由所述初级模型对产品的各零器件进行可靠性预测的初级预测值；

基于所述初级预测值与对应零器件的实测值确定可靠性参数修正值；

基于所述可靠性参数修正值修正所述初级模型得到所述产品可靠性预测模型。

作为优选，所述可靠性参数修正值至少包括电应力因子、环境应力因子中的至少一种。

基于上述实施例的公开可以获知，本发明实施例的有益效果在于通过将获得的产品各零器件的理想型可靠性参数输入至预先准备好的可靠性预测模型中，便可快速、高效地得到对应各零器件的实际可靠性参数预测值，使得用户可基于该实际可靠性参数预测值便可制定出产品设计方案，使基于该方案制备出的产品不仅满足工艺要求，同时满足行业内对产品的可靠度要求，保证产品的使用寿命以及用户体验，降低产品的故障频率。

附图说明

图1为本发明实施例中的产品设计方法流程图。

图2为本发明另一实施例中的产品设计方法流程图。

图3为本发明另一实施例中的产品设计方法流程图。

图4为本发明实施例中的产品设备方法制定***的结构框图。

具体实施方式

下面，结合附图对本发明的具体实施例进行详细的描述，但不作为本发明的限定。

应理解的是，可以对此处公开的实施例做出各种修改。因此，下述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本公开的范围和精神内的其他修改。

包含在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且与上面给出的对本公开的大致描述以及下面给出的对实施例的详细描述一起用于解释本公开的原理。

通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本发明的这些和其它特性将会变得显而易见。

还应当理解，尽管已经参照一些具体实例对本发明进行了描述，但本领域技术人员能够确定地实现本发明的很多其它等效形式，它们具有如权利要求所述的特征并因此都位于借此所限定的保护范围内。

当结合附图时，鉴于以下详细说明，本公开的上述和其他方面、特征和优势将变得更为显而易见。

此后参照附图描述本公开的具体实施例；然而，应当理解，所公开的实施例仅仅是本公开的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本公开模糊不清。因此，本文所公开的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本公开。

本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”，其均可指代根据本公开的相同或不同实施例中的一个或多个。

下面，结合附图详细的说明本发明实施例。

如图1所示，本发明实施例提供一种产品设计方法，包括：

获得产品各零器件的理想型可靠性参数；

输入理想型可靠性参数至产品可靠性预测模型中得到实际可靠性参数预测值；

基于预测值确定产品的设计方案。

本申请实施例中通过将获得的产品各零器件的理想型可靠性参数输入至预先准备好的可靠性预测模型中，便可快速、高效地得到对应各零器件的实际可靠性参数预测值，使得用户可基于该实际可靠性参数预测值便可制定出产品设计方案，使基于该方案制备出的产品不仅满足工艺要求，同时满足行业内对产品的可靠度要求，保证产品的使用寿命以及用户体验，降低产品的故障频率。另外，本实施例中的方法相比以往仅依靠理想型可靠性参数确定的产品设计方法制备而出的产品，可靠度得到了大幅提高，且能够实现个体用户产品的制备，而且相比基于检测软件，如PTC软件，预测产品的实际可靠度时，本实施例中的方法由于省略了检测软件，改为利用可靠度预测模型实现预测，故而大幅降低了成本，且相比检测软件还提高了预测精度，对最终产品的设计方法的制定具有显著的实际意义。

进一步地，如图2所示，本实施例中的产品可靠性预测模型可通过以下步骤形成：

建立模型架构；

获得由产品各零器件的理想型可靠性参数以及各零器件的可靠度实测值组成的训练数据；

基于训练数据训练模型架构以得到产品可靠性预测模型。

例如，在建立模型架构时可基于公式“λp＝λb×лT×лs×лE×лQ”，以及实际可靠度参数(即平均故障间隔时间，英文全称是“Mean Time Between Failure，简称MTBF)为1/λp制备形成，其中，λb为各零器件的基本故障率，лs为各零器件的电应力因子，лT为各零器件的温度应力因子，лQ为各零器件的质量因子，лE为各零器件的环境应力因子。而所有零器件的故障率之和即为产品整体的故障率，产品整体的MTBF与其整体故障率成反比，也就是产品故障率等于各零器件故障率之和，而可靠度与产品故障率、零器件故障率均成反比。如：

MTBF＝1/λs，其中，N_i代表第i个零器件的数量，λ_GI相当于λb，л_QI相当于上述各因子，n为产品零器件数量，λs为产品故障率。在建立好模型架构后，准备训练数据，本实施例中的训练数据为产品各零器件的理想型可靠性参数以及各零器件的可靠度实测值组成，最后基于训练数据训练模型架构，使确定出对应上述公式中的各因子及对应权重，最终得到产品可靠性预测模型。

进一步地，本实施例中在基于训练数据训练模型架构以得到产品可靠性预测模型包括：

输入产品各零器件的理想型可靠性参数至模型架构中得到初级模型；

获得由初级模型基于产品的各零器件的理想型可靠性参数对产品的各零器件进行可靠性预测而得到的关于零器件可靠度的初级预测值；

基于初级预测值与对应零器件的实测值确定可靠性参数修正值；

基于可靠性参数修正值修正初级模型得到产品可靠性预测模型。

例如，预先自各零器件的生产厂商或者企业处得到产品所需的各零器件的可靠性参数，该可靠性参数均为理想型经验值。接着将该可靠性参数输入至基于上述公式建立而成的模型架构中，训练得到可靠度检测的初级模型。之后基于该初级模型以及各零器件的可靠性参数得到对应各零器件的可靠度的初级预测值，即MTBF初级预测值。接着，基于该初级预测值以及对应零器件的实测值进行分析比对，得到可靠性参数修正值，最后基于该可靠性参数修正值修正初级模型，得到最终的产品可靠性预测模型。

其中，本实施例中的可靠性参数修正值至少包括修正后的电应力因子、温度应力因子中的至少一种。因为，基于不同的电应力因子以及环境因子可使得最终的可靠度预测值具有显著差异，因此至少将上述两个因子进行修正可使产品可靠度预测模型的预测精度得以保证。当然，为了有力确保模型预测精度，优选将上述所有因子均进行修正得到对应地可靠性参数修正值。

进一步地，如图3所示，本实施例中在执行基于预测值确定产品的设计方案时，具体包括：

根据产品各零器件的预测值至少确定各零器件的电应力范围或环境应力范围中的一种，以使各零器件的可靠度满足同一预设标准；

基于确定电应力范围的各零器件确定产品的设计方案。

例如，假设三个零器件的应力水平均为25℃(温度应力水平)/50％(电应力水平)，经通过产品可靠性预测模型的预测，在该电应力水平下三个零器件的可靠度分别为40000、10000、50000。基于长板理论，为了保证产品整体的使用寿命及可靠度，需要将各零器件的可靠度进行统一化标准，也即，使各零器件的可靠度均满足同一预设标准，例如均为40000。因此，在制定产品最终的设计方案时，便可将可靠度为40000的零器件的电应力水平保持不变，同时降低可靠度为10000的零器件的电应力水平，并提高可靠度为50000的零器件的电应力水平，使得延长可靠度为10000的零器件的正常使用时间，从而提高及可靠度，同时减少可靠度为50000的零器件的正常使用时间，使其可靠度下降，以此平衡产品整体可靠度，延长产品整体使用寿命。或者，也可通过调节温度应力水平实现可靠度的调节，例如降低可靠度为10000的零器件的温度水平为20℃，而提高可靠度为40000的零器件的温度水平为40℃，进而使其温度应力因子变化，致使最终可靠度变化。

进一步地，本实施例中在执行基于确定电应力范围的各零器件确定产品的设计方案时包括：

基于确定电应力范围的各零器件确定样品的设计方案；

基于样品的设计方案生产样品；

确定样品实际应力水平；

基于实际应力水平确定匹配地实际可靠度；

若实际可靠度满足预设要求，则确定样品的设计方案为产品的设计方案。

例如，先根据重新确定电应力范围的各零器件确定样品的设计方案，并相应制备出样品，然后实测该样品的实际应力水平(例如上述的电应力、环境应力、温度应力等)，即产品实际可靠性参数，并基于该实际应力水平计算得到产品的实际可靠度，最后判断该可靠度是否满足预设要求，若满足，则可确定该样品的设计方案即为最终的产品的设计方案。而若不满足，则需重新调整可靠性参数修正值，直至最终样品的实际可靠度满足预设要求。

如图4所示，本发明实施例同时提供一种产品设计方案制定***，包括：

处理装置，其用于获得产品各零器件的理想型可靠性参数，同时输入理想型可靠性参数至产品可靠性预测模型中得到实际可靠性参数预测值，并基于预测值确定产品的设计方案。

本申请实施例中通过将获得的产品各零器件的理想型可靠性参数输入至预先准备好的可靠性预测模型中，便可快速、高效地得到对应各零器件的实际可靠性参数预测值，使得用户可基于该实际可靠性参数预测值便可制定出产品设计方案，使基于该方案制备出的产品不仅满足工艺要求，同时满足行业内对产品的可靠度要求，保证产品的使用寿命以及用户体验，降低产品的故障频率。另外，本实施例中的方法相比以往仅依靠理想型可靠性参数确定的产品设计方法制备而出的产品，可靠度得到了大幅提高，且能够实现个体用户产品的制备，而且相比基于检测软件，如PTC软件，预测产品的实际可靠度时，本实施例中的方法由于省略了检测软件，改为利用可靠度预测模型实现预测，故而大幅降低了成本，且相比检测软件还提高了预测精度，对最终产品的设计方法的制定具有显著的实际意义。

进一步地，本实施例中的产品可靠性预测模型可通过以下步骤形成：

建立模型架构；

获得由产品各零器件的理想型可靠性参数以及各零器件的可靠度实测值组成的训练数据；

基于训练数据训练模型架构以得到产品可靠性预测模型。

例如，在建立模型架构时可基于公式“λp＝λb×лT×лs×лE×лQ”，以及实际可靠度参数(即平均故障间隔时间，英文全称是“Mean Time Between Failure，简称MTBF)为1/λp制备形成，其中，λb为各零器件的基本故障率，лs为各零器件的电应力因子，лT为各零器件的温度应力因子，лQ为各零器件的质量因子，лE为各零器件的环境应力因子。而所有零器件的故障率之和即为产品整体的故障率，产品整体的MTBF与其整体故障率成反比，也就是产品故障率等于各零器件故障率之和，而可靠度与产品故障率、零器件故障率均成反比。如：

MTBF＝1/λs，其中，N_i代表第i个零器件的数量，λ_GI相当于λb，л_QI相当于上述各因子，n为产品零器件数量，λs为产品故障率。在建立好模型架构后，准备训练数据，本实施例中的训练数据为产品各零器件的理想型可靠性参数以及各零器件的可靠度实测值组成，最后基于训练数据训练模型架构，使确定出对应上述公式中的各因子及对应权重，最终得到产品可靠性预测模型。

进一步地，本实施例中在基于训练数据训练模型架构以得到产品可靠性预测模型包括：

输入产品各零器件的理想型可靠性参数至模型架构中得到初级模型；

获得由初级模型基于产品的各零器件的理想型可靠性参数对产品的各零器件进行可靠性预测而得到的关于零器件可靠度的初级预测值；

基于初级预测值与对应零器件的实测值确定可靠性参数修正值；

基于可靠性参数修正值修正初级模型得到产品可靠性预测模型。

例如，预先自各零器件的生产厂商或者企业处得到产品所需的各零器件的可靠性参数，该可靠性参数均为理想型经验值。接着将该可靠性参数输入至基于上述公式建立而成的模型架构中，训练得到可靠度检测的初级模型。之后基于该初级模型以及各零器件的可靠性参数得到对应各零器件的可靠度的初级预测值，即MTBF初级预测值。接着，基于该初级预测值以及对应零器件的实测值进行分析比对，得到可靠性参数修正值，最后基于该可靠性参数修正值修正初级模型，得到最终的产品可靠性预测模型。

其中，本实施例中的可靠性参数修正值至少包括修正后的电应力因子、温度应力因子中的至少一种。因为，基于不同的电应力因子以及环境因子可使得最终的可靠度预测值具有显著差异，因此至少将上述两个因子进行修正可使产品可靠度预测模型的预测精度得以保证。当然，为了有力确保模型预测精度，优选将上述所有因子均进行修正得到对应地可靠性参数修正值。

进一步地，本实施例中的处理装置在执行基于预测值确定产品的设计方案时，具体包括：

根据产品各零器件的预测值至少确定各零器件的电应力范围或环境应力范围中的一种，以使各零器件的可靠度满足同一预设标准；

基于确定电应力范围的各零器件确定产品的设计方案。

例如，假设三个零器件的应力水平均为25℃(温度应力水平)/50％(电应力水平)，经通过产品可靠性预测模型的预测，在该电应力水平下三个零器件的可靠度分别为40000、10000、50000。基于长板理论，为了保证产品整体的使用寿命及可靠度，需要将各零器件的可靠度进行统一化标准，也即，使各零器件的可靠度均满足同一预设标准，例如均为40000。因此，在制定产品最终的设计方案时，便可将可靠度为40000的零器件的电应力水平保持不变，同时降低可靠度为10000的零器件的电应力水平，并提高可靠度为50000的零器件的电应力水平，使得延长可靠度为10000的零器件的正常使用时间，从而提高及可靠度，同时减少可靠度为50000的零器件的正常使用时间，使其可靠度下降，以此平衡产品整体可靠度，延长产品整体使用寿命。或者，也可通过调节温度应力水平实现可靠度的调节，例如降低可靠度为10000的零器件的温度水平为20℃，而提高可靠度为40000的零器件的温度水平为40℃，进而使其温度应力因子变化，致使最终可靠度变化。

进一步地，本实施例中的处理装置在执行基于确定电应力范围的各零器件确定产品的设计方案时包括：

基于确定电应力范围的各零器件确定样品的设计方案；

控制基于样品的设计方案生产样品；

确定样品实际应力水平；

基于实际应力水平确定匹配地实际可靠度；

若实际可靠度满足预设要求，则确定样品的设计方案为产品的设计方案。

例如，先根据重新确定电应力范围的各零器件确定样品的设计方案，并相应制备出样品，然后实测该样品的实际应力水平(例如上述的电应力、环境应力、温度应力等)，即产品实际可靠性参数，并基于该实际应力水平计算得到产品的实际可靠度，最后判断该可靠度是否满足预设要求，若满足，则可确定该样品的设计方案即为最终的产品的设计方案。而若不满足，则需重新调整可靠性参数修正值，直至最终样品的实际可靠度满足预设要求。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的数据处理方法所应用于的电子设备，可以参考前述产品实施例中的对应描述，在此不再赘述。

以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (4)

1.一种产品设计方法，其特征在于，包括：

获得产品各零器件的理想型可靠性参数；

输入所述理想型可靠性参数至产品可靠性预测模型中得到实际可靠性参数预测值；

基于所述预测值确定产品的设计方案；

所述产品可靠性预测模型通过以下步骤形成：

建立模型架构；

获得由产品各零器件的理想型可靠性参数以及各零器件的可靠度实测值组成的训练数据；

基于所述训练数据训练所述模型架构以得到所述产品可靠性预测模型；

所述基于所述训练数据训练所述模型架构以得到所述产品可靠性预测模型包括：

输入产品各零器件的理想型可靠性参数至所述模型架构中训练得到初级模型；

获得由所述初级模型对所述产品各零器件进行可靠性预测的初级预测值；

基于所述初级预测值与对应地零器件的实测值确定可靠性参数修正值；

基于所述可靠性参数修正值修正所述初级模型得到所述产品可靠性预测模型；

所述可靠性参数修正值至少包括电应力因子、温度应力因子中的至少一种。

2.根据权利要求1所述的方法，其特征在于，所述基于所述预测值确定产品的设计方案包括：

根据产品各零器件的预测值至少确定各零器件的电应力范围、温度应力范围中的一种，以使各零器件的可靠度满足同一预设标准；

基于确定电应力范围、温度应力范围中至少一种的各零器件确定所述产品的设计方案。

3.根据权利要求2所述的方法，其特征在于，所述基于确定电应力范围、温度应力范围中至少一种的各零器件确定所述产品的设计方案包括：

基于确定电应力范围、温度应力范围中至少一种的各零器件确定样品的设计方案；

基于所述样品的设计方案生产样品；

确定所述样品的实际应力水平；

基于所述实际应力水平确定匹配地实际可靠度；

若所述实际可靠度满足预设要求，则确定所述样品的设计方案为所述产品的设计方案。

4.一种产品设计方法制定***，其特征在于，包括：

处理装置，其用于获得产品各零器件的理想型可靠性参数，同时输入所述理想型可靠性参数至产品可靠性预测模型中得到实际可靠性参数预测值，并基于所述预测值确定产品的设计方案；

所述产品可靠性预测模型通过以下步骤形成：

建立模型架构；

获得由产品各零器件的理想型可靠性参数以及各零器件的可靠度实测值组成的训练数据；

基于所述训练数据训练所述模型架构以得到所述产品可靠性预测模型；

所述基于所述训练数据训练所述模型架构以得到所述产品可靠性预测模型包括：

输入产品各零器件的理想型可靠性参数至所述模型架构中训练得到初级模型；

获得由所述初级模型对产品的各零器件进行可靠性预测的初级预测值；

基于所述初级预测值与对应零器件的实测值确定可靠性参数修正值；

基于所述可靠性参数修正值修正所述初级模型得到所述产品可靠性预测模型；

所述可靠性参数修正值至少包括电应力因子、温度应力因子中的至少一种。

Images