根据企业元器件全寿命周期数据现状,目前数据大多分布在各种业务系统、各个业务人员端,因此需开展全方位数据采集工作,主要包括系统接口采集和非结构化数据采集。其中系统接口采集,通过建立平台与企业其他业务系统的集成接口,获取相应的业务数据,当各个系统的数据有新增、变更时,可同步到平台中实现元器件全寿命周期数据的一致性,采集系统和采集内容如表1所示。

表1 采集系统和采集内容示例序号 采集系统 采集内容1 ERP系统物资编码、型号规格、名称、生产商、供货状态、供货周期、库存量、参考价格和厂家供货量2 PDM系统 物资编码、型号规格、名称、生产商、应用项目、应用平台、应用平台环境和单机数量3 4设计系统…物资编码、型号规格、名称、生产商、EDA模型、三维模型、热参数和机械参数…

对于非结构化数据文件如失效分析报告、DPA分析报告和装联分析报告等,系统无法直接读取报告中的内容,可针对各类报告中数据的特定描述格式,建立报告数据导入接口,批量抓取报告中的关键数据内容,从而转换为全结构化的元器件全寿命周期数据库,方便后期数据的管理与深度分析应用。

b）数据管理

为了确保采集回来的数据可存储、可维护、可提取和可分析,应构建元器件全寿命周期数据仓库,并配套相关数据管理功能支撑实施。根据各类数据库的专业性和用途,设计其数据结构,包括数据名称、数据内涵、数据格式和规则约束等,补充筛选数据仓库设计示例如表2所示。

表2 补充筛选数据仓库设计示例序号 数据名称 数据内涵 数据格式 标准约束1 物资编码 元器件唯一ID 数字 由编码系统生成2 元器件名称 元器件中文描述 文本 与厂家器件描述一致3 型号规格 元器件规格描述 文本 与厂家规格标准一致4 质量等级 元器件生产控制质量等级 文本 与生产技术规范一致5 生产单位 元器件生产单位名称 文本 -6 生产批次号 元器件生产批次号文本 -7 检测试验单位元器件检测试验单位名称 文本 -8 检测时间 元器件检测实际时间 日期 -9 检测依据 元器件检测依据文件 文本 检测依据标准号10 总样品数 总检测样品数量 数字 -11 总不合格数 检测不合格样品数量 数字 -12 合格率 检测合格率 数字 总不合格数*100/总样品数13 检测结论 检测结论 文本 合格/不合格14 检测报告 检测报告附件 文件 -15… … … …

c）数据关联

在构建完成各个数据仓库后,为了实现全寿命周期各个阶段数据的关联融合,需在此基础上建立各个数据仓库的关联,主要通过元器件唯一ID即物资编码实现数据库之间的关联如图4所示。

图4 元器件全寿命周期数据关联

2.2 数据分析及应用

在元器件全寿命周期数据仓库构建完成后,根据全寿命周期过程中各种业务场景的数据需求,通过数据分析及智能应用技术,构造相应的数据智能应用产品,构造过程主要包括需求分析、模型构建和最终关联应用,如图5所示。

图5 数据智能应用产品构造过程

a）需求分析

分析特定业务场景对于元器件数据的需求,例如:分析设计师开展元器件选型工作时需要获取的元器件数据,包括器件基本信息、性能指标参数和技术标准资料,同时也关心该器件当前的物资状态、过去应用历史和发生失效的情况等,通过需求分析,梳理、提炼出器件选型的元器件数据需求。

b）模型构建

根据数据需求从数据仓库中提取相关数据项,经数据融合、关联构建相应的数据模型,例如:通过提取器件选型所需的数据项,并经数据关联、融合建立元器件选型数据模型[5],如图6所示。

图6 元器件选型数据模型

c）关联应用

关联实际业务场景,通过数据集成、数据推送等方式实现数据模型的最终应用,例如:器件选型场景,在设计师检索到所需元器件后,通过把元器件选型数据模型关联到检索器件结果上,设计师可通过查看元器件选型数据模型获知该器件指标参数及全寿命状态历史,从而更综合、更全面地确定最优元器件方案,如图7所示。

图7 元器件选型数据模型关联场景应用

除了上述介绍的器件选型数据模型智能应用,基于各种业务场景的需求,根据数据智能应用产品构建过程可建立一系列的数据智能应用产品,例如:面向当前元器件自主保障工作场景,通过提取器件特征参数并利用相似分析技术建立元器件替代数据模型,并在设计选用进口电子元器件过程,关联元器件替代数据模型,实现国产替代器件的推送；例如:面向故障闭环工作场景,通过提取失效分析历史数据 （如失效现象、失效类别、失效模式和失效机理等）建立元器件失效分析数据模型[3],并在设计师开展故障闭环过程 （FRACAS）,关联元器件失效分析数据模型,支撑设计师快速定位故障原因,制定整改措施。

文章来源：《电子元器件与信息技术》 网址: http://www.dzyqjyxxjs.cn/qikandaodu/2021/0506/1169.html