Прогнозные математические модели качества печатных узлов космической аппаратуры

Бесплатный доступ

Приведены результаты построения прогнозных моделей качества паяных соединений печатных узлов на основе припойных паст Indium. Для построения моделей были использованы регрессионный и программный комплекс «Прогнозирование 1.3». Рассмотрены три приема преобразования результатов обучающего эксперимента: нормирование и центрирование контролируемых параметров, нормирование по математическому ожиданию, нормирование по дисперсии. Проведено исследование и дана сравнительная оценка математических моделей.

Математическая модель, прогноз, паяные соединения, печатный узел, регрессия, обучение, эффективность прогнозирования

Короткий адрес: https://sciup.org/148200264

IDR: 148200264

Текст научной статьи Прогнозные математические модели качества печатных узлов космической аппаратуры

паяные соединения, печатный узел, регрессия, обу-

Одним из перспективных направлений в разработке эффективных и экономически приемлемых методов оценки качества и надежности РЭС и ЭРИ является индивидуальное прогнозирование их будущего состояния [1-5]. Наименьшие затраты времени при индивидуальном прогнозировании обеспечивают методы теории распознавания образов [3]. Если число информативных параметров превышает два, то целесообразно использовать метод регрессионных моделей (регрессионный метод) [6].

Методика построения моделей. Индивидуальное прогнозирование с использованием методов теории распознавания образов включает следующие основные этапы: обучающий эксперимент, обучение, экзамен и собственно прогнозирование. Процедура обучающего эксперимента для паяных соединений (ПС) на основе припой-ных паст Indium NC-SMQ92J рассмотрена в предыдущей работе. В ней для прогнозирования качества ПС было рекомендовано три информативных параметра: вязкость (Х1), клейкость (Х2) и кислотное число (Х3). Для построения прогнозных моделей проведем обучение и экзамен. Выберем регрессионный метод, т.к. число информативных параметров больше двух. В качестве прогнозируемого параметра будем использовать поверхностное сопротивление изоляции (Y).

Обучение заключалось в обработке результатов обучающего эксперимента в соответствии с выбранным оператором прогнозирования. Теоретические основы и математический аппарат для данного этапа описаны в [7]. Построение моделей проводилось с использованием программного комплекса «Прогнозирование 1.3» [8]. В процессе обработки результатов обучающего эксперимента

Таблица 1. Результаты обучающего эксперимента

Класс годности

Поверхностное сопротивление изоляции,109 Ом

Вязкость, Па∙с

Клейкость, г

Кислотное число, мг КОН

1

2,8

195

39

112

2

0,8

201

41

108

2

0,7

205

43

106

2

0,5

211

45

101

1

2,9

190

38

112

1

2,2

199

39

111

1

3,5

181

36

112

2

0,9

204

41

110

1

3,3

176

35

113

1

3,0

179

36

112

2

0,5

208

42

100

1

3,3

159

32

114

1

2,4

164

34

113

1

3,8

185

37

112

2

0,9

202

40

109

1

2,9

195

39

111

2

0,8

204

43

107

1

3,7

190

38

112

1

4,0

191

38

112

2

0,6

206

45

105

1

4,2

186

37

112

1

3,8

183

37

112

2

0,9

204

41

110

2

0,7

206

43

107

1

3,5

180

36

113

2

0,5

211

45

102

1

3,2

191

38

112

1

3,8

175

35

113

2

0,8

202

42

108

1

3,9

178

35

113

2

0,7

204

43

106

1

3,2

190

36

113

1

2,5

194

37

112

2

0,8

204

42

107

1

3,2

187

36

113

1

2,6

179

35

113

2

0,5

211

45

100

1

3,0

169

35

113

1

3,2

185

36

113

1

3,6

192

37

112

2

0,8

207

43

107

1

3,1

184

36

113

2

0,8

201

41

108

1

3,5

193

37

113

1

2,8

168

35

113

1

3,5

187

36

112

2

0,9

200

40

109

1

2,9

192

37

112

2

0,5

212

46

101

2

0,7

205

44

106

Таблица 2. Преобразованные данные по нормировке и центрированию

№ Y X1 X2 X3 Y Y* dY 1 0,4332 0,1891 0,0169 0,5669 2,8 2,4456 0,3544 2 -1,0921 0,6429 0,5806 -0,4638 0,8 1,6123 -0,8123 2 -1,1684 0,9455 1,1443 -0,9792 0,7 0,9310 -0,2310 2 -1,3209 1,3993 1,7080 -2,2675 0,5 0,0082 0,4919 1 0,5094 -0,1891 -0,2649 0,5669 2,9 2,6566 0,2434 1 -0,0244 0,4917 0,0169 0,3092 2,2 2,4099 -0,2099 1 0,9670 -0,8699 -0,8286 0,5669 3,5 3,0919 0,4081 2 -1,0158 0,8699 0,5806 0,0515 0,9 1,8314 -0,9314 1 0,8145 -1,2481 -1,1105 0,8246 3,3 3,3923 -0,0923 1 0,5857 -1,0211 -0,8286 0,5669 3 3,0651 -0,0651 2 -1,3209 1,1724 0,8625 -2,5252 0,5 0,7126 -0,2126 1 0,8145 -2,5339 -1,9560 1,0822 3,3 4,0878 -0,7878 1 0,1281 -2,1557 -1,3923 0,8246 2,4 3,5094 -1,1094 1 1,1958 -0,5673 -0,5468 0,5669 3,8 2,8676 0,9324 2 -1,0158 0,7186 0,2988 -0,2061 0,9 1,9932 -1,0932 1 0,5094 0,1891 0,0169 0,3092 2,9 2,3562 0,5438 2 -1,0921 0,8699 1,1443 -0,7215 0,8 1,0070 -0,2070 1 1,1196 -0,1891 -0,2649 0,5669 3,7 2,6566 1,0434 1 1,3483 -0,1135 -0,2649 0,5669 4 2,6700 1,3300 2 -1,2446 1,0211 1,7080 -1,2368 0,6 0,2988 0,3012 1 1,5009 -0,4917 -0,5468 0,5669 4,2 2,8810 1,3190 1 1,1958 -0,7186 -0,5468 0,5669 3,8 2,8407 0,9593 2 -1,0158 0,8699 0,5806 0,0515 0,9 1,8314 -0,9314 2 -1,1684 1,0211 1,1443 -0,7215 0,7 1,0338 -0,3338 1 0,9670 -0,9455 -0,8286 0,8246 3,5 3,1680 0,3320 2 -1,3209 1,3993 1,7080 -2,0099 0,5 0,0976 0,4024 1 0,7382 -0,1135 -0,2649 0,5669 3,2 2,6700 0,5300 1 1,1958 -1,3237 -1,1105 0,8246 3,8 3,3789 0,4211 2 -1,0921 0,7186 0,8625 -0,4638 0,8 1,3476 -0,5476 1 1,2721 -1,0968 -1,1105 0,8246 3,9 3,4192 0,4808 2 -1,1684 0,8699 1,1443 -0,9792 0,7 0,9175 -0,2175 1 0,7382 -0,1891 -0,8286 0,8246 3,2 3,3021 -0,1021 1 0,2044 0,1135 -0,5468 0,5669 2,5 2,9883 -0,4883 2 -1,0921 0,8699 0,8625 -0,7215 0,8 1,2850 -0,4850 1 0,7382 -0,4160 -0,8286 0,8246 3,2 3,2619 -0,0619 1 0,2807 -1,0211 -1,1105 0,8246 2,6 3,4326 -0,8326 2 -1,3209 1,3993 1,7080 -2,5252 0,5 -0,0813 0,5813 1 0,5857 -1,7775 -1,1105 0,8246 3 3,2984 -0,2984 1 0,7382 -0,5673 -0,8286 0,8246 3,2 3,2351 -0,0351 1 1,0433 -0,0378 -0,5468 0,5669 3,6 2,9615 0,6385 2 -1,0921 1,0968 1,1443 -0,7215 0,8 1,0472 -0,2472 1 0,6620 -0,6429 -0,8286 0,8246 3,1 3,2216 -0,1216 2 -1,0921 0,6429 0,5806 -0,4638 0,8 1,6123 -0,8123 1 0,9670 0,0378 -0,5468 0,8246 3,5 3,0643 0,4357 1 0,4332 -1,8532 -1,1105 0,8246 2,8 3,2850 -0,4850 1 0,9670 -0,4160 -0,8286 0,5669 3,5 3,1724 0,3276 2 -1,0158 0,5673 0,2988 -0,2061 0,9 1,9663 -1,0663 1 0,5094 -0,0378 -0,5468 0,5669 2,9 2,9615 -0,0615 2 -1,3209 1,4750 1,9899 -2,2675 0,5 -0,2565 0,7565 2 -1,1684 0,9455 1,4262 -0,9792 0,7 0,6529 0,0471 MO: -7,11E-17 -1,55E-17 6,17E-16 7,11E-16 2,232 2,232 5,53E-16 DIS: 1 1 1 1 1,7194 1,3229 0,3965 SKO: 1 1 1 1 1,3112 1,1502 0,6297 был сделан переход от оперирования со значениями информативных параметров к разностям этих значений и проведено нормирование и центрирование контролируемых информативных параметров, а также нормирование по математическому ожиданию и дисперсии. При установлении

граничного значения прогнозируемого параметра поверхностное сопротивление изоляции, равного 1∙109 Ом, выявлен фактический класс годности каждого экземпляра: годные – 1, не годные – 2 (табл. 1). В табл. 2 представлены преобразованные данные по нормировке и центрированию.

На рис. 1 приведена зависимость вероятностных характеристик от порога регрессионной функции П для первого приема преобразования данных. Из рисунка видно, что при П>4,1 риск изготовителя равен нулю. Минимальное значение риска потребителя равно 0,39 при П=4,1-4,7. Минимальное значение вероятности ошибки составляет 0,39 при П=4,15-4,7. В табл. 3 представлены преобразованные данные по нормировке математического ожидания (МО) признаков.

Порог параметра, П

Рис. 1. Влияние порога регрессионной функции на эффективность прогнозной модели при нормировке и центрировании

Таблица 3. Преобразованные данные по нормировке МО

Y

X1

X2

X3

Y

Y*

dY

1

2

3

4

5

6

7

8

1

1,2545

1,0130

1,0015

1,0200

2,8

5,8415

-3,0415

2

0,3584

1,0442

1,0529

0,9836

0,8

-3,2387

4,0387

2

0,3136

1,0649

1,1043

0,9654

0,7

-9,4236

10,1236

2

0,2240

1,0961

1,1556

0,9199

0,5

-20,0643

20,5643

1

1,2993

0,9870

0,9759

1,0200

2,9

7,0352

-4,1352

1

0,9857

1,0338

1,0015

1,0109

2,2

4,7323

-2,5323

1

1,5681

0,9403

0,9245

1,0200

3,5

9,5352

-6,0352

2

0,4032

1,0597

1,0529

1,0018

0,9

0,2206

0,6794

1

1,4785

0,9143

0,8988

1,0291

3,3

12,2893

-8,9893

1

1,3441

0,9299

0,9245

1,0200

3

9,3096

-6,3096

2

0,2240

1,0805

1,0786

0,9108

0,5

-16,6903

17,1903

1

1,4785

0,8260

0,8218

1,0383

3,3

17,2050

-13,9050

1

1,0753

0,8520

0,8731

1,0291

2,4

12,6933

-10,2933

1

1,7025

0,9610

0,9502

1,0200

3,8

8,2288

-4,4288

2

0,4032

1,0494

1,0272

0,9927

0,9

0,1921

0,7079

1

1,2993

1,0130

1,0015

1,0109

2,9

4,2811

-1,3811

2

0,3584

1,0597

1,1043

0,9745

0,8

-7,9760

8,7760

1

1,6577

0,9870

0,9759

1,0200

3,7

7,0352

-3,3352

1

1,7921

0,9922

0,9759

1,0200

4

7,1479

-3,1479

2

0,2688

1,0701

1,1556

0,9563

0,6

-14,3865

14,9865

1

1,8817

0,9662

0,9502

1,0200

4,2

8,3416

-4,1416

1

1,7025

0,9507

0,9502

1,0200

3,8

8,0032

-4,2032

2

0,4032

1,0597

1,0529

1,0018

0,9

0,2206

0,6794

2

0,3136

1,0701

1,1043

0,9745

0,7

-7,7504

8,4504

1

1,5681

0,9351

0,9245

1,0291

3,5

10,9829

-7,4829

2

0,2240

1,0961

1,1556

0,9290

0,5

-18,5039

19,0039

1

1,4337

0,9922

0,9759

1,0200

3,2

7,1479

-3,9479

1

1,7025

0,9091

0,8988

1,0291

3,8

12,1765

-8,3765

2

0,3584

1,0494

1,0786

0,9836

0,8

-4,8835

5,6835

1

1,7473

0,9247

0,8988

1,0291

3,9

12,5149

-8,6149

2

0,3136

1,0597

1,1043

0,9654

0,7

-9,5364

10,2364

1

1,4337

0,9870

0,9245

1,0291

3,2

12,1108

-8,9108

1

1,1201

1,0078

0,9502

1,0200

2,5

9,2439

-6,7439

2

0,3584

1,0597

1,0786

0,9745

0,8

-6,2184

7,0184

1

1,4337

0,9714

0,9245

1,0291

3,2

11,7724

-8,5724

1

1,1649

0,9299

0,8988

1,0291

2,6

12,6277

-10,0277

2

0,2240

1,0961

1,1556

0,9108

0,5

-21,6248

22,1248

1

1,3441

0,8779

0,8988

1,0291

3

11,4997

-8,4997

1

1,4337

0,9610

0,9245

1,0291

3,2

11,5468

-8,3468

1

1,6129

0,9974

0,9502

1,0200

3,6

9,0184

-5,4184

Продолжение таблицы 3

1

2

3

4

5

6

7

8

2

0,3584

1,0753

1,1043

0,9745

0,8

-7,6376

8,4376

1

1,3889

0,9558

0,9245

1,0291

3,1

11,4340

-8,3340

2

0,3584

1,0442

1,0529

0,9836

0,8

-3,2387

4,0387

1

1,5681

1,0026

0,9502

1,0291

3,5

10,6916

-7,1916

1

1,2545

0,8727

0,8988

1,0291

2,8

11,3869

-8,5869

1

1,5681

0,9714

0,9245

1,0200

3,5

10,2120

-6,7120

2

0,4032

1,0390

1,0272

0,9927

0,9

-0,0335

0,9335

1

1,2993

0,9974

0,9502

1,0200

2,9

9,0184

-6,1184

2

0,2240

1,1013

1,1813

0,9199

0,5

-21,7091

22,2091

2

0,3136

1,0649

1,1299

0,9654

0,7

-11,1812

11,8812

MO:

1

1

1

1

2,232

2,232

1,07E-15

DIS:

0,3451

0,0047

0,0083

0,0012

1,7194

114,6280

91,8665

SKO:

0,5875

0,0687

0,0911

0,0353

1,3112

10,7064

9,5847

Рис. 2. Влияние порога регрессионной функции на эффективность прогнозной модели при нормировке

На рис. 2 приведена аналогичная зависи- при П=18-20, а риск изготовителя равен нулю при мость для второго приема преобразования данных. П>18. Вероятность ошибки при П=18-20 равна Как видно из данного рисунка минимальное значе- 0,39. В табл. 4 представлены преобразованные ние риска потребителя также равно 0,39, но уже данные по нормировке дисперсии признаков.

Таблица 4. Преобразованные данные по нормировке дисперсии

Y

X1

X2

X3

Y

Y*

dY

1

2

3

4

5

6

7

8

1

1,6285

1,1157

3,0982

7,4363

2,8

3,1314

-0,3314

2

0,4653

1,1500

3,2570

7,1707

0,8

1,3425

-0,5425

2

0,4071

1,1729

3,4159

7,0379

0,7

-0,1566

0,8566

2

0,2908

1,2072

3,5748

6,7060

0,5

-2,2234

2,7234

1

1,6867

1,0871

3,0187

7,4363

2,9

3,2043

-0,3043

1

1,2795

1,1385

3,0982

7,3699

2,2

3,3854

-1,1854

1

2,0356

1,0356

2,8598

7,4363

3,5

3,4829

0,0171

2

0,5235

1,1671

3,2570

7,3035

0,9

2,2971

-1,3971

1

1,9193

1,0070

2,7804

7,5027

3,3

3,8336

-0,5336

1

1,7448

1,0241

2,8598

7,4363

3

3,2170

-0,2170

2

0,2908

1,1900

3,3365

6,6396

0,5

-0,6873

1,1873

1

1,9193

0,9097

2,5421

7,5691

3,3

4,0640

-0,7640

1

1,3959

0,9383

2,7010

7,5027

2,4

2,9757

-0,5757

1

2,2101

1,0584

2,9393

7,4363

3,8

3,2771

0,5229

2

0,5235

1,1557

3,1776

7,2371

0,9

2,4909

-1,5909

1

1,6867

1,1157

3,0982

7,3699

2,9

2,8536

0,0464

2

0,4653

1,1671

3,4159

7,1043

0,8

-0,0117

0,8117

1

2,1520

1,0871

3,0187

7,4363

3,7

3,2043

0,4957

Продолжение таблицы 3

1

2

3

4

5

6

7

8

1

2,3264

1,0928

3,0187

7,4363

4

3,3372

0,6628

2

0,3490

1,1786

3,5748

6,9715

0,6

-1,7767

2,3767

1

2,4428

1,0642

2,9393

7,4363

4,2

3,4100

0,7900

1

2,2101

1,0470

2,9393

7,4363

3,8

3,0112

0,7888

2

0,5235

1,1671

3,2570

7,3035

0,9

2,2971

-1,3971

2

0,4071

1,1786

3,4159

7,1043

0,7

0,2542

0,4458

1

2,0356

1,0298

2,8598

7,5027

3,5

3,6278

-0,1278

2

0,2908

1,2072

3,5748

6,7724

0,5

-1,9455

2,4455

1

1,8612

1,0928

3,0187

7,4363

3,2

3,3372

-0,1372

1

2,2101

1,0012

2,7804

7,5027

3,8

3,7006

0,0994

2

0,4653

1,1557

3,3365

7,1707

0,8

0,7379

0,0621

1

2,2683

1,0184

2,7804

7,5027

3,9

4,0995

-0,1995

2

0,4071

1,1671

3,4159

7,0379

0,7

-0,2896

0,9896

1

1,8612

1,0871

2,8598

7,5027

3,2

4,9573

-1,7573

1

1,4540

1,1099

2,9393

7,4363

2,5

4,4737

-1,9737

2

0,4653

1,1671

3,3365

7,1043

0,8

0,7259

0,0741

1

1,8612

1,0699

2,8598

7,5027

3,2

4,5584

-1,3584

1

1,5122

1,0241

2,7804

7,5027

2,6

4,2324

-1,6324

2

0,2908

1,2072

3,5748

6,6396

0,5

-2,5013

3,0013

1

1,7448

0,9669

2,7804

7,5027

3

2,9029

0,0971

1

1,8612

1,0584

2,8598

7,5027

3,2

4,2925

-1,0925

1

2,0938

1,0985

2,9393

7,4363

3,6

4,2078

-0,6078

2

0,4653

1,1843

3,4159

7,1043

0,8

0,3872

0,4128

1

1,8030

1,0527

2,8598

7,5027

3,1

4,1596

-1,0596

2

0,4653

1,1500

3,2570

7,1707

0,8

1,3425

-0,5425

1

2,0356

1,1042

2,9393

7,5027

3,5

4,6186

-1,1186

1

1,6285

0,9612

2,7804

7,5027

2,8

2,7699

0,0301

1

2,0356

1,0699

2,8598

7,4363

3,5

4,2806

-0,7806

2

0,5235

1,1443

3,1776

7,2371

0,9

2,2250

-1,3250

1

1,6867

1,0985

2,9393

7,4363

2,9

4,2078

-1,3078

2

0,2908

1,2129

3,6542

6,7060

0,5

-2,8280

3,3280

2

0,4071

1,1729

3,4954

7,0379

0,7

-0,8942

1,5942

MO:

1,30E+00

1,10E+00

3,09E+00

7,29E+00

2,232

2,232

-3,18E-15

DIS:

0,5816

0,0057

0,0794

0,0664

1,7194

4,5931

1,5820

SKO:

0,7626

0,0756

0,2819

0,2577

1,3112

2,1431

1,2578

  • -    для первого приема преобразования данных (нормирование и центрирование):

Y(Х)=0,6555+0,0134Х1 – 0,2780Х2+0,0894Х3;

  • -    для второго приема преобразования данных (нормирование по математическому ожиданию):

Y(Х)= –122,3774+0,1127Х – 7576Х2+1,5604Х3;

  • -    для третьего приема преобразования данных (нормирование по дисперсии):

Y(Х)=–-25,1492+0,1329Х1 – ,7376Х2+0,2778Х3

Экзамен. Экзамен, как правило, состоит в оценке ошибки прогнозирования, вероятности правильных решений, рисков потребителя и изготовителя [9]. В ряде случаев оценивают и проверяют на соответствие требованиям ряд других характеристик [10]. Проведем исследование и анализ полученных моделей. Для этого воспользуемся программным комплексом «Прогнозирование 1.3». На рис. 1 приведена зависимость вероятностных характеристик от порога регрессионной функции П для первого приема преобразования данных.

Выводы:

  • 1.    Построены прогнозные модели качества паяных соединений (ПС).

  • 2.    Проведено прогнозирование регрессионным методом качества паяных соединений используя все признаки паяльных паст. Было произведено нормирование и центрирование данных выборки, их нормировка по математическому ожиданию и дисперсии признаков. Наименьшую дисперсию ошибки имеет первый метод. Наиболее информативным оказался параметр Х3.

Список литературы Прогнозные математические модели качества печатных узлов космической аппаратуры

  • Чуев, Ю.В. Прогнозирование количественных характеристик процессов/Ю.В. Чуев, Ю.Б. Михайлов, В.И. Кузьмин. -М.: Сов. радио, 1975. 400 с.
  • Гаскаров, Д.В. Прогнозирование технического состояния и надежности радиоэлектронной аппаратуры/Д.В. Гаскаров, Т.А. Голинкевич, А.В. Мозгалевский. -М.: Сов. радио, 1974. 224 с.
  • Пиганов, М.Н. Прогнозирование надежности радиоэлектронных средств/М.Н. Пиганов, С.В. Тюлевин//Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. 2009. №1 (72). С. 174-180.
  • Тюлевин, С.В. Структурная модель индивидуального прогнозирования параметров космической аппаратуры/С.В. Тюлевин, М.Н. Пиганов//Вестник Самарского государственного аэрокосмического университета. 2008. № 1. С. 92-96.
  • Пиганов, М.Н. Индивидуальное прогнозирование стабильности элементов микросборок/М.Н. Пиганов, О.В. Карпов//Надежность и качество: Труды международного симпозиума. -Пенза: ПГУ, 2001. С. 334-337.
  • Тюлевин, С.В. Структурная модель индивидуального прогнозирования параметров космической аппаратуры/С.В. Тюлевин, М.Н. Пиганов//Вестник Самарского государственного аэрокосмического университета. 2008. № 1. С. 92-96.
  • Пиганов, М.Н. Индивидуальное прогнозирование показателей качества элементов и компонентов микросборок/М.Н. Пиганов. -М.: Новые технологии, 2002. 267 с.
  • Пиганов, М.Н. Прогнозирование надежности радиоэлектронных средств/М.Н. Пиганов, С.В. Тюлевин//Перспективы развития телекоммуникационных систем и информационные технологии: Труды междун. конф. -СПб.: Изд-во Политехн. ун-та, 2008. С. 423-440.
  • Пиганов, М.Н. Индивидуальное прогнозирование показателей качества элементов микросборок/М.Н. Пиганов. -Самара: СГАУ, 1999. 160 с.
  • Пиганов, М.Н. Технологические основы обеспечения качества микросборок/М.Н. Пиганов. -Самара: СГАУ, 1999. 231 с.
Еще
Статья научная