[发明专利]失效分析方法、装置、设备和存储介质

说明书

本申请涉及一种失效分析方法、装置、计算机设备和存储介质，计算机设备获取待测失效器件的至少一个测试数据；然后将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；失效节点信息包括测试数据关联的上级失效事件节点和下级失效事件节点，下级失效事件节点为上级失效事件节点的备选失效机理；最后根据每个测试数据关联的失效节点信息，构建各个失效事件节点之间的父子关系，并根据父子关系确定最底层的失效事件节点为待测失效器件的目标失效机理。采用上述方法可以提升失效分析的效率和准确率。

技术领域

本申请涉及失效分析技术领域，特别是涉及一种失效分析方法、装置、设备和存储介质。

背景技术

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。

发明内容

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分析处理，获取与每个测试数据关联的失效节点信息；失效节点信息包括测试数据关联的上级失效事件节点和下级失效事件节点，下级失效事件节点为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，并根据父子关系确定最底层的失效事件节点为待测失效器件的目标失效机理。

在其中一个实施例中，上述将测试数据输入到深度学习模型中进行失效分析处理，包括：

对测试数据进行向量转换，生成测试特征向量；

将测试特征向量输入到深度学习模型中进行失效分析处理。

在其中一个实施例中，上述方法还包括：

根据已失效器件的失效分析报告，获取训练样本集；训练样本集包括已失效器件的历史测试数据以及历史测试数据对应的标记失效节点信息；标记失效节点信息包括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，将历史测试数据对应的标记失效节点信息作为初始深度学习模型的输出，对初始深度学习模型进行训练，得到深度学习模型。

在其中一个实施例中，上述将历史测试数据作为初始深度学习模型的输入，将历史测试数据对应的标记失效节点信息作为初始深度学习模型的输出，对初始深度学习模型进行训练，得到深深度学习模型，包括：

将历史测试数据输入初始深度学习模型，得到历史测试数据对应的预测失效节点信息；

计算预测失效节点信息与标记失效节点信息之间的损失，作为损失函数的值；

根据损失函数的值对初始的深度学习模型进行训练，得到深度学习模型。

在其中一个实施例中，上述根据已失效器件的失效分析报告，获取训练样本集，包括：