历史数据在复杂电子产品检验中的作用

康京山

(中国电子科技集团公司第五十四研究所，河北 石家庄 050081)

0 引言

关于产品检验，一般想到的是测量产品的若干指标，实测值与要求值的偏差在规定范围内为合格，超出误差允许范围判定为不合格，因此，往往认为产品检验是一件简单的工作。然而，当面对复杂电子产品时，其检验工作需要消耗大量的人力、物力和时间，在实践中往往存在检验周期、检验所需资源和检验所需条件受限的情况，使得试图遍历所有可能的外部输入组合，采集输出信号与预期结果进行对比成为不可能，只能采用受限条件下的检验方法。这时，存在着产品缺陷未能检出的质量风险，可能给产品生命周期的后续阶段造成影响。

无论是产品的研制生产企业(即供方)检验部门，还是产品的订购方(即需求方)检验部门，或者是专门从事检验的检验机构(即第三方)，关于产品检验积累了大量历史数据。如何对这些历史数据加以利用，提取与待检验产品有关联的数据，在有效历史数据的指导下，提高产品检验工作效率，改进检验效果，确保将质量风险控制在可接受范围内，是本文研究的重点。

1 产品检验

1.1 产品检验

为研究历史数据在产品检验中如何发挥作用，首先对产品检验进行概括和抽象，建立模型。

广义而言，产品是过程的结果[1]。产品的种类可以包括服务、软件、硬件和流程性材料等。本文仅研究电子产品。电子产品有很多层次，自顶向下可划分为：

系统→分系统→设备→分机或组件→部件→元器件或零件

其中，系统是指为获得一个或多个明确目的而组织起来的、相互作用的元素的组合体[2]，还可以包含较低层级的系统。本文重点关注系统、分系统、设备层级的产品。

检验是对符合规定要求的确定[3]。强调检验的目的是判定是否符合要求。有的标准中，不仅给出了检验的目的，还给出了可能的途径：“检验，是指通过观察和判断，适当结合测量、试验或估量所进行的符合性评价[1]”。

因此，观察(也称为目检)、测量、软件测试、试验包括功能试验、性能试验、环境试验、可靠性试验和电磁兼容性试验等，都是检验的组成部分或者手段。

1.2 复杂电子产品检验的特点

复杂电子产品是指组成庞大，关系复杂，或功能性能逻辑复杂、应用场景和环境条件等复杂的电子产品。这类产品的检验一般具有如下特点：

① 由于产品复杂，需要验证的功能项和测试的性能指标多，而且逻辑复杂，相互联系。

② 复杂电子产品通常由机械结构件、硬件电路和软件组成，为了保证产品的灵活性和适应可能的用户需求的调整，设备软件规模大并支持灵活配置，同时大量使用FPGA等可编程器件。软件大多采用实时多任务处理方式，多种业务、多路业务同时处理，有些外部事件的响应与上下文有关(即有状态的)。

③ 复杂电子产品通常预定较多的业务应用场景且存在多种组合，难以通过枚举的方式穷尽可能的情况。也就是说，对于复杂电子产品，从产品生命周期剖面导出检验试验剖面时，只能选择一些重要的部分作为代表。

④ 有些复杂电子产品，特别是电子信息产品，往往需要与其他产品、网系及信息系统互连互通互操作，有时还需要占用无线频率、信道及链路等资源。也就是说，检验试验的开展要受这些资源的制约。

⑤ 有些复杂电子产品需要适应多种气候环境(如低温、高温、潮湿)、地形地貌及电磁环境等。为验证这些要求的满足度，需要在室内外模拟相应环境，甚至在真实环境下通过试验的方式，进行定性或定量分析。检验过程需要的周期长，动用的资源多，成本高，而且有些试验是破坏性的，受试样品不能再交付。

因此，对复杂电子产品的检验，需要采取措施降低质量风险。

1.3 产品检验的时间维度

图1给出了电子产品的典型检验流程。

图1 电子产品的典型检验流程

按照时间维度，将产品检验概括为以下4个阶段：

① 检验策划阶段：对整个检验工作进行总策划，如确定检验的性质(例如鉴定检验、一致性检验、用户验收检验和产品研发制造企业交付检验等)、检验需要覆盖的要求(研制总要求、协议书和合同书等)、检验的组织方式、时间安排、质量控制要求及经费安排等。

② 检验设计阶段：确定需要进行的检验项。为了便于组织实施，通常对检验项进行分组(例如，将产品一致性检验分为A组，覆盖各功能要求，B组覆盖性能要求，C组覆盖环境适应性要求，D组覆盖可靠性要求)，确定各个检验项的具体测试方法，确定所需的仪器仪表及其他检验环境或资源，确定各检验项或其分组采用全数检验或是抽样检验，相应地确定抽样方案，确定质量可接收水平；对于可能的缺陷规定严重等级划分方法或清单。

③ 检验执行阶段：采用人工或自动方式，按策划和设计的结果进行检验，记录各项实际测试结果，与预期结果进行对比，判定该项是否合格。对于不合格项，确定检验是否继续进行，或等待整改后再进行。

④ 检验总结阶段：按质量可接受水平给出检验是否通过的结论，形成检验报告。

1.4 空间维度

电子产品相关的检验种类很多，主要包括外购外包验收检验、过程检验、阶段检验、交付检验、用户验收检验、鉴定检验和技术状态更改验证检验等。根据检验的目的和时机，检验的组织方式分为企业主导的检验、用户主导的检验及第三方主导的检验等。

检验内容可以分解为若干检验域，如图2所示。

图2 电子产品检验内容分解

除关注产品的功能和性能指标外，还应对产品的齐套性和结构工艺外观进行检查。GJB 9001C要求：“根据产品特点，建立并实施可靠性、维修性、保障性、测试性、安全性和环境适应性等通用质量特性工作过程[4]”，并要求开展通用质量特性的评审、验证和确认活动。因此，在进行产品检验时，还应对通用质量特性(简称“六性”)是否满足合同、研制要求以及相关标准的规定进行检验。

2 历史数据分析方法

2.1 概述

检验机构在开展每一次检验活动时，除形成检验记录和检验结论外，还应尽可能全面地记录和抽取相关数据，纳入产品检验历史数据库，以便此后的分析和利用。分析的目的在于“用”，因用途不同，分析的时机、聚焦的层面、关注的要素以及采取的分析方式也不相同。本文提出2类数据分析模式：

需求牵引型：面向具体产品检验的数据分析。检验机构在接到检验任务后，针对该具体检验任务，通过从历史数据中获取数据并加以分析，进而利用相关信息，指导该产品检验。

数据推动型：面向预防的数据分析。检验机构对积累的历史数据进行分析，总结共性规律，对今后的检验工作提供指导，或者向相关方(产品研发部门、生产部门及质量管理部门)推送，促进识别薄弱环节，采取措施实施改进。

2.2 需求牵引型数据分析

由于待检验的产品已经确定，可以从历史数据库中提取关联性强的数据进行分析。当关联性强的数据不存在或者数量少不能得到所需建议时，再逐步引入相关性不强的数据。由于基于的数据与待检产品的相关性强弱不同，从数据分析中获得的建议的强弱也不相同。以下给出几种典型的方式。

2.2.1 相同产品的数据

如果历史数据库中有与待检产品相同的产品检验数据，例如研制定型后转入批量生产，多批次生产等，本次产品检验可以从多个层面得到建议，例如：

① 检验策划阶段，可预计检验周期及各阶段或各部分所需时间。

② 检验设计阶段，可预计检验所需仪器仪表、陪测设备及其他资源的充分性；对于抽样方案，须按照抽样标准[5]要求，根据以往是否曾经出现过拒收及拒收次数，做出加严检验、正常检验或放宽检验的决定；可利用或者修改以往检验时的试验剖面，例如选取的各试验参数，作为被检验产品的模拟输入数据、文件或数据库等。

③ 检验实施阶段，对于曾经出现过缺陷的检验项予以特殊关注，验证纠正措施的持续有效性；对于一些性能指标的实测值，虽然处于合格判定范围内，但是，如果发现与以往批次实测值有较大偏差，往往预示着技术状态的更改，或者测试方法、连接关系及仪器仪表等存在异常，应该分析原因排除异常。

④ 检验总结阶段，检验中发现的故障需要运行故障报告、分析和纠正措施系统(FRACAS)[6]，对于严重质量问题或者重复发生的一般质量问题应该进行归零处理[7]，才可以进行回归检验。利用历史数据，有助于故障机理的分析，而故障机理是运行FRACAS和归零的关键。特别是对于复杂电子产品，有些故障的发生，是多种因素作用的结果，对故障的分析存在困难：故障难以复现，进而给故障分析和采取措施的有效性验证带来困难；表现出来的故障现象，可能是导致故障发生的根本原因多次演进的结果，因此，当故障次数很少时，从故障现象推理判定导致故障发生的根本原因难度很大。

这些困难导致有些故障难以准确定位，或者只能作为偶发故障对待，影响故障纠正措施的有效性。假设本次检验中某故障发生了1次，若不关注历史数据，可能作为偶发故障进行处理；若关注历史数据，如果以往曾经出现过同样故障，二者结合可能使得该故障得到有效处置；如果以往未曾出现类似故障，则更充分地判定该故障为偶发故障。

2.2.2 相似产品的数据

对相似产品的历史数据分析，可以为产品检验提供参考。什么产品纳入与待检产品“相似”范围，需要根据关注的检验方面来判定，例如属于同一产品领域。可以把属于同一产品领域但是型号不同的产品作为相似产品；在所关注的某个检验方面有共性，例如对于环境适应性中的潮热试验，若待检产品为喷塑工艺，则其他潮热环境适应性要求相同、采用喷塑工艺或机械结构形式类似的产品可作为相似产品。

2.3 数据推动型数据分析

虽然数据推动型历史数据分析是在没有确定具体待检产品的情况下进行的，但是，检验机构长期承担某些用户方向或产品领域的产品检验，利用统计方法，分析历史数据总结共性规律，对于今后的检验工作是有指导意义的。表1给出了一些应用举例。

表1 产品检验历史数据分析举例

序号历史数据用途1平均检验周期用于检验策划中的测试周期估计2平均缺陷密度用于评价检验的有效性;检验中发现缺陷后需要整改然后才能回归检验,用于估计工作量及计划安排3按检验域统计缺陷占比识别缺陷发生率较高的检验域予以关注,降低质量风险4按缺陷现象类别或者原因类别统计缺陷占比在检验设计和检验执行中对于发生率高的缺陷予以重点关注5按产品层级统计缺陷密度或占比识别高风险的产品层级6按产品类别统计缺陷密度或缺陷占比识别高风险的产品类别7按被检产品制造方统计缺陷密度或缺陷占比识别高风险的供方8按被检产品顾客方向统计缺陷密度或缺陷占比功能类似的产品往往不同顾客方向有不同的质量要求,若某顾客方向的产品缺陷密度高或占比大,需分析原因并在检验策划、检验设计和检验执行中予以特别关注

3 典型案例分析

工程实践中，上述历史数据分析模式得到了初步验证。受篇幅所限，仅介绍一个案例。对某个时间段内积累的外购随机设备和外包产品检验缺陷记录数据进行了分析。

首先，对记录数据进行整理，主要解决记录的规范性和准确性问题。例如，在一条记录中描述多种缺陷的，需予以拆分；关于缺陷分类，对于按照现象、原因和预期后果分类的统一为按照现象分类；将存在某种缺陷的产品数量以显式形式给出，便于计算。

在产品检验中发现缺陷时，已经对照检验依据或者标准[8]，确定了缺陷严重程度，一般分为致命缺陷、重缺陷及轻缺陷，有些产品还存在微缺陷等级[9]。对于历史记录中每个缺陷的严重程度进行了复核确认。

为了便于数据分析，需要建立指标体系，使不同严重程度的缺陷能够在一起进行计算和比较。本案例中，采用给各等级缺陷赋予权重的简单指标体系，未发现致命缺陷，对重缺陷、轻缺陷、微缺陷依次赋予加权值为2，1，0.5，即1个重缺陷相当于2个轻缺陷，1个微缺陷相当于0.5个轻缺陷。

在此基础上，按数据推动分析模式得到以下信息或结论：① 外包产品缺陷在总缺陷数中的占比大，外购随机设备(指采购货架产品)缺陷几乎可以忽略不计。说明今后在检验力量调配等方面应重点关注外包产品的检验。② 按产品类别计算缺陷数量占比，识别出某类产品占比最大，判定为高风险类别产品。③ 对于高风险类别产品，按供方分别计算缺陷密度，高出平均值2倍的供方列为高风险供方。④ 按缺陷类别分别计算缺陷占比并排序。

基于以上分析结果，确定了此后应采取的多项管理措施和技术措施，包括：① 对于高风险供方，主动向其推送往批问题汇总，督促改进；另外，需方今后在选择供方时将其质量表现纳入考虑因素，严格控制。② 检验部门在产品检验人力资源和时间分配方面，对于识别出来的高风险的供方或者高风险的产品，给予重点保障。③ 检验部门就检验典型案例、常见问题、历史数据分析结果进行交流分享，提高检验人员识别产品质量问题的能力。④ 坚持不断积累产品检验历史数据，分析高风险的产品和供方的变化趋势，评价相关改进措施的有效性。

4 结束语

对于复杂电子产品检验，从时间和空间维度建立了模型，提出了需求牵引和数据推动2种历史数据分析模式，介绍了典型案例。分析和利用历史数据，使风险识别从主观估计向基于数据的预计转变，进而以风险为导向，使检验资源和花费时间更合理，检验设计和实施活动对问题抓得更准确，最终达到提高产品检验效率和改进效果的目的。

通过有意识地长期积累历史数据以及分析和利用历史数据，尽可能将检验人员个人的隐性经验，转变为组织的显性知识，成为检验机构的重要资产。