CC BY
12Решетневскуе чтения. 2017
УДК 629.78
ВЫЯВЛЕНИЕ ЛОГИЧЕСКИХ ЗАКОНОМЕРНОСТЕЙ
ДЛЯ КЛАССИФИКАЦИИ ЭЛЕКТРОРАДИОИЗДЕЛИЙ*
И. С. Масич
Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
Е-mail: masich@sibsau.ru
Исследованы алгоритмы выявления закономерностей в данных, получаемых по результатам дополнительных отбраковочных испытаний; при условии использования совместно с результатами разрушающего физического анализа предлагаемый подход может быть применен для прогнозирования показателей безотказности электронной компонентной базы космического применения.
Ключевые слова: классификация, логические закономерности, электронная компонентная база.
IDENTIFICATION OF LOGICAL PATTERNS FOR CLASSIFYING EEE-PARTS
I. S. Masich
Reshetnev Siberian State University of Science and Technology 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation Е-mail: masich@sibsau.ru
We consider the algorithms for detecting patterns in the data obtained by the results of additional rejection tests. When used in conjunction with the results of destructive physical analysis, the proposed approach can be applied to predict the reliability of the electronic component base of space applications.
Keywords: classification, logical patterns, electronic component base.
Исследуемые в данной работе вопросы являются частью работы по обеспечению однородности партий электрорадиоизделий (ЭРИ) для комплектации радиоэлектронной аппаратуры космических аппаратов [1].
Ранее решалась задача классификации электрора-диоизделий по однородным производственным партиям по результатам дополнительных отбраковочных испытаний для организации проведения разрушающего физического анализа [2].
По сути, эта задача представляет собой задачу автоматической группировки (задача обучения без учителя), исходными данными для решения которой являются результаты тестовых воздействий на ЭРИ по контролю вольт-амперных характеристик входных и выходных цепей микросхем, а также результаты, полученные в ходе электротермотренировки изделий микроэлектроники.
При этом для классификации электрорадиоизде-лий по однородным группам используется весь набор признаков (тестов).
Проведенные исследования по использованию методов классификации, основанных на правилах, показывают, что для распознавания группы электрорадио-изделий достаточно использование небольшого числа логических правил (от 1 до 4). Эти правила представляют собой сравнение значения некоторого признака с определенным в процессе построения правил порогом. Таким образом, оказывается достаточным ис-
пользование весьма небольшого числа признаков (выбранных определенным образом в процессе построения правил из всего набора признаков - результатов тестов) для успешной классификации ЭРИ.
Так, в работе [3] показаны перспективы использования логических закономерностей в кластерном анализе.
Таким образом, в работе решается задача выявления закономерностей для классификации электрора-диоизделий по результатам дополнительных отбраковочных испытаний с целью дальнейшего прогнозирования показателей безотказности электронной компонентной базы.
В основе разработанного алгоритмического обеспечения лежит подход к выявлению и использованию закономерностей, называемый логическим анализом данных [4]. В ходе проведения исследований этот подход был усовершенствован. Построены модели оптимизации, позволяющие находить в данных закономерности различных типов [5]. Использование различных типов закономерностей позволяет улучшить поддержку принятия решений при классификации. Так, использование сильных первичных закономерностей уменьшает число неклассифицированных изделий, а также уменьшает число условий в правилах (число тестов). А использование сильных охватывающих закономерностей уменьшает ошибку классификации.
* Работа выполнена в рамках государственного задания № 2.5527.2017/8.9 Минобрнауки России.
Электронная компонентная база щ>смических,систем
Условное представление закономерностей на двумерном графике МБ8 (многомерное шкалирование), микросхема 1526ЛЕ5
Логические закономерности можно условно изобразить на двумерном графике (см. рисунок).
Примеры получаемых закономерностей для классификации изделий (на примере микросхемы 1526ЛЕ5):
Класс а (196 изделий):
- (ТЕ8Т_34 < 5) - (ТЕ8Т_127 < 4,76) = > класс а (100 %);
- (ТЕ8Т_35 < 5) - (ТЕ8Т_37 < 5) - (ТБ8Т_127 < 4,76) = > класс а (100 %).
Класс Ь (218 изделий):
- (ТЕ8Т_66 > 0,682) - (ТЕ8Т_122 > 4,98) = > класс Ь (97,2 %);
- (ТЕ8Т_66 > 0,682) = > класс Ь (97,7 %).
Класс с (205 изделий):
- (ТЕ8Т_34 > 5) - (ТЕ8Т_58 < 0,93) = > класс с (99 %).
Таким образом, использование предлагаемого
подхода дает возможность принимать решение о принадлежности изделия партии по данным небольшого числа тестов с использованием простых правил сравнения.
Также следует отметить, что при использовании в качестве исходных данных различных выборок по одному и тому же типу микросхем или других элек-трорадиоизделий, получаемые правила могут различаться. Но всё же, в результате анализа нескольких выборок по изделиям одного типа, следует ожидать наличие закономерностей, с помощью которых можно было бы однозначно классифицировать изделие как потенциально ненадежное.
Результаты экспериментов по выявлению закономерностей и построению правил для классификации ЭРИ показывают перспективность исследуемого подхода, нацеленного на усиление поддержки принятия решений при классификации ЭРИ.
Библиографические ссылки
1. Разработка алгоритмического обеспечения анализа однородности партий электрорадиоизделий для комплектации РЭА КА : монография / Л. А. Казаков-цев и др.; Сиб. гос. аэрокосмич. ун-т. Красноярск, 2016. 192 с.
2. Задача классификации электронной компонентной базы / Л. А. Казаковцев, В. И. Орлов, А. А. Сту-
пина и др. // Вестник СибГАУ. 2014. № 4 (56). С. 55-61.
3. An Implementation of Logical Analysis of Data / E., Boros P. L. Hammer, T. Ibaraki et al. // IEEE Transactions on Knowledge and Data Engineering. 2000. 12(2). Р. 292-306.
4. Бериков В. С., Лбов Г. С. Современные тенденции в кластерном анализе // Информационно-телекоммуникационные системы : Всерос. конкурсный отбор обзорно-аналитических статей по приоритетному направлению, 2008. 26 с.
5. Антамошкин А. Н., Масич И. С. Алгоритмы псевдобулевой оптимизации для выявления информативных закономерностей в данных // Системный анализ и информационные технологии : седьмая Между-нар. конф. (САИТ-2017) (13-18 июня 2017, г. Светлогорск, Россия) : тр. конф. 2017. C. 117-124.
References
1. Kazakovtsev L. A., Masich I. S., Orlov V. I., Prot-senko V. V., Fedosov V. V. [Development of algorithmic support for analysis of homogeneity of electronic and radio products for the assembly of radioelectronic equipment of space vehicles]. SibGAU, Krasnoyarsk, 2016. -192 p.
2. Kazakovtsev L. A., Orlov V. I., Stupina A. A., Masich I. S. [The problem of classification of electronic components] VestnikSibGAU. 2014. № 4 (56). P. 55-61.
3. Boros E., Hammer P. L., Ibaraki T., Kogan A., Mayoraz E., Muchnik I. An Implementation of Logical Analysis of Data. IEEE Transactions on Knowledge and Data Engineering. 2000. № 12 (2). Р. 292-306.
4. Berikov V. S., Lbov G. S. [Current trends in cluster analysis] Vserossiyskiy konkursnyy otbor obzorno-analiticheskikh statey po prioritetnomu napravleniyu "In-formatsionno-telekommunikatsionnye sistemy", 2008. 26 p.
5. Antamoshkin A. N., Masich I. S. [Algorithms of pseudo-Boolean optimization for revealing informative patterns in data] Sed'maya Mezhdunarodnaya konferent-siya "Sistemnyy analiz i informatsionnye tekhnologii" SAIT-2017 (Svetlogorsk, Rossiya) : Trudy konferentsii. 2017. P. 117-124.
© Масич И. С., 2017
