買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉深圳長城開發科技股份有限公司申請的專利一種基于工業IoT的ESD軟失效預測方法和系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114970423B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202110194348.9，技術領域涉及：G06F30/367；該發明授權一種基于工業IoT的ESD軟失效預測方法和系統是由劉祖耀;顏志強;張海貝;汪中博;朱亮;劉路設計研發完成，并于2021-02-20向國家知識產權局提交的專利申請。

本一種基于工業IoT的ESD軟失效預測方法和系統在說明書摘要公布了：本發明提出了一種基于工業IoT的ESD軟失效預測方法和系統。所述ESD軟失效預測系統，包括：數據采集模塊，用于收集產品的客退數據、返修數據、ICT和FCT測試數據以及IoT系統監控的ESD防護狀態數據；數據存儲模塊，用于對數據采集模塊所采集的數據進行存儲；數據預處理模塊，用于對數據采集模塊所采集的數據進行數據融合和特征數據篩選；數據分析模塊，用于根據數據預處理模塊處理后的數據建立ESD軟失效預測模型；應用模塊，用于根據ESD軟失效預測模型，實時分析產品的ICT和FCT測試數據，從而預測產品是否存在ESD軟失效。本發明的基于工業IoT的ESD軟失效預測方法和系統設計新穎，實用性強。

本發明授權一種基于工業IoT的ESD軟失效預測方法和系統在權利要求書中公布了：1.一種基于工業IoT的ESD軟失效預測系統，其特征在于，包括： 數據采集模塊100，用于收集產品的客退數據、返修數據、ICT和FCT測試數據以及IoT系統監控的ESD防護狀態數據； 數據存儲模塊200，用于對數據采集模塊100所采集的數據進行存儲； 數據預處理模塊300，用于對數據采集模塊100所采集的數據進行數據融合和特征數據篩選； 數據分析模塊400，用于根據數據預處理模塊300處理后的數據建立ESD軟失效預測模型； 應用模塊500，用于根據ESD軟失效預測模型，實時分析產品的ICT和FCT測試數據，從而預測產品是否存在ESD軟失效； 數據預處理模塊300，用于基于返修數據從客退數據中篩選出因ESD損傷而被客退的目標被客退產品的清單數據；根據目標被客退產品的清單數據獲取目標被客退產品的ICT和FCT測試數據和ESD防護狀態數據，以此組成非正常數據集； 數據預處理模塊300，還用于根據目標被客退產品的生產時間，獲取同一批次但未被客退的產品的ICT和FCT測試數據和ESD防護狀態數據，組成正常數據集； 數據融合是指根據產品的ID關聯該產品的客退數據、返修數據、ICT和FCT測試數據以及ESD防護狀態數據； 特征數據篩選和ESD軟失效預測模型的建立過程為： 對正常數據集和非正常數據集的并集中所有ICT和FCT測試數據進行歸一化處理，該歸一化處理算法為： kij＝|Tij-μjσj|； 其中，Tij表示正常數據集和非正常數據集的并集中第i個產品的第j項ICT和FCT測試數據； μj表示正常數據集中所有產品的第j項ICT和FCT測試數據的均值； σj表示正常數據集中所有產品的第j項ICT和FCT測試數據的標準差； 正常數據集和非正常數據集的并集中產品總個數記為n，產品的ICT和FCT測試數據總項數記為m；采用第1個產品歸一化處理后的第1項-第m項ICT和FCT測試數據、第2個產品歸一化處理后的第1項-第m項ICT和FCT測試數據、…、第n個產品歸一化處理后的第1項-第m項ICT和FCT測試數據構建Anm；其中， 分別計算正常數據集和非正常數據集的并集中所有產品的K值；將正常數據集和非正常數據集的并集中第i個產品的K值記為Ki，其中，Ki＝maxki1,ki2,…,kim；以K值為橫坐標，分別以與K值對應的被客退的產品數量在被客退的產品總數量中的占比和與K值值對應的未被客退的產品數量在未被客退的產品總數量中的占比為縱坐標建立坐標系并繪制相應的曲線，從而得到被客退的產品數量占比-K值曲線和未被客退的產品數量占比-K值曲線；獲取被客退的產品數量占比-K值曲線和未被客退的產品數量占比-K值曲線在縱坐標方向上間距最大的位置上的K值，記為k’； 將非正常數據集中K值絕對值大于k’絕對值的產品定義為軟失效產品；抽取軟失效產品的ICT和FCT測試數據，以組成軟失效產品數據集；構建Bnm+1，其中， 在這里，y1表示正常數據集和非正常數據集的并集中第1個產品是否為軟失效產品的值；y2表示正常數據集和非正常數據集的并集中第2個產品是否為軟失效產品的值；…；yn表示正常數據集和非正常數據集的并集中第n個產品是否為軟失效產品的值； 當y1，y2，…，yn中任意一個為0時，則表示對應的產品不是軟失效產品；當y1，y2，…，yn中任意一個為1時，則表示對應的產品是軟失效產品； 計算每個產品經過每個工序上的報警指數；其中，第f個產品經過第p個工序的報警指數rfp的計算方法為： 其中，j表示第p個工序上同時報警的監控點的最大數量； i表示第p個工序上同時報警的監控點的數量； li表示第p個工序上i個監控點同時報警的報警時長； 判斷每一個軟失效產品是否具有報警指數大于0的工序，若有，則判定該軟失效產品存在ESD軟失效；將不存在ESD軟失效的軟失效產品的數據從非正常數據集中刪除，得到處理后的非正常數據集；再將該處理后的非正常數據集和正常數據集結合，得到建模數據集；建模數據集記為Cnm+p+1， 以Cnm+p+1前m+p列作為自變量，第m+p+1列作為因變量，利用機器學習分類算法進行分析，構建得到ESD軟失效預測模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人深圳長城開發科技股份有限公司，其通訊地址為：518109 廣東省深圳市福田區彩田路7006號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。