设备突发大故障的自组织临界态辨识与风险度量研究

半导体封装测试工厂瓶颈设备的子系统及部件的相互作用复杂，其突发大故障发生的概率小但危害大；一般的概率统计方法在数据处理时会将这种突发大故障数据作为"异常点"而剔除，因此难以有效确定突发大故障发生的概率，造成预警困难。首先基于分形理论判断设备突发大故障各时间序列数据是否服从幂律分布和是否具有长程相关性，从而判断设备突发大故障现象是否具有自组织临界性；在此基础上，利用自组织临界性的幂律分布特点，引入极值理论计算设备突发大故障的临界破坏概率和临界破坏点，从而采用越限报警与趋势报警相结合的方法辨识设备突发大故障的自组织临界态；最后利用自组织临界性的长程相关性分形特点，引入条件风险价值模型进行临界突发大故障设备的组合风险度量。本项目研究能够有效辨识高风险临界突发大故障设备，从而为缓解和预防设备突发大故障提供方法和途径，最终对提高设备的可靠性和利用率、保证生产和产品质量的稳定性和连续性具有实用价值。

针对设备突发大故障问题，实现了一套基于自组织临界理论的设备突发大故障预测方法。项目结合设备故障特点提出了设备突发大故障的自组织临界性判断方法，并采用实际数据进行了验证。利用设备突发大故障的幂律分布特性，实现了离线数据临界故障概率的趋势报警及在线数据临界故障点的越限报警，从而标定设备处于突发大故障自组织临界态。提出了EC-FTA风险因子识别和重要度排序的方法，对基于正态分布的CVaR风险度量算法进行改进，得到符合分形分布的CVaR风险度量算法，选用实例进行建模并验证了改进算法的可靠性和优越性。项目提出的方法能有效辨识高风险临界突发大故障设备并对其进行风险度量，使生产过程中的不利后果控制在用户可接受的范围之内，为缓解和预防设备突发大故障提供方法和途径。已申请专利4项（2项获授权），发表论文12篇，其中SCI检索2篇，EI检索9篇；还有3篇论文正在投稿中。已培养毕业研究生5名，在校研究生2名。