封装遇到异常时应如何正确抽样验证？

ic_package03

前面有写过一篇关于可靠性取样规范的文章，文章链接如下：
[color=var(--weui-LINK)]可靠性测试取样规范——u_Hast 25units*3lots的取样数量代表什么？
该文中介绍了关于90%置信度下取样数量与最大不良比例之间的关系(如下图所示，不了解背景的朋友可点击上面链接再去熟悉下)，当即就有人问我，若我觉得90%置信度不够高，想要达到更高的取样标准，又当如何是好？

要解决这个问题，首先我们先要真正的去想明白置信度、抽样数量、最大不良占比之间的关系是怎样的，下面我们举例说明：
假定我们现在有一批产品，生产过程中出现了异常，该异常会引起某项可靠性风险，我们需要对该批次产品进行可靠性抽样验证来评估其是否可发货给客户使用，那么 我们应该如何去抽样？取100units？200units？还是取更多？这些数量的产品验证通过后又能代表了什么样的验证结果？

有一些看得懂LTPD与置信度表格的朋友则会脱口而出，我取230颗，若其通过该可靠性验证后全部为良品，我就有90%的信心告诉客户，该异常对整批产品可靠性的影响不超过1%(即经受相关可靠性考核后良率大于99%)；但是这种抽样的规则该如何理解呢？

我们先假定该批次产品全部通过该可靠性考核后，其不良比例为1%，即良率为99%；我们从中抽取230颗产品，对其做完相关可靠性验证；那么如果这230颗的取样能表征整个批次的良率表现时，其每颗产品测试后为良品的概率均为99%；

此时我们从230颗产品中取一颗产品，测试通过的概率为0.99；那么取二颗产品，均为良品的概率则为0.99*0.99，即0.99²；取三颗则为0.99³，以此类推，这230颗产品均为良品的概率则为：


这个结果就解读为，这批良率为99%的产品，取样230颗样品，经过该项可靠性验证后这230颗样品全部为良品的概率为10%；

换句话来讲，我们有10%的信心认为，这批良率为99%的产品，取样230颗样品，经过该项可靠性验证后这230颗样品全部为良品。

那么反过来如何解读呢？
我们有90%的信心认为，这批良率为99%的产品，取样230颗样品，经过该项可靠性验证后，至少会出现一颗不良品。

我们再将因果倒置来解读：
假如这批有风险的产品，取样230颗样品，经过该项可靠性验证后，当其测试全部为良品时，我们则有90%的信心认为，这批产品的良率≥99%

然后我们将上述公式用代数形式表达出来，取样数量我们用N表示，该批次产品的良率我们用P表示，信心度我们用confidence表示，则其关系式如下：


我们将公式变换一下，用不良比例小写的p来表征良率P，那么公式就可以变换为：


公式我们有了，验证下其准确性：


我们再翻出文章一开始的取样列表，即下图第一行红色区域，与计算结果吻合：


那么当我们所需的信心度confidence=99%，最大不良比例p=0.5%时，通过上述公式，所需的样本数量N=919；表示至少需抽样919颗样品，且其经过可靠性考核后均为良品。上述公式只能去计算上图允许失效C=0抽样数量；不过也足够大家用来应对生产异常；若C≠0时，则需通过JESD47L中卡方分布公式进行计算，后续大家若有兴趣，也可以考虑出一期！
微信扫码关注！更多技术交流等你来！