XiaoMi-AI文件搜索系统
World File Search System故障分析
机器学习在故障分析新领域的应用
晶体管技术的不断扩展和下一代封装技术的快速发展给当前的故障分析技术带来了有趣的挑战。在物理故障分析 (PFA) 之前和期间定位和可视化缺陷的能力对于成功的根本原因分析至关重要。故障分析 (FA) 通常遵循一套工作流程来有效隔离故障并确定根本原因。近年来，机器学习方法已应用于 FA 工作流程的故障隔离和非破坏性成像步骤，以帮助辅助缺陷检测，因为在更密集、更复杂的半导体封装中，缺陷变得更加细微且更难以区分 [2]。根据技术的不同，会应用不同的机器学习方法。本文概述了机器学习在半导体 FA 工作流程中的最新应用。涉及的领域包括使用基于机器学习的方法通过对合格产品和不合格产品进行图像比较来实现基于计算机视觉（CV）的缺陷检测[8]，使用独立成分分析（ICA）分析声学显微镜数据的无监督和监督学习技术[11, 12]，以及基于深度学习的高分辨率重建技术3D X射线成像[13, 14]。
故障分析——使用离子色谱和……
简介 在过去的三十年中，技术和电子组装技术发生了巨大的变化。从二十世纪五十年代到二十世纪九十年代，低可靠性和高可靠性硬件的电子组装使用非常相似的材料和工艺：含卤化物活化剂的松香基助焊剂与锡铅焊料结合使用，用于波峰焊、回流焊或手工焊接工艺，随后用溶剂清洗（Freon™ 或 1,1,1-三氯乙烷）。这种方法在高可靠性技术上运行了几十年，但 1987 年《清洁空气法》禁止使用大多数溶剂清洁剂。这对行业造成了巨大的冲击，使技术驱动因素（大批量制造商）得以创造新方法。最初推出的无松香免清洗助焊剂以及不含松香的水溶性助焊剂与历史上可靠的锡铅系统一起使用，回流温度约为 184 °C，效果良好。随后发生了更大的变化：通过从焊料系统中去除铅，回流温度可以超过 230°C。与热应力增加相结合，绝缘松香的缺乏为性能下降提供了大量机会。在几十年的松香助焊剂/溶剂清洁过程中，因污染或腐蚀问题而导致的大规模召回很少见。在 20 世纪 80 年代和 90 年代初期，高
使用有限元分析研究曲轴故障分析
摘要。曲轴是内燃机的关键部件之一，需要有效和精确的工作。在本研究中，研究的目的是识别曲轴中的应力状态，并通过有限元分析解释汽车曲轴的故障和曲轴的疲劳寿命。使用 SolidWorks 设计和开发曲轴模型的 3D 实体造型。对 L 型双缸曲轴进行静态结构和动态分析，以确定曲轴关键位置的最大等效应力和总变形。使用疲劳工具在动态载荷条件下对模型进行测试，以确定疲劳寿命、安全系数、等效交变应力和损伤。本研究的结果表明，曲轴有明显的疲劳裂纹，属于疲劳断裂。疲劳断裂的发生只是由于在循环弯曲和扭转作用下润滑孔边缘的扩展和起始裂纹所致。总体而言，曲轴在静态和疲劳载荷下都是安全的。在动态分析中，应避免频率响应曲线中获得的临界频率，否则可能会导致曲轴失效。
故障分析/测试和信任/抗辐射评估
在产品开发和设计中，故障分析有助于调试以检查无法正常工作或部分正常工作的设备。产品制造需要对测试结构和完整产品进行故障分析，以便深入了解和解决制造问题。在认证和可靠性测试中，故障分析提供了认证和可靠性测试操作条件下故障的关键信息。现场故障和客户退货通常是独一无二的，需要特殊处理和一丝不苟地关注细节。成功解决问题对于保持消费者对您的产品和公司的信心至关重要。
故障分析案例研究 I1 - IQY 技术学院
地下扩孔作业期间天井钻孔机的灾难性故障 A. James ...................................................................................................................................................... 175 德哈维兰彗星 I PA Withey 的疲劳失效 ...................................................................................................................................................... 185 钛 6A1-4V 手术工具的低周疲劳 H. Velasquez、M. Smith、J. Foyos、F. Fisher。 OS Es-Said 和 G. Sines ........................................................................... 193 螺纹旋转轴的失效分析和实验应力分析 RB Tait ............................................................................................................................................................. 199 低压蒸汽轮机叶片失效调查 NK Mukhopadhyay、S. Ghosh Chowdhury、G. Das、I Chattoraj、SK Das 和 DK Bhattacharya ............................................................................................................. 211 脉冲管线的振动疲劳失效 KR Al-Asmi 和 AC Seibi ............................................................................................................................. 225 蒸汽轮机机械控制系统的故障 JH Bulloch 和 AG Callagy ............................................................................................................................. 235 液压缸压盖固定螺栓的疲劳失效 C. Tao、N. Xi、H. Yan 和 Y. Zhang ............................................................................................................. 241 车辆轮轴失效分析 J. Vogwell ........................................................................................................................................... 247 腿部推举机的疲劳失效分析 PJVernon 和 TJ Mackin ...................................................................................................................................... 255 航空发动机橡胶燃油管失效分析 G. Fu ............................................................................................................................................................. 267
故障分析案例研究 I1 - IQY 技术学院
地下扩孔作业期间天井钻机发生灾难性故障 A. James ................................................................................................................................................. 175 德哈维兰彗星 I P.A. 的疲劳失效Withey ............................................................................................................................................. 185 钛 6A1-4V 手术工具的低周疲劳 H. Velasquez、M. Smith、J. Foyos、F. Fisher。O.S.Es-Said 和 G. Sines ........................................... 193 螺纹旋转轴的故障分析和实验应力分析 R.B.Tait ................................................................................................................................................. 199 低压蒸汽涡轮叶片故障调查 N.K.Mukhopadhyay, S. Ghosh Chowdhury, G. Das, I Chattoraj, S.K.Das 和 D.K.Bhattacharya ................................................................................................................................ 211 脉冲管线的振动引起的疲劳失效 K.R.Al-Asmi 和 A.C. Seibi .................................................................................................................. 225 蒸汽涡轮机机械控制系统故障 J.H.Bulloch 和 A.G. Callagy ...................................................................................................................... 235 液压缸压盖固定螺栓疲劳失效 C. Tao, N. Xi, H. Yan 和 Y. Zhang ...................................................................................................................... 241 车辆轮轴失效分析 J. Vogwell ............................................................................................................................................. 247 腿部推举机疲劳失效分析 P.J.Vernon 和 T.J Mackin ............................................................................................................................. 255 航空发动机橡胶燃油管失效分析 G. Fu ............................................................................................................................................. 267
《交通基础设施和材料故障分析中的人工智能》简介
交通基础设施包括道路、桥梁、隧道、车站、机场和地铁，在现代社会中发挥着基础性作用。交通基础设施的工程故障可能给公众带来重大损失。传统的方法是采用基于力学、基于材料和基于统计学的方法对基础设施和材料设计、测试、施工、数值模拟、评估、运营、维护和保存过程中的信息进行监测、存储和分析。近几十年来，人工智能（AI）引起了许多研究人员的关注，并已成为理解和分析交通基础设施和材料工程故障的有力工具。人工智能具有可以方便地在多尺度上表征基础设施材料、从图像和云点中提取故障信息、从传感器信号中评估性能、基于大数据预测基础设施的长期性能以及优化基础设施维护策略等优势。
使用 FTIR 显微镜对印刷电路板进行故障分析
图 3. A) 松香油的参考光谱（红色，顶部）及其库匹配（绿色，底部）；B) 两个位置的图像，有明显不一致之处；C) 化学图表示收集的光谱与松香油的参考光谱之间的相似性。（红色高相关性和蓝色低相关性）
使用自适应机器学习形式对船舶能源系统进行动态故障分析
摘要：全球贸易中航运业务的重要性要求全面了解其可持续性。这取决于船舶结构和重要系统（如船舶推进发动机）的完整性/性能。本研究论文介绍了一种自适应机器学习形式——贝叶斯网络在考虑非线性和非连续故障相互作用的船舶推进发动机故障评估中的应用。该模型捕捉关键故障影响因素及其复杂的相互作用，以预测船舶能源系统的故障概率。进行了敏感性和不确定性分析，以确定关键故障影响因素对船舶推进发动机可靠性的影响程度以及先前数据处理中的相关不确定性。该模型在远洋船舶的推进发动机上进行了测试，以根据故障原因之间的逻辑依赖关系预测故障可能性。基于规范概率算法分析了两种情景，结果表明，基于三种关键故障模式的证据，船舶推进发动机故障可能性分别增加了 11.8%、8.2% 和 9.4%。该模型表现出自适应/动态能力，能够捕捉新的故障信息并更新系统的故障概率。所提出的方法为关键船舶能源系统的完整性管理提供了状态监测工具和预警指南。
熔融盐热能储罐的故障分析用于服务CSP工厂
API American Petroleum Institute ASME American Society of Mechanical Engineers BPVC Boiler and pressure vessel code CFD Computational fluid dynamics CPU Central processing unit CSP Concentrating solar power DNI Direct normal irradiance DOE U.S. Department of Energy FEA Finite element analysis FFS Fitness-For-Service FZ Fusion zone GMAW Gas metal arc welding GTAW Gas tungsten arc welding HAZ受热影响区HTF传热液IEA国际能源机构MSPT熔化盐电力塔MW MEGAWATT MW E e MWATT电动电动机MW T型NOX氮氧化物NDA非披露协议NIMS NIMS NIMS NIMS NIMS NIMS NIMS NIMS INSTICE for for National for SRC应力松弛破裂SS不锈钢TES热能存储ys产生强度下标CM累积的AVG平均inv。库存中的库存出口最大最小最小最小