买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳长城开发科技股份有限公司申请的专利一种基于工业IoT的ESD软失效预测方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114970423B 。

龙图腾网通过国家知识产权局官网在2025-08-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202110194348.9，技术领域涉及：G06F30/367；该发明授权一种基于工业IoT的ESD软失效预测方法和系统是由刘祖耀;颜志强;张海贝;汪中博;朱亮;刘路设计研发完成，并于2021-02-20向国家知识产权局提交的专利申请。

本一种基于工业IoT的ESD软失效预测方法和系统在说明书摘要公布了：本发明提出了一种基于工业IoT的ESD软失效预测方法和系统。所述ESD软失效预测系统，包括：数据采集模块，用于收集产品的客退数据、返修数据、ICT和FCT测试数据以及IoT系统监控的ESD防护状态数据；数据存储模块，用于对数据采集模块所采集的数据进行存储；数据预处理模块，用于对数据采集模块所采集的数据进行数据融合和特征数据筛选；数据分析模块，用于根据数据预处理模块处理后的数据建立ESD软失效预测模型；应用模块，用于根据ESD软失效预测模型，实时分析产品的ICT和FCT测试数据，从而预测产品是否存在ESD软失效。本发明的基于工业IoT的ESD软失效预测方法和系统设计新颖，实用性强。

本发明授权一种基于工业IoT的ESD软失效预测方法和系统在权利要求书中公布了：1.一种基于工业IoT的ESD软失效预测系统，其特征在于，包括： 数据采集模块100，用于收集产品的客退数据、返修数据、ICT和FCT测试数据以及IoT系统监控的ESD防护状态数据； 数据存储模块200，用于对数据采集模块100所采集的数据进行存储； 数据预处理模块300，用于对数据采集模块100所采集的数据进行数据融合和特征数据筛选； 数据分析模块400，用于根据数据预处理模块300处理后的数据建立ESD软失效预测模型； 应用模块500，用于根据ESD软失效预测模型，实时分析产品的ICT和FCT测试数据，从而预测产品是否存在ESD软失效； 数据预处理模块300，用于基于返修数据从客退数据中筛选出因ESD损伤而被客退的目标被客退产品的清单数据；根据目标被客退产品的清单数据获取目标被客退产品的ICT和FCT测试数据和ESD防护状态数据，以此组成非正常数据集； 数据预处理模块300，还用于根据目标被客退产品的生产时间，获取同一批次但未被客退的产品的ICT和FCT测试数据和ESD防护状态数据，组成正常数据集； 数据融合是指根据产品的ID关联该产品的客退数据、返修数据、ICT和FCT测试数据以及ESD防护状态数据； 特征数据筛选和ESD软失效预测模型的建立过程为： 对正常数据集和非正常数据集的并集中所有ICT和FCT测试数据进行归一化处理，该归一化处理算法为： kij＝|Tij-μjσj|； 其中，Tij表示正常数据集和非正常数据集的并集中第i个产品的第j项ICT和FCT测试数据； μj表示正常数据集中所有产品的第j项ICT和FCT测试数据的均值； σj表示正常数据集中所有产品的第j项ICT和FCT测试数据的标准差； 正常数据集和非正常数据集的并集中产品总个数记为n，产品的ICT和FCT测试数据总项数记为m；采用第1个产品归一化处理后的第1项-第m项ICT和FCT测试数据、第2个产品归一化处理后的第1项-第m项ICT和FCT测试数据、…、第n个产品归一化处理后的第1项-第m项ICT和FCT测试数据构建Anm；其中， 分别计算正常数据集和非正常数据集的并集中所有产品的K值；将正常数据集和非正常数据集的并集中第i个产品的K值记为Ki，其中，Ki＝maxki1,ki2,…,kim；以K值为横坐标，分别以与K值对应的被客退的产品数量在被客退的产品总数量中的占比和与K值值对应的未被客退的产品数量在未被客退的产品总数量中的占比为纵坐标建立坐标系并绘制相应的曲线，从而得到被客退的产品数量占比-K值曲线和未被客退的产品数量占比-K值曲线；获取被客退的产品数量占比-K值曲线和未被客退的产品数量占比-K值曲线在纵坐标方向上间距最大的位置上的K值，记为k’； 将非正常数据集中K值绝对值大于k’绝对值的产品定义为软失效产品；抽取软失效产品的ICT和FCT测试数据，以组成软失效产品数据集；构建Bnm+1，其中， 在这里，y1表示正常数据集和非正常数据集的并集中第1个产品是否为软失效产品的值；y2表示正常数据集和非正常数据集的并集中第2个产品是否为软失效产品的值；…；yn表示正常数据集和非正常数据集的并集中第n个产品是否为软失效产品的值； 当y1，y2，…，yn中任意一个为0时，则表示对应的产品不是软失效产品；当y1，y2，…，yn中任意一个为1时，则表示对应的产品是软失效产品； 计算每个产品经过每个工序上的报警指数；其中，第f个产品经过第p个工序的报警指数rfp的计算方法为： 其中，j表示第p个工序上同时报警的监控点的最大数量； i表示第p个工序上同时报警的监控点的数量； li表示第p个工序上i个监控点同时报警的报警时长； 判断每一个软失效产品是否具有报警指数大于0的工序，若有，则判定该软失效产品存在ESD软失效；将不存在ESD软失效的软失效产品的数据从非正常数据集中删除，得到处理后的非正常数据集；再将该处理后的非正常数据集和正常数据集结合，得到建模数据集；建模数据集记为Cnm+p+1， 以Cnm+p+1前m+p列作为自变量，第m+p+1列作为因变量，利用机器学习分类算法进行分析，构建得到ESD软失效预测模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳长城开发科技股份有限公司，其通讯地址为：518109 广东省深圳市福田区彩田路7006号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。