A Comprehensive Reliability Assessment of the Kumaraswamy Inverse Weibull Distribution with Application to Electromigration Failure-Time Data

In de verborgen wereld van microchips staan de minuscule draadjes die elektriciteit vervoeren onder constante, onzichtbare spanning. Naarmate deze elektronische componenten kleiner worden en meer stroom vervoeren, begint een fysiek proces genaamd electromigratie hen te slijten. Stel je voor dat atomen binnen een metalen draad langzaam wegdriften, weggeduwd door de stroom van elektronen, totdat er een gat ontstaat en het circuit wordt onderbroken. Dit falen is niet willekeurig; het volgt een patroon van tijd en slijtage dat ingenieurs moeten begrijpen om betrouwbare apparaten te bouwen. Om te voorspellen wanneer een draad zal falen, gebruiken wetenschappers wiskundige modellen die beschrijven hoe lang een component meegaat voordat het bezwijkt. Decennialang is een standaardmodel, bekend als de inverse Weibull-verdeling, een standaardinstrument voor deze taak geweest, vooral omdat het de manier afhandelt waarop faalpercentages in de loop van de tijd veranderen. Echter, echte gegevens uit moderne microchips vertonen vaak complexe gedragingen—zoals zware staarten waarbij enkele componenten veel langer meegaan dan verwacht, of scherpe pieken in falen in een vroeg stadium—die het standaardmodel niet nauwkeurig kan vastleggen.

Een onderzoeker aan de Universiteit van Sydney zette zich in om een flexibeler wiskundig hulpmiddel te testen dat is ontworpen om deze lastige patronen aan te pakken. Dit hulpmiddel wordt de Kumaraswamy inverse Weibull-verdeling genoemd. Denk aan het als een meestersleutel met extra tanden, in staat om in de complexe, onregelmatige vormen van echte faalgegevens te passen waar eenvoudigere sleutels tekortschieten. De onderzoeker paste dit nieuwe model toe op een specifieke dataset bestaande uit 59 geleiders uit een versnelde levensduurtest, waarbij de draden tot het uiterste werden gedreven totdat ze faalden. Het doel was om te zien of dit geavanceerde model de faaltijden beter kon beschrijven dan de gevestigde alternatieven, inclusief de originele inverse Weibull en verschillende van haar moderne variaties.

De studie begon met het uiteenzetten van de theoretische fundamenten van deze nieuwe verdeling, waarbij werd onderzocht hoe de vorm ervan verandert op basis van verschillende instellingen. De onderzoeker berekende diverse statistische eigenschappen, zoals de gemiddelde tijd tot falen, de spreiding van die tijden en mate van onzekerheid die ingenieurs helpen het risico op falen te begrijpen. Deze berekeningen toonden aan dat het model zeer aanpasbaar is, in staat om gegevens te vertegenwoordigen die zwaar scheef zijn naar één kant of een lange staart hebben van zeldzame, langdurig werkende componenten. De onderzoeker ging vervolgens over naar de praktische test, waarbij een methode genaamd maximum likelihood-schatting werd gebruikt om de specifieke getallen te vinden die het beste passen bij de 59 geobserveerde faaltijden. Dit proces hield in dat de parameters van het model werden aangepast totdat de curve die het tekende zo nauw mogelijk overeenkwam met de werkelijke datapunten.

Toen de resultaten werden vergeleken met de andere modellen, was het verschil treffend. Het nieuwe Kumaraswamy inverse Weibull-model paste de electromigratie-gegevens aanzienlijk beter dan alle concurrenten. Het produceerde de kleinste fouten bij het meten van de afstand tussen de voorspellingen van het model en de werkelijke waarnemingen. In statistische termen waren de "goodness-of-fit"-scores van het model het laagst, en de criteria die de efficiëntie van het model beoordelen, die nauwkeurigheid afwegen tegen complexiteit, waren ook het beste. De andere modellen, inclusincluding de standaard inverse Weibull en twee van haar generalisaties, hadden moeite om de gegevens te matchen. Sommige van deze alternatieve modellen slaagden er niet in om tot een oplossing te komen, wat tekenen van instabiliteit vertoonde, terwijl anderen grote fouten produceerden die aangaven dat ze het ware patroon van de defecten misten.

Het visuele bewijs was even overtuigend. Wanneer de onderzoeker de werkelijke faaltijden plotte tegen de curve gegenereerd door het nieuwe model, volgden de twee lijnen elkaar bijna perfect. Het model slaagde erin de snelle daling in overlevingskans te vangen die zichtbaar was in de vroege stadia van de test, gevolgd door het geleidelijk uitdoven terwijl de resterende componenten standhielden. Het reflecteerde ook nauwkeurig de specifieke kwartielwaarden, waarbij werd aangetoond dat de helft van de defecten plaatsvond binnen een nauwe tijdspanne, terwijl een klein aantal geleiders veel langer overleefde. Dit vermogen om de fysieke realiteit van de gegevens te spiegelen suggereert dat het model niet alleen een wiskundige oefening is, maar een nuttig instrument voor ingenieurs.

De bevindingen bevestigen dat de Kumaraswamy inverse Weibull-verdeling een robuuste en flexibele keuze is voor het analyseren van de betrouwbaarheid van elektronische componenten die onderhevig zijn aan electromigratie. Het biedt een preciezere manier om faaltijden te voorspellen en de onderliggende degradatiemechanismen te begrijpen dan de traditionele modellen die momenteel in gebruik zijn. Voor betrouwbaarheidsingenieurs die werken aan microcircuits betekent dit het hebben van een beter instrument om te voorspellen hoe lang een apparaat zal meegaan en om systemen te ontwerpen die de onverbiddelijke druk van atomaire drift kunnen weerstaan. De studie concludeert dat dit model als primair hulpmiddel moet worden beschouwd voor iedereen die deze specifieke soorten elektronische defecten nauwkeurig wil karakteriseren.