Qu'est-ce que la clôture de test autonome
La clôture de test autonome est le concept selon lequel un système d'IA peut déterminer quand des tests suffisants ont été réalisés sur une unité, et arrêter la séquence de test prématurément sans intervention humaine. Au lieu de faire passer chaque unité par chaque étape de test, le système évalue les résultats de test en temps réel et décide : cette unité a été suffisamment testée, nous sommes confiants qu'elle est bonne. Ce guide couvre le fonctionnement du concept, ses domaines d'application et les données nécessaires.
Le problème : le sur-test
La plupart des séquences de test de fabrication sont statiques. Chaque unité passe par chaque phase de test, quelle que soit la clarté de ses résultats. Le résultat : les bonnes unités sont testées plus longtemps que nécessaire.
| Scénario | Temps de test | Unités par heure |
|---|---|---|
| Test complet (toutes les phases) | 60 secondes | 60 |
| Clôture anticipée sur les unités à haute confiance | 35 secondes (moyenne) | 103 |
| Amélioration | 42% plus rapide | 72% de débit en plus |
Dans le test de semi-conducteurs, ce concept (appelé « test adaptatif » ou « binning prédictif ») est déployé depuis plus d'une décennie, réduisant le temps de test de 10 à 50%. Dans la fabrication discrète, c'est un concept émergent.
Comment ça fonctionne
La clôture de test autonome évalue deux choses après chaque phase de test :
- Niveau de confiance : sur la base des mesures réalisées jusqu'ici, quelle est notre confiance que cette unité est bonne ?
- Risque résiduel : quelle est la probabilité qu'une phase de test restante détecte un défaut que les phases précédentes ont manqué ?
| Après la phase | Mesures réalisées | Confiance | Décision |
|---|---|---|---|
| Phase 1 : Mise sous tension | Courant dans les spécifications, tension nominale | 70% | Continuer |
| Phase 2 : Communication | Tous les bus répondent correctement | 85% | Continuer |
| Phase 3 : Vérification analogique | Tous les canaux à moins de 2% du nominal | 97% | Clôture anticipée (phases 4-5 sautées) |
| Phase 4 : Test de stress | (Sautée) | - | - |
| Phase 5 : Validation finale | (Sautée) | - | - |
Le seuil de confiance est configurable. Des seuils plus élevés signifient moins de tests sautés. Des seuils plus bas signifient un débit plus rapide mais un risque plus élevé.
Prérequis
| Exigence | Pourquoi |
|---|---|
| Données de test historiques (10 000+ unités) | Entraîner le modèle de confiance |
| Faible corrélation entre tests sautés et conservés | Si les phases sont redondantes, sauter est sûr |
| Produit stable et mature | Les nouveaux produits nécessitent toutes les données de test |
| Pas d'exigence réglementaire de test à 100% | Certaines industries ne peuvent pas sauter de tests |
Où cela s'applique
| Applicable | Non applicable |
|---|---|
| Électronique grand public à haut volume | Dispositifs médicaux (la FDA exige un protocole de test défini) |
| Produits matures avec rendement stable | Introduction de nouveaux produits (toutes les données sont nécessaires) |
| Tests avec couverture redondante | Tests critiques pour la sécurité (hipot, fuite) |
| Produits avec FPY élevé (>97%) | Produits avec processus instables |
Niveaux de clôture autonome
| Niveau | Comment il décide | Risque |
|---|---|---|
| 1. Basé sur des règles | « Si les phases 1-3 passent, sauter la phase 5 » | Faible (l'ingénieur définit les règles) |
| 2. Statistique | « Si toutes les mesures sont à moins de 2 sigma, sauter le reste » | Moyen (seuil basé sur les données) |
| 3. Basé sur le ML | Modèle entraîné prédit la probabilité de réussite à partir de données de test partielles | Moyen-élevé (dépend de la précision du modèle) |
| 4. Entièrement autonome | Le système apprend et ajuste continuellement les décisions de saut | Élevé (nécessite des garde-fous robustes) |
Garde-fous
La clôture de test autonome augmente le débit mais introduit un risque. Les garde-fous sont essentiels :
| Garde-fou | Objectif |
|---|---|
| Échantillonnage d'audit | Exécuter le test complet sur 5-10% des unités clôturées en avance |
| Surveillance des échappements | Suivre les retours terrain des unités clôturées en avance vs testées complètement |
| Seuil de confiance plancher | Ne jamais clôturer en dessous d'un seuil de confiance minimum |
| Verrouillage de phase | Certaines phases (sécurité, réglementaire) ne peuvent jamais être sautées |
| Réversion automatique | Si les défaillances d'audit augmentent, revenir au test complet |
La fondation de données
La clôture de test autonome repose sur des données de test structurées. Chaque mesure, chaque limite, chaque résultat pass/fail de chaque unité constitue le jeu de données sur lequel le modèle de confiance apprend.
import openhtf as htf
from openhtf.util import units
@htf.measures(
htf.Measurement("supply_voltage_V")
.in_range(minimum=4.9, maximum=5.1)
.with_units(units.VOLT),
htf.Measurement("current_mA")
.in_range(minimum=90, maximum=110)
.with_units(units.MILLIAMPERE),
)
def phase_power(test):
"""Phase 1 : Vérification de mise sous tension."""
test.measurements.supply_voltage_V = 5.01
test.measurements.current_mA = 99.5
@htf.measures(
htf.Measurement("comm_status").equals("PASS"),
)
def phase_communication(test):
"""Phase 2 : Vérification de communication."""
test.measurements.comm_status = "PASS"
@htf.measures(
htf.Measurement("analog_ch1_V")
.in_range(minimum=2.4, maximum=2.6)
.with_units(units.VOLT),
)
def phase_analog(test):
"""Phase 3 : Mesure analogique. Les unités à haute confiance peuvent être clôturées ici."""
test.measurements.analog_ch1_V = 2.50from tofupilot.openhtf import TofuPilot
test = htf.Test(
phase_power,
phase_communication,
phase_analog,
)
with TofuPilot(test):
test.execute(test_start=lambda: input("Scan serial: "))TofuPilot stocke chaque mesure de chaque exécution. Ce jeu de données structuré est ce dont les modèles de clôture autonome ont besoin : des milliers d'unités avec des profils de mesure complets et des résultats pass/fail connus.
La voie à suivre
La clôture de test autonome se situe à l'intersection du test adaptatif, de la qualité prédictive et de l'IA. La technologie existe dans le test de semi-conducteurs. Son application à la fabrication discrète nécessite :
- Des données de test structurées (mesures avec unités, limites, traçabilité par numéro de série)
- Une profondeur historique (des milliers d'unités avec des profils de test complets)
- Une analyse de corrélation (quelles phases précoces prédisent le résultat global pass/fail)
- Une modélisation de la confiance (prédiction de réussite statistique ou basée sur le ML)
- Une infrastructure de garde-fous (échantillonnage d'audit, surveillance des échappements, réversion automatique)
Commencez par collecter les données. L'intelligence viendra après.