Online Prediction of the Remaining Life of IGBTs Semiconductor Modules

Prédiction en ligne de la durée de vie restante des modules semi-conducteurs IGBTs

• Auteur / Autrice : Mohamad Nazar
• Direction : Zoubir Khatir, Ali Ibrahim, Zeina Al Masry, Nicolas Degrenne
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance le 25/01/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Electrical, optical, bio : physics and engineering (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Systèmes et applications des technologies de l'information et de l'énergie (Gif-sur-Yvette, Essonne ; 2002-....)
• Partenaire(s) de recherche : Equipe de recherche : Systèmes et applications des technologies de l'information et de l'énergie (Gif-sur-Yvette, Essonne ; 2002-....)
• Partenaire(s) de recherche : Référent : École normale supérieure Paris-Saclay (Gif-sur-Yvette, Essonne ; 1912-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Sciences de l’ingénierie et des systèmes (2020-….)
• Jury : Président / Présidente : Cyril Buttay
• Jury : Examinateurs / Examinatrices : Cyril Buttay, Antoine Grall, Loïc Théolier, Pauline Ribot
• Jury : Rapporteurs / Rapporteuses : Cyril Buttay, Antoine Grall

Mots clés

Mots clés contrôlés

Détérioration

Modélisation des données (informatique)

Transistors bipolaires à grille isolée

Durée de vie (ingénierie)

Fiabilité

Mots clés libres

Durée de vie restante

Pronostic

Fiabilité

Modélisation physique

Modélisation probabiliste

Module électronique de puissance

Remaining useful lifetime

Prognostics

Reliability

Physical modeling

Probabilistic modeling

Power electronic Module

Résumé

Ma thèse portait sur le sujet de la fiabilité des dispositifs électroniques de puissance IGBT. L'objectif est de prédire la durée de vie utile restante (RUL) de l'appareil pendant le fonctionnement en se concentrant sur deux points principaux, qui prédisent la RUL avec un intervalle de confiance dans un processus simulé en ligne.Dans le premier chapitre, la définition du pronostic et de la gestion de la santé est introduite. Ensuite, la structure du dispositif IGBT et ses différents types de dégradation sont présentés. Dans cette étude, l'accent est mis sur la dégradation de la face supérieure de la puce (croissance des fissures dans l'interconnexion filaire avec la métallisation et la reconstruction de la métallisation). A la fin du premier chapitre, l'état de l'art des approches pronostiques est évoqué. Deux types d'approches pronostiques ont été sélectionnés pour être étudiés dans les chapitres suivants, l'un est basé sur les données et l'autre est une approche hybride basée sur la physique.Dans le deuxième chapitre, parmi différents modèles basés sur les données, le processus gamma est sélectionné car il est utilisé pour des applications de données monotones telles que la croissance des fissures, la corrosion, etc. De plus, le processus gamma est un modèle stochastique qui couvre les incertitudes. Le modèle de processus gamma est utilisé dans une approche de pronostic simulé en ligne pour propager le paramètre de l'indicateur de santé jusqu'à ce qu'il atteigne un seuil spécifique préalablement défini. Les courbes de tensions propagées sont produites aléatoirement en fonction de la distribution gamma prédéfinie ; les courbes sont générées plusieurs fois pour avoir des résultats de distribution RUL. Les résultats RUL prédits sont ensuite tracés et comparés aux courbes RUL réelles avec un intervalle de confiance de ± 10 %. Pour augmenter la robustesse du modèle, le processus gamma est ensuite appliqué à des données vieillies sous différentes conditions de stress. Tous les résultats sont finalement évalués à l'aide de la métrique de l'horizon pronostique (PH). Il est conclu que le processus gamma non homogène utilisé dans cette étude fonctionne mieux pour des données plus accélérées où l'effet de l'évolution des paramètres du modèle gamma avec le temps est lié aux résultats RUL.Dans le troisième chapitre, une approche hybride est construite qui combine principalement deux modèles physiques proposés avec acquisition et traitement de données. Le premier modèle physique présente la relation entre la résistance de contact dans l'interconnexion de métallisation filaire et la longueur de la zone de contact. Il permet d'estimer les fissures à partir de l'indicateur de santé mesuré Vce. Ce modèle est validé à l'aide d'une simulation numérique réalisée dans Ansys. Ensuite, un modèle de croissance de fissure CGM est proposé qui relie la longueur de croissance de fissure au nombre de cycles. Ce modèle doit être ajusté avec les fissures estimées du premier modèle physique, puis prédire les fissures en les extrapolant dans le futur. Ces deux modèles sont utilisés dans une approche pronostique pour prédire RUL dans un processus simulé en ligne. Cela signifie qu'à chaque nouvelle mesure, la tension est mesurée, puis une nouvelle fissure est estimée. Après cela, les paramètres de CGM sont mis à jour et de nouvelles fissures sont extrapolées, ce qui entraîne un nouveau temps de défaillance, donc de nouvelles RUL. Enfin, le RUL est évalué à l'aide d'un horizon pronostique où nous pouvons voir des horizons pronostiques plus longs pour les données vieillies dans des conditions de stress plus faibles.Dans le quatrième chapitre, les incertitudes du modèle physique et les incertitudes de mesure sont introduites et leur impact sur l'approche hybride basée sur la physique est étudié. Enfin, le RUL est prédit avec un intervalle de confiance basé sur l'incertitude distributionnelle.

My thesis covered the subject of IGBT power electronic devices' reliability. The target is to predict the remaining useful lifetime (RUL) of the device during operation focusing on two main points, which are predicting RUL with confidence interval in an online-simulated process. In the first chapter, the definition of prognostic and health management is introduced. Then, the structure of the IGBT device and its different types of degradation are presented. In this study, the focus is on the topside degradation of the die (crack growth in the wire-bond interconnection with the metallization and metallization reconstruction). At the end of the first chapter, the state-of-art of prognostic approaches is mentioned. Two types of prognostic approaches were selected to be investigated in the following chapters one is a data-driven and the other is a physical-based hybrid approach.In the second chapter, among different data-driven models, the gamma process is selected since it is used for monotonic data applications such as crack growth, corrosion etc. In addition, gamma process is a stochastic model that covers uncertainties. This is an advantage in this study since uncertainties in their different types exist in the system. Gamma process model is used in an online-simulated prognostic approach to propagate the health indicator parameter until it reaches a specific threshold that is previously defined. The curves of propagated voltages are produced randomly based on the predefined gamma distribution; the curves are generated several times to have RUL distribution results. The predicted RUL results are then plotted and compared with the real RUL curves with a confidence interval of ±10%. To increase the model's robustness, gamma process is then applied to data aged under different stress conditions. All results are finally evaluated using prognostic horizon (PH) metric. It is concluded that the non-homogeneous gamma process used in this study works better for more accelerated data where the effect of gamma model parameters evolution with time is linked to the RUL results.In the third chapter, a hybrid approach is built that combines mainly two proposed physical models with data acquisition and processing. The first physical model presents the relation between the contact resistance in the wire-bond metallization interconnection and the contact area length. It is used to estimate the cracks from the measured health indicator Vce. This model is validated using numerical simulation done in Ansys. Then, a crack growth model CGM is proposed that relates the crack growth length to number of cycles. This model is to be fitted with the estimated cracks from first physical model and then predict cracks by extrapolating them in the future. These two models are used in prognostic approach to predict RUL in an online-simulated process. This means that at each new measurement, the voltage is measured, and then new crack is estimated. After that, parameters for CGM are updated and new cracks are extrapolated leading to new failure time, thus, new RULs. Finally, the RUL is evaluated using prognostic horizon where we can see longer prognostic horizons for data aged under lower stress conditions. Thus, we can say that the hybrid approach works better with less stress conditions.In the fourth chapter, physical model uncertainties and measurement uncertainties are introduced and their impact on the physical based-hybrid approach is investigated. Finally, the RUL is predicted with confidence interval based on the distributional uncertainty.