金 凯

中通维易科技服务有限公司

0 引言

据统计，智慧家庭、智能工厂、AR、VR等超过70%的5G应用发生于室内场景，因此室内覆盖极其重要。传统的室内覆盖采用无源室内分布系统方案，国内现有室分系统存量在50万套以上，对传统室分系统进行5G化改造，必然是运营商现阶段最佳的选择。虽然早在3G、4G时代，射频无源器件作为室内分布系统的一部分，已经是技术成熟、质量稳定的产品了，然而3G、4G时代无源器件的频率集中在3GHz以下，目前三大运营商的5G商用频段在3.3-3.7GHz和4.8-4.9GHz，更高的频率会有更高的损耗，对5G无源器件的设计和制造提出了更高要求，也对通信产品检测实验室的产品检测和质量控制有更多的考量。

1 检测过程的实施

1.1 检测过程

5G无源器件的检测过程与原有的3G、4G无源器件检测并没有本质上的不同。（1）阅读任务委托书，明确检测任务需求，逐条确认测试项目，以及相应的技术要求和检测方法；（2）确认样品型号规格、样品状态，必须与委托书一致，并且符合测试要求才能接收；（3）安排任务给相应科室，最终分配到通过考核并获得相应授权的检验员；（4）检验员按照检验规程执行检验检测任务，包括选用符合测试需求的仪器仪表、测试附件、按照相应的操作规程操作仪器仪表、填写原始记录等；（5）原始记录数据汇总，并按技术要求判定，如有不合格或异常数据，则进行复检复测流程；（6）数据上报，如有需要出具报告，退样。

检测流程并不复杂，重要的是保证检测数据的准确可靠。实验室采用质量控制手段，消除系统误差，将随机误差控制在允许的限度内，实现对测试过程的自我控制。

1.2 实验室质量控制

实验室通常通过对检测过程中所涉及的检测设备、检测方法、检测环境、人员操作技能等作控制，来保证检测数据的科学、公正。实验室质量控制一般采用以下方法：

（1）标准物质监控。实验室定期或不定期地将标准物质以相同的流程和方法进行检测，与标准物质证书比对，验证检验结果的准确性。此种方法可靠性高，能够综合验证整个检测流程，保证日常检测结果的可靠性。然而，标准物质的成本也比较高，很难作为一个日常的质量监控手段。

（2）人员比对。实验室安排不同的检验员，在一个较短的合理的时间段内，对同一样品，使用同一方法，在同一检测仪器仪表上进行检测，比较检测结果的符合程度。通过检测结果的符合程度，判定检测人员操作能力的可比性和稳定性，有助于监督在岗检验员保持和提升检测技术能力。

（3）方法比对。实验室安排同一检验员对同一样品采用不同的检验检测方法，比较检测结果的符合程度，判定其可比性，验证检验检测方法的可靠性。

（4）仪器比对。实验室安排同一检验员使用不同的检测仪器仪表，对同一样品使用相同检验检测方法，比较检测结果的符合程度，判定检测仪器仪表性能的可比性。仪器比对考核对象为检测仪器仪表，评价不同检测仪器仪表的性能差异，如灵敏度、精度等。仪器比对的前提是比对中作为参考的检测仪器仪表值得信赖，故而实验室检测仪器仪表通常定期由具有资质的计量技术机构校准（或检定），并在两次校准（或检定）之间的时间间隔内进行定期和不定期的期间核查，以此来保持检测仪器仪表校准状态的可信度。

（5）留样再测。实验室安排在不同的时间，再次对同一样品以相同的条件进行检测，通过比较历史测定结果的一致性来判断检测过程是否存在问题，验证检测数据的可靠性和稳定性。若检测结果符合要求，说明实验室该项目的检测能力持续有效，不符合则应分析原因，采用其它手段进行检测能力的确认，并采取纠正措施，追溯前期的检测结果，直至上次确认检测能力有效的时间。留样再测的前提是，应有充分的数据显示或经专家评估，表明留存的样品赋值稳定。留样再测是一种常用的实验室内部质量控制手段，有利于监控该项目检测结果的持续稳定性及观察其发展趋势，也可促使检验人员认真对待每一次检验工作。

（6）重复测试。实验室安排在重复性条件下进行多次测试。重复性条件指同一检测人员，使用相同的检测仪器仪表，按相同的检验检测方法，短时间内对同一待测样品独立进行测试的条件。重复测试广泛应用于实验室对样品制样均匀性、检测仪器仪表的稳定性、测试方法的精密度、检验员技术水平等的评价。

除了以上常用的基于人、机、料、法、环的日常质量控制方法，还可以从对检测原始记录的数据分析来发现质量问题的端倪，以应对一些偶发性的质量问题。这些偶发性的质量问题，都是一些难以避免，出现时间不可预知，不易察觉的质量问题。如检测人员的误操作，测试5G无源器件时使用了原来测3G、4G无源器件时的测试附件等。原有的线缆和负载使用频率都是在3GHz以下，在3.3-3.7GHz和4.8-4.9GHz测试中误用带来的影响不可控，有可能不影响判定，也有可能会造成误判，而且从最终汇总结果中很难发现问题。如检测仪器仪表由于材料的不稳定性、元器件的老化、使用中的磨损、使用或保存环境的变化、搬动或运输等原因，都有可能引起设备性能的变化。性能变化的趋势可能是单方向的，也可能是起伏变化的，甚至可能有偶发性的完全无规律的变化。一些经验丰富的检验员能够识别这些质量问题引起的数据异常，而实验室完全可以利用检验员的经验，通过对原始记录数据的统计分析，更科学高效地识别异常值，作为日常质量工作的预警和重要补充。

2 检测结果中异常值的识别

插入损耗是无源器件的关键测试项目，高的插入损耗会劣化信号质量，严重影响通信质量和覆盖范围。在传输射频信号时，由于趋肤效应的存在，导体损耗会随着频率的升高而增加。插入损耗是接头损耗、导体损耗、介质损耗的总和，故5G无源器件会比3G、4G同类产品更关注插入损耗指标。本研究以5G合路器插入损耗测试结果为例，进行分析讨论。

2.1 取典型值

典型值通常认为是产品中最少有80%的产品能够达到的性能数值。5G合路器的插入损耗测试结果合集，同样存在按此方法取得一个典型值A0。取一批检测结果可靠的5G合路器，整理其插入损耗测试原始记录的数据，按80%的比例取得典型值A。A是A0的一个近似估计。若后续测得的插入损耗值劣于A，则将其视为异常值，启动一系列质量控制手段。

现有一批5G合路器，一共90组插入损耗数据，详细数据如表1所示。

表1 90组5G合路器插入损耗原始数据

计算得A=0.49，读数大于0.49即视为异常值。这种方法优点很明显，实现难度低，且数据量越大，典型值A越接近A0，也越可靠。缺点也显而易见，这种方法对质量问题引起的插入损耗值劣化严重的情况有效果，对插入损耗值优化的情况毫无办法。

2.2 查找数据集中的边界

为应对数值优化的问题，对典型值法做改进，取最小值B1、最大值B2，使B1至B2的数值包含80%的样品，且B2与B1的差值最小，如此便能取得数值最集中的80%。若后续测得的插入损耗值优于B1，或劣于B2，则视为异常值，启动质量监控手段。

同样以表1的数据为例，计算得B1=0.43，B2=0.49，小于0.43或大于0.49的值都视为异常值。这种方法的优点也很明显，实现难度不高，同样是数据量越大，B1、B2两个边界值越可靠，能很好地识别过大或过小的异常值。这种方法同样也有其缺点：首先，80%这个比例并不一定适用于实际检测质量控制，在使用过程中宜按实际使用效果调整；其次，按80%比例检出异常值的频率将会很高，会增加较多工作量。

2.3 用统计学的方法查找异常值

在统计学概念中，异常值（abnormal value），又称离群值（outlier），指一组数据中，与其他值偏离较远且不符合统计规律的个别值。将表1数据的分布情况作图，如图1所示。

图1 90组插入损耗数据分布图

由图1可知，5G合路器插入损耗数据分布近似正态分布。假设这一组数据分布服从正态分布，且只含有随机误差，按照拉依达准则，计算其均值μ和标准偏差σ，大约68.27%的数据值会在（μ-σ，μ+σ）范围内，大约95.45%会在（μ-2σ，μ+2σ）范围内，大约99.73%会在（μ-3σ，μ+3σ）范围内。在统计学概念中，超出（μ-3σ，μ+3σ）这个范围的，视为含有粗大误差，为异常值。

贝塞尔公式的原理是以样本来估计所有数据的统计特性，本文以这90组插入损耗数据形成的样本来评估整个5G合路器插入损耗测试工作的统计特性。按贝塞尔公式计算得均值μ=0.4579，σ=0.0242。边界范围的计算结果如表2所示。

表2 拉依达准值边界计算结果

边界 数值μ-2σ 0.4095 μ+2σ 0.5063 μ-3σ 0.3853 μ+3σ 0.5305

这种方法可有效识别异常值。在实践中，超出（μ-2σ，μ+2σ）范围的可视为异常值，需引起重视；超出（μ-3σ，μ+3σ）范围的视为高度异常值，必须采用其它质量控制手段进行处理。

3 数据分析方法补充思考

上述数据分析方法可以识别离群的异常值，但是如果质量问题引起的数值偏差并没有使数值超出规定的边界范围呢？如果质量问题引起的数值变化趋势是单方向，相信会影响一个批次数据的统计特性。假设对表1数据中最后30个数据再次检测的过程中，引入了一个0.05dB的附加损耗，则数据如表3所示。

表3 数据表

重新计算90个数据得μ1=0.4746和σ1=0.0331，计算30个引入附加损耗的数据得μ2=0.5063和σ2=0.0244，边界范围的计算结果如表4所示。

表4 引入附加损耗后边界计算结果

以表1的90个数据为样本1，最后30个数据引入附加损耗后的90个数据为样本2，引入附加损耗的30个数据为样本3，其边界如图2所示。

图2 三组样本边界对比

比较样本1和样本2可知，样本中的部分数据引入变化趋势为单向的误差，会使样本的离散程度变大，测试稳定性变差。比较样本1和样本3，样本整体引入变化趋势为单向的误差，离散程度不会变化，而样本边界会整体移动数值变化，说明边界范围有明显扩大，或μ有明显变化，σ变大，离散程度变高，测试稳定性变差。

在5G合路器检测任务进行的过程中，将每个批次的数据按同样方法进行分析，得到μ和σ的值，对其进行比较，可分析出无源器件质量趋势，对其质量做出更为客观、更为具体的评价，有助于运营商保证5G建设质量，缓解后期运维压力。

4 结束语

随着LIMS实验室管理平台的应用，可对产品检测原始数据进行更多维度的统计和分析，绘制出不同供应商、不同产品的“画像”，未来实验室将能对质量控制做出更大的贡献。检测工作是5G建设的重要保障，实验室在做好5G通信产品检测工作的同时，也应提升自身的检测能力、质量控制水平和数据分析能力，研究5G通信产品的质量水平和发展趋势，反哺生产和建设单位，在5G建设中发挥更重要的作用。