📚 课程目录第2章可靠性基础理论

2. 可靠性基础理论

电子产品可靠性工程的核心，是回答三个基本问题：产品在何时可能失效？失效的概率有多大？如何用可量化的指标来度量并管理这种不确定性？可靠性数学基础正是解决这些问题的工具集。失效率（Failure Rate）、平均无故障时间（MTBF）与浴盆曲线构成了可靠性工程的三大支柱——失效率描述瞬时失效风险，MTBF 给出平均寿命期望，浴盆曲线则揭示了产品全生命周期的失效规律。理解这三者之间的数学关系与工程含义，是后续开展可靠性预计、试验设计、数据分析和寿命评估的前提。

• MTBF（平均无故障时间）• MTTR（平均修复时间）• A（可用度）= MTBF / (MTBF + MTTR)• B10 寿命（10% 失效对应时间）• 可靠度 R(t)（t 时刻存活概率）• 失效率 λ（单位：Fit = 10⁻⁹/h）

2.1 失效率：瞬时失效风险的数学刻画

核心原理：失效率 λ(t) 的定义是：在时刻 t 尚未失效的产品，在 t 之后的单位时间内发生失效的条件概率。数学表达式为 λ(t) = f(t) / R(t)，其中 f(t) 为失效概率密度函数，R(t) 为可靠度函数。失效率的单位常用 Fit（Failure in Time），1 Fit = 10⁻⁹/小时，即每 10 亿器件小时发生 1 次失效。例如，一颗失效率为 50 Fit 的芯片，意味着在 10⁹ 器件小时中预期发生 50 次失效，换算为 MTBF 为 2,000 万小时。

工程判断方法：在实际工程中，失效率的获取途径主要有三种：

标准手册查表法：依据 MIL-HDBK-217F、GJB/Z 299C 或 Telcordia SR-332 等标准，根据元器件类型、质量等级、环境应力（温度、振动、湿度）等系数计算失效率。例如，一个商用级陶瓷电容在 40°C 环境下的基本失效率约为 0.5 Fit，而在 85°C 时可能升至 3 Fit。
试验数据统计法：通过可靠性寿命试验或加速试验获取失效数据，利用极大似然估计或最小二乘法拟合失效率。对于指数分布，λ = 失效数 / 累计试验时间。
现场数据反馈法：从售后维修记录、客户投诉中统计实际失效率，这是最真实但周期最长的数据来源。

  工程经验：在电子产品设计阶段，建议采用元器件计数法进行初步预计，此时失效率取各元器件失效率之和。进入详细设计后，采用应力法，考虑电应力比、温度应力、环境系数等修正因子。注意：预计值通常与现场值有 2~5 倍偏差，这是正常现象，关键在于偏差方向的一致性——若预计值远低于现场值，说明设计裕量不足或应力分析有误。

2.2 MTBF：平均无故障时间的计算与误区

核心原理：MTBF（Mean Time Between Failures）是可修复产品在相邻两次故障之间的平均工作时间。对于不可修复产品，对应概念为 MTTF（Mean Time To Failure）。当产品服从指数分布（即失效率为常数）时，MTBF = 1/λ。但需注意，MTBF 并不等于产品的“寿命”或“保修期”，它描述的是群体统计特性，而非单个产品的预期寿命。

计算方法与流程：

数据收集：记录每台样机的累计工作时间与失效时刻。例如，10 台样机测试 2000 小时，其中 2 台分别在 800h 和 1500h 失效，其余 8 台未失效。
点估计：MTBF = 总试验时间 / 总失效数 = (800 + 1500 + 8×2000) / 2 = 9150 小时。
区间估计：采用卡方分布计算置信区间。对于上述数据，90% 置信水平下，MTBF 的置信下限约为 9150 × 2 / χ²(0.95, 4) ≈ 9150 × 2 / 9.488 ≈ 1929 小时，上限约为 9150 × 2 / χ²(0.05, 4) ≈ 9150 × 2 / 0.711 ≈ 25738 小时。区间跨度大说明样本量不足。
验证判定：将计算出的 MTBF 与设计指标比较，若置信下限大于指标值，则判定通过。

指标类型	定义	适用场景	典型值参考
MTBF	可修复产品平均无故障工作时间	通信设备、服务器、工业控制器	消费电子 5~20 万小时；工业设备 10~50 万小时
MTTF	不可修复产品平均失效前时间	元器件、一次性电池、密封继电器	半导体器件 10⁶~10⁸ 小时
MTTR	平均修复时间（含检测、拆卸、更换、验证）	可维修系统可用度计算	板级更换 0.5~2 小时；模块级 2~8 小时
B10 寿命	累计 10% 产品失效对应的时间点	机械部件、继电器、风扇等磨损型产品	风扇 B10 = 5 万小时（40°C）

常见误区：MTBF 为 10 万小时 ≠ 产品能连续运行 10 万小时不坏。对于指数分布，产品在 MTBF 时刻的可靠度仅为 e⁻¹ ≈ 36.8%。也就是说，有 63.2% 的产品会在 MTBF 之前失效。MTBF 是“平均”概念，不是“保证寿命”。在制定保修策略时，应依据 B 寿命（如 B1、 B5）而非 MTBF。

2.3 浴盆曲线：全生命周期失效规律

核心原理：浴盆曲线将产品失效率随时间的变化划分为三个阶段：早期失效期（DFR，失效率递减）、偶然失效期（CFR，失效率近似恒定）、耗损失效期（IFR，失效率递增）。这一规律适用于大多数电子产品和机械系统，但不同产品的三个阶段时长差异显著。

早期失效期：主要由制造缺陷、工艺波动、原材料瑕疵、焊接不良等引起。失效率从高值迅速下降。工程对策是进行筛选试验（Burn-in）、老化测试、环境应力筛选（ESS），在出厂前剔除早期失效品。
偶然失效期：失效率低且稳定，是产品的最佳工作阶段。失效原因多为随机过应力（如静电放电、浪涌、宇宙射线）或设计裕量不足。此阶段可用指数分布建模，MTBF 恒定。
耗损失效期：由于磨损、腐蚀、材料老化、疲劳累积导致失效率快速上升。工程对策是预防性维护、定期更换易损件、状态监测。

工程应用场景：浴盆曲线指导了可靠性试验策略的制定。例如，在研发阶段进行可靠性增长试验时，应通过故障分析与改进，将早期失效期压缩到最短；在量产阶段，通过 100% 老化筛选（如 48 小时高温老化）将产品“推入”偶然失效期；在售后阶段，根据耗损期的起始时间点制定大修或更换周期。

经验提醒：并非所有产品都呈现标准浴盆曲线。例如，大规模集成电路（VLSI）的失效率曲线可能长期处于偶然失效期，耗损期不明显；而电解电容、机械硬盘、风扇等含运动部件或电解液的产品，耗损期特征非常显著。在可靠性建模时，应先通过失效数据判断产品属于哪种类型，再选择合适的分布模型（指数、威布尔、正态等）。

2.4 可靠性指标计算与工程应用案例

案例背景：某通信设备制造商开发了一款 5G 基站射频单元（RRU），设计指标要求 MTBF ≥ 50 万小时（约 57 年），工作环境为户外机柜，环境温度范围 -40°C ~ +55°C。在研发验证阶段，需要对 10 台工程样机进行可靠性验证试验。

初始条件与约束：试验时间受项目周期限制，最多只能进行 3000 小时（约 4.2 个月）的试验。若采用传统定时截尾方案，在 10 台样机、3000 小时、允许 0 失效的条件下，验证 MTBF = 10 × 3000 / χ²(0.9, 2) = 30000 / 4.605 ≈ 6515 小时，远达不到 50 万小时指标。显然，常规试验无法验证如此高的 MTBF。

分析判断过程：必须采用加速试验方法。根据阿伦尼乌斯模型，温度每升高 10°C，化学反应速率约翻倍。该 RRU 内部关键器件（功放管、电容、数字芯片）的激活能 Ea 约为 0.7 eV。若将试验温度从实际工作最高 55°C 提升到 85°C，加速因子 AF = exp[(Ea/k) × (1/T_use - 1/T_test)]，其中 k 为玻尔兹曼常数（8.617×10⁻⁵ eV/K）。计算得 AF ≈ exp[(0.7/8.617e-5) × (1/328.15 - 1/358.15)] ≈ exp(8119 × 0.000255) ≈ e^2.07 ≈ 7.9 倍。

实际操作步骤：

将 10 台样机放入温箱，设定 85°C 高温工作试验，同时施加额定电压和最大射频负载。
试验时间设定为 3000 小时，等效常温时间为 3000 × 7.9 = 23700 小时。
采用定时截尾方案，允许失效数 r = 1。查卡方表：MTBF 下限 = 2T / χ²(1-α, 2r+2) = 2 × 23700 / χ²(0.9, 4) = 47400 / 7.779 ≈ 6093 小时。仍不满足 50 万小时。
进一步增加样本量至 20 台，总等效时间 T = 20 × 3000 × 7.9 = 474000 小时。允许 1 失效时，MTBF 下限 = 2 × 474000 / 7.779 ≈ 121,866 小时。仍不足。
将试验温度提升至 100°C（需确认器件最高结温允许），AF ≈ exp[(0.7/8.617e-5) × (1/328.15 - 1/373.15)] ≈ e^3.42 ≈ 30.6 倍。20 台样机、3000 小时、允许 1 失效：T = 20 × 3000 × 30.6 = 1,836,000 小时，MTBF 下限 = 2 × 1,836,000 / 7.779 ≈ 472,000 小时，接近 50 万小时指标。
最终方案：20 台样机、100°C 高温工作、3000 小时、允许 1 个失效。若实际失效数 ≤ 1，则判定 MTBF ≥ 50 万小时（90% 置信水平）。

结果与复盘：实际试验中，20 台样机在 3000 小时内出现 1 个失效——某电解电容在高温下容量衰减超标。通过失效分析发现该电容额定温度 105°C，但在 100°C 下纹波电流叠加导致内部温升过高。改进措施为更换为 125°C 额定温度的低阻抗电容，并优化散热布局。复测后无失效，产品通过验证。

  案例复盘要点：（1）高 MTBF 指标必须借助加速试验，单纯延长试验时间不经济且不可行；（2）加速因子计算依赖激活能 Ea 的准确性，不同失效机理的 Ea 不同（如电迁移 0.6~0.9 eV，腐蚀 0.3~0.5 eV），需根据主导失效机理选取；（3）加速试验会引入新的失效模式（如温度过高导致材料相变），需通过前期摸底试验确认加速应力不超过器件最大额定值；（4）样本量、试验时间、允许失效数三者相互制约，需用统计方法综合优化。

2.5 常见误区与总结复盘

误区一：将 MTBF 当作保修期或寿命指标。MTBF 是统计平均值，不代表单个产品的保证时间。正确做法是同时给出 B 寿命（如 B10 = 5 年）作为维修和备件策略依据。

误区二：忽略失效率的时变性。许多工程师习惯用恒定 λ 建模，但产品在早期和耗损期并不满足指数分布。若产品未经过充分筛选，早期失效会使现场失效率远高于预计值。应在交付前完成 ESS 筛选，确保产品进入偶然失效期。

误区三：置信区间与点估计混淆。仅报告 MTBF 点估计值而不给出置信区间，无法反映验证的统计置信度。工程上应明确“在 90% 置信水平下，MTBF 下限为 XX 小时”的表述。

误区四：加速试验中激活能取值随意。不同失效机理的 Ea 差异很大，若取值偏大，会高估加速因子，导致验证结果过于乐观。建议通过多温度点试验（如 85°C、100°C、115°C）实测 Ea，或参考同类产品的历史数据。

总结：可靠性数学基础为电子产品可靠性工作提供了量化语言。失效率是微观度量，MTBF 是宏观期望，浴盆曲线是生命周期视角。在实际工程中，应综合运用这些指标：设计阶段用失效率预计评估方案，试验阶段用 MTBF 验证和增长，使用阶段用浴盆曲线指导维护策略。同时，必须理解统计指标的不确定性，用置信区间和概率语言进行工程决策，避免将数学期望误读为确定性承诺。