2. 可靠性基础
做硬件可靠性这些年，我最大的体会是：不懂失效物理，做可靠性就是瞎蒙。你想想看，连器件为什么会坏都不知道，怎么去算失效率？怎么去定降额？
这一章，咱们把失效的底牌翻出来看看。
2.1 失效模式与失效机理——别搞混了
很多工程师把这两个词混着用。我刚开始也犯过这错，直到一次评审被老专家怼了回来。
失效模式，是器件表现出来的“症状”。比如电阻开路、电容短路、引脚断裂。它回答的是“怎么了”。
失效机理，是导致症状的“病因”。比如电迁移、应力腐蚀、热疲劳。它回答的是“为什么”。
一句话区分：失效模式是“死相”，失效机理是“死因”。
举个例子。我在一个电源项目里，连续烧了3批MOSFET。失效模式都是“漏源短路”。但剖开一看，第一批是栅氧击穿，第二批是热载流子注入，第三批是封装分层。同一个模式，三个机理。你说不搞清楚机理，怎么改设计？
| 失效模式 | 常见失效机理 | 典型诱因 |
|---|---|---|
| 开路 | 电迁移、应力腐蚀、键合线断裂 | 过电流、温循、湿气 |
| 短路 | 介质击穿、金属迁移、锡须 | 过压、离子污染、机械应力 |
| 参数漂移 | 热载流子注入、NBTI、辐射损伤 | 高温、强电场、辐射 |
| 功能间歇 | 接触不良、软错误、闩锁效应 | 振动、α粒子、电源扰动 |
我的习惯：做FMEA（失效模式与影响分析）时，每个失效模式后面必须跟一个失效机理。只写“开路”不给机理的，打回去重写。
2.2 应力与强度干涉模型——可靠性的底层逻辑
这个模型，说白了就是一句话：应力超过强度，器件就坏。
应力是环境施加的——电压、温度、振动、湿度。强度是器件能扛的——击穿电压、最高结温、抗拉强度。两者都是分布，不是定值。
为什么会这样？因为制造有公差，使用有波动。同一批电阻，有的能扛1.1倍额定功率，有的0.9倍就冒烟了。
当应力的分布尾巴，碰到了强度的分布尾巴——干涉区出现了。干涉区的面积，就是失效概率。
我做过一个车载控制器，要求10年失效概率小于0.1%。算下来应力分布和强度分布有重叠。怎么办？要么降应力（加散热、加滤波），要么提强度（换更高规格器件）。最后选了降应力——加了个散热片，成本只多了2块钱，失效率降了一个数量级。
我曾经踩过的坑：只算平均应力，不看分布。结果产品在实验室跑得好好的，一到客户现场就批量坏。后来一查，客户现场环境温度比实验室高了15°C，应力分布整体右移，干涉区变大了。
2.3 浴盆曲线与失效率阶段
浴盆曲线，搞硬件的没人不知道。但真正理解它的人，不多。
它把产品寿命分成三个阶段：
- 早期失效期——失效率从高往下掉。原因是制造缺陷、焊接不良、来料问题。
- 偶然失效期——失效率平稳，最低。这是产品的“黄金期”，随机失效主导。
- 耗损失效期——失效率往上窜。磨损、老化、疲劳到了极限。
2.3.1 早期失效——把坏苗子扼杀在摇篮里
早期失效，说白了就是“出厂前就该死掉的器件没死透”。
怎么处理？筛选（Screening）。通过加严应力——比如高温老炼、温度循环、振动筛选——把薄弱品提前干掉。
我记得有个通信项目，板卡出厂前做48小时高温老炼。一开始觉得浪费时间，后来发现老炼能筛掉约30%的潜在失效。不筛？这些板卡到了基站再坏，换一块的成本是老炼成本的50倍。
我的建议：筛选应力不要超过器件的绝对最大额定值。我曾经见过有人用1.5倍额定电压做老炼，结果好器件也伤了——这叫“过杀”。筛选的度，要拿捏好。
2.3.2 偶然失效期——随机失效的数学主场
这个阶段，失效率基本恒定。为什么？因为剩下的失效都是随机的——宇宙射线、制造公差、偶然的过应力。没有主导的失效机理。
恒定失效率，意味着可以用指数分布来建模。这是可靠性数学的起点。
# 指数分布可靠度函数
R(t) = e^(-λt)
# 其中：
# λ = 失效率（常数），单位 FIT（1 FIT = 10^-9 /小时）
# t = 工作时间（小时）
# R(t) = 到时间 t 时仍存活的概率举个例子。一个器件失效率λ=100 FIT，工作10年（87600小时），可靠度是多少？
R(87600) = e^(-100 × 10^-9 × 87600)
= e^(-0.00876)
≈ 0.9913也就是说，1000个器件里，大约有9个会在10年内失效。嗯，这就是随机失效的威力——你没法完全消除，只能算清楚、控得住。
2.3.3 耗损失效期——物理极限到了
这个阶段，失效率开始飙升。原因是器件真的老了——焊点疲劳、电解液干涸、MOSFET的栅氧层退化。
耗损失效通常可以用威布尔分布或对数正态分布来建模。形状参数β>1，表示失效率随时间增长。
我曾经犯过的错：在一个工业控制器项目里，用了电解电容做输出滤波。算寿命时只算了偶然失效期的失效率，没考虑电容的耗损。结果产品在第5年开始批量出问题——电容电解液干了。从那以后，我每个项目都强制做耗损寿命评估，尤其是电解电容、光耦、继电器这些有明确寿命的器件。
2.4 三个阶段的工程应对策略
| 阶段 | 应对策略 | 常用手段 | 我的经验值 |
|---|---|---|---|
| 早期失效期 | 筛选 + 工艺控制 | 高温老炼、ESS、来料检验 | ESS温度选85°C/125°C，时间48h起步 |
| 偶然失效期 | 降额 + 冗余 | 降额设计、冷备/热备、容错 | 降额系数一般取0.5~0.8 |
| 耗损失效期 | 预防性更换 + 寿命预测 | 定期维护、加速寿命试验、PHM | 电解电容每5年强制更换 |
你想想看，这三个阶段其实对应了三种不同的工程思维：
- 早期失效——靠制造质量管控，把坏品挡在出厂前。
- 偶然失效——靠设计裕量，让好器件扛得住随机冲击。
- 耗损失效——靠维护策略，在器件老坏之前换掉它。
做可靠性设计，不能只盯着一个阶段。我见过太多团队，要么只做筛选不管耗损，要么只算随机失效率不管早期失效。结果呢？产品要么早期退货率高，要么到了保修期刚过就批量坏。
核心思想：失效物理不是理论，是工具。理解了失效模式、应力干涉、浴盆曲线，你就能回答三个问题——器件为什么坏？什么时候坏？怎么不让它坏？
嗯，这一章的内容就到这儿。记住，下次看到一块板卡，别只盯着原理图。想想它的应力分布，想想它处在浴盆曲线的哪个位置。这些思考，比多画几条走线值钱得多。