1. 课程导入与失效工程视角
在电子产品的可靠性工程中，我们很少能直接“看见”失效。一个电阻、一颗电容、一片MCU，在出厂时往往都通过了功能测试，但它们在现场运行一年、五年、十年之后，失效的概率并不相同。失效率预计与应力模型，正是把这种“看不见的概率”变成可计算、可比较、可决策的工程语言。本课程的目标，是让读者能够回答三个问题：器件在给定条件下大概多久会坏？改变温度、电压、电流等应力后，寿命会怎样变化？这些结论如何支撑降额设计、可靠性试验和运维策略？
核心术语：从失效率到加速因子
最基础的量是失效率，通常记作 λ，单位是 FIT（1 FIT = 1×10⁻⁹ 次失效/小时），表示每十亿器件小时中期望出现的失效次数。与之等价的还有 MTTF（平均失效前时间），在指数分布假设下 MTTF = 1/λ。例如某器件 λ = 50 FIT，则 MTTF = 1/(50×10⁻⁹) = 2×10⁷ 小时，约 2283 年——这个数字看起来很大，但若一批设备用了 1000 颗该器件，整机该器件的失效率就变成 5×10⁴ FIT，MTTF 降到约 2.3 年，这就是“器件级”与“系统级”的差别。
第二个核心概念是浴盆曲线。它把器件寿命分为三段：早期失效期（失效率随时间下降，多由制造缺陷引起）、偶然失效期（失效率近似恒定，是预计工作的主区间）、耗损失效期（失效率随时间上升，由磨损、电迁移、氧化层退化等机理主导）。失效率预计通常针对偶然失效期，而应力模型更多用于描述耗损失效的加速。
第三个概念是应力。这里的应力不限于机械应力，而是泛指温度、电压、电流、湿度、振动、功率循环等一切会推动器件退化的外部条件。工程上最常用的是温度应力，因为多数失效机理对温度呈指数敏感。
第四个概念是加速因子 AF。它表示在加速应力下与正常应力下达到同一失效机理所需时间的比值。以 Arrhenius 模型为例，AF = exp[(Ea/k)(1/T_use − 1/T_stress)]，其中 Ea 为激活能（eV），k 为玻尔兹曼常数 8.617×10⁻⁵ eV/K，T 为绝对温度。若某机理 Ea = 0.7 eV，使用温度 55 ℃（328.15 K），试验温度 125 ℃（398.15 K），则 AF ≈ exp[(0.7/8.617e-5)(1/328.15 − 1/398.15)] ≈ 78。也就是说，125 ℃ 下试验 100 小时，约等效于 55 ℃ 下工作 7800 小时。
整体知识框架与工程位置
从上面的结构可以看出，失效率预计与应力模型处在“输入条件—模型计算—工程决策”的中间位置。左侧是器件类型、应力剖面、失效机理和基础数据，中间是预计模型与加速模型，右侧输出降额准则、试验方案、寿命预计和运维策略。底部还有一条虚线反馈：现场失效数据会反过来修正模型参数和激活能，使预计越来越贴近实际。
在可靠性设计流程中，它通常出现在三个节点。第一是方案与选型阶段：用基础失效率数据快速估算整机 MTBF，判断是否满足指标，识别高失效率器件。第二是详细设计与降额阶段：结合温度、电压应力模型，计算实际工作条件下的 λ，决定电阻、电容、半导体器件的降额比例。第三是试验与运维阶段：用加速因子设计高温工作寿命试验（HTOL）、温度循环试验，或用现场数据反推剩余寿命。
一个可操作的入门示例
假设某电源模块使用一颗 MOSFET，基础失效率 λb = 20 FIT（在 55 ℃、额定电压 50% 条件下）。实际工作结温 Tj = 95 ℃，漏源电压为额定值的 70%。已知该器件温度加速激活能 Ea = 0.5 eV，电压加速指数 n = 3。我们按以下步骤估算：
- 温度加速因子：AF_T = exp[(0.5/8.617e-5)(1/328.15 − 1/368.15)] ≈ exp[5802 × (0.003047 − 0.002716)] ≈ exp(1.92) ≈ 6.8。
- 电压加速因子：AF_V = (0.70/0.50)³ = 1.4³ ≈ 2.74。
- 综合加速因子：AF = AF_T × AF_V ≈ 18.6。
- 实际失效率：λ = λb × AF ≈ 20 × 18.6 ≈ 372 FIT。
这个结果说明，同一颗器件在更严酷的应力和电压下，失效率可能上升近 20 倍。若整机有 10 颗同类器件，仅此一项就贡献约 3720 FIT，MTTF 约 30 年；若把结温从 95 ℃ 降到 75 ℃，AF_T 会降到约 2.6，λ 降到约 142 FIT，整机贡献降到 1420 FIT。这就是降额设计和热设计在可靠性上的直接价值。