4. 故障定义、分类与归零管理

在可靠性增长试验中，“故障”不是一句“设备坏了”就能带过的口语描述，而是一个需要被严格定义、判定、记录、分析和关闭的技术对象。可靠性增长试验的核心逻辑是：通过试验暴露故障、分析故障机理、实施纠正措施，使产品可靠性水平逐步提升。因此，故障管理质量直接决定了增长试验能否真正“增长”。如果故障定义模糊、分类混乱、归零不彻底，试验就只是“跑时间”，而不是“长可靠性”。

一、故障定义与关联/非关联故障判定

故障定义应围绕“产品在规定条件下、规定时间内，不能完成规定功能”这一基本判据展开。在工程实践中，通常需要进一步明确：故障发生的时机（试验前、试验中、维护后）、故障现象、故障部位、故障模式、故障原因、对试验的影响以及是否与受试产品本身的设计、制造、元器件或工艺缺陷相关。

关联故障是指与受试产品本身的设计、制造、元器件、软件或工艺缺陷直接相关的故障，这类故障是可靠性增长试验真正要暴露和消除的对象。非关联故障则是由外部原因引起的，例如试验设备故障、操作失误、供电异常、测试仪器误判、维护不当或非受试产品自身原因导致的故障。判定关联与非关联，不能只看“是否停机”，而要看故障链是否落在受试产品责任边界内。

例如，某电源模块在高温试验中输出跌落，拆解后发现是焊点疲劳开裂，这属于关联故障；若同一模块输出跌落是因为试验箱供电瞬时中断，则属于非关联故障。判定时通常需要结合故障现象、故障部位、失效分析、试验日志和操作记录综合判断。对于边界不清的故障，应组织专题分析，不能简单“算”或“不算”。

二、故障模式分类

故障模式是故障的外在表现形式，例如开路、短路、断裂、泄漏、漂移、卡滞、误动作、输出超差等。分类的目的不是给故障贴标签，而是为后续统计、分析和纠正措施提供统一口径。常见的分类维度包括：按失效机理分为磨损、疲劳、腐蚀、老化、过应力等；按严重程度分为致命故障、严重故障和一般故障；按发生阶段分为早期故障、偶然故障和耗损故障；按责任归属分为设计缺陷、制造缺陷、元器件缺陷和使用维护问题；按复现性分为重复性故障和偶发性故障。

在可靠性增长试验中，尤其要关注重复性故障和致命故障。重复性故障说明纠正措施可能没有触及根因，或者措施未真正落实到产品上；致命故障则可能直接导致试验中止或产品安全性受质疑。对于偶发故障，不能因为“只出现一次”就轻易放过，应结合故障树、FMEA和失效分析判断其潜在风险。

三、故障报告闭环系统

故障报告闭环系统通常称为FRACAS，即故障报告、分析和纠正措施系统。它的基本链条是：故障报告→原因分析→纠正措施→有效性验证→归零评审。每个环节都必须有明确的责任人、时间节点和输出物。故障报告应记录故障现象、发生时间、试验条件、故障部位、故障模式、初步判断和现场处理情况；原因分析应回答“为什么会发生”和“为什么没有提前发现”；纠正措施应具体到设计更改、工艺改进、软件修改、元器件替换或操作规范修订；有效性验证应通过复测、对比试验或跟踪统计确认措施是否真正消除了故障；归零评审则是对整个闭环的最终确认。

闭环的关键在于“验证”和“评审”不能流于形式。很多项目的问题不是没有措施，而是措施没有验证、没有落实到批次产品、没有更新到图纸和工艺文件。因此，归零评审必须检查措施是否已纳入技术状态、是否已覆盖同类产品、是否已更新相关文件、是否已对相关人员进行培训。

四、纠正措施有效性验证与归零评审要求

纠正措施有效性验证通常包括三个层次：第一，故障复现验证，确认原故障模式不再出现；第二，边界条件验证，确认在更严酷或更接近实际使用的条件下措施仍然有效；第三，统计跟踪验证，确认在后续试验或使用中同类故障不再发生。对于软件故障，还应进行回归测试，确认修改没有引入新的问题。

归零评审一般要求做到“定位准确、机理清楚、问题复现、措施有效、举一反三”。评审时应提供故障报告、失效分析报告、纠正措施报告、验证记录和更改文件。评审结论通常分为“同意归零”“有条件归零”和“不予归零”。有条件归零时，必须明确遗留问题和后续跟踪要求；不予归零则意味着故障闭环未完成，相关产品不能进入下一阶段。

综上，故障定义、分类与归零管理是可靠性增长试验的“质量底座”。只有把关联故障与非关联故障判准、把故障模式分清楚、把FRACAS闭环跑通、把纠正措施验证做实、把归零评审做严，可靠性增长试验才能真正实现“暴露—分析—纠正—提升”的良性循环。