失效率基础：指数分布、浴盆曲线、失效率单位FIT、MTTF/MTBF计算、温度与应力影响

在硬件随机失效定量分析中，失效率（Failure Rate）是所有后续计算的基石。无论是进行FMEDA（故障模式、影响与诊断分析）失效率预算分配，还是计算安全完整性等级（SIL）中的PFH/PFD值，都离不开对失效率本身的深刻理解。本章将围绕失效率的数学基础（指数分布）、工程经验模型（浴盆曲线）、量化单位（FIT）、可靠性指标（MTTF/MTBF）以及环境应力修正（Arrhenius方程）展开，帮助学员建立从“物理失效”到“数学建模”的完整认知链路。

4.1 核心原理：指数分布与恒定失效率假设

在硬件可靠性工程中，指数分布是最基础、最常用的寿命分布模型。其核心假设是：在设备的有效寿命期内（即浴盆曲线的底部平坦段），失效率λ为一个常数，不随时间变化。此时，可靠度函数R(t)（设备在时间t内正常工作的概率）满足：

R(t) = e^(-λt)

其中λ的单位为“每小时失效数”或“每10⁹小时失效数”（FIT）。这一数学形式带来了几个重要性质：

• 无记忆性：如果设备在t时刻仍然存活，那么它在未来继续工作s小时的概率与它已经工作了多久无关，即P(T > t+s | T > t) = P(T > s)。这意味着“旧设备和新设备在相同条件下失效率相同”。
• 失效率恒定：λ(t) = λ，不随时间累积而增大或减小。这是FMEDA分析中简化计算的基础。
• MTTF与λ互为倒数：对于不可修复产品，平均无故障时间MTTF = 1/λ；对于可修复产品，平均故障间隔时间MTBF也近似等于1/λ（在恒定失效率假设下）。

然而，工程实践中必须清醒认识到：指数分布只是一个“近似模型”。它适用于电子元器件在随机失效期的行为描述，但并不能覆盖早期失效（老化筛选不足）和耗损失效（机械磨损、电解电容干涸）阶段。在FMEDA中，我们通常假设安全机制所覆盖的失效率处于随机失效期，因此指数分布是合理的工程简化。

4.2 浴盆曲线：三个失效阶段的工程意义

浴盆曲线描述了硬件产品在整个生命周期中失效率的变化趋势，分为三个阶段：

在FMEDA实战中，我们关注的重点是II区（随机失效期），因为安全机制（如诊断覆盖率）主要针对这一阶段的失效率进行量化。但设计人员必须意识到：如果产品未经过充分的早期筛选，实际现场失效率会远高于数据手册标称值；如果产品设计寿命超过耗损期起点，则恒定失效率假设不再成立，需要引入寿命分布模型（如Weibull分布）。

4.3 失效率单位FIT与MTTF/MTBF计算

FIT（Failures In Time）是硬件可靠性领域最常用的失效率单位，定义为：

1 FIT = 1 × 10⁻⁹ 失效/小时

这意味着一个失效率为100 FIT的器件，在10⁷小时（约1141年）内平均失效1次。FIT单位的优势在于：对于现代半导体器件（失效率通常在1~100 FIT量级），使用FIT可以避免小数点后过多零的困扰。例如，一个MCU的失效率为50 FIT，表示每10⁹小时有50次失效，即平均每2000万小时失效一次。

MTTF（Mean Time To Failure）适用于不可修复产品（如一颗电阻、一个电容），表示失效前平均工作时间；MTBF（Mean Time Between Failures）适用于可修复产品（如电源模块、整机），表示两次相邻故障之间的平均时间。在恒定失效率假设下：

MTTF = MTBF = 1/λ

实际计算中，需要注意单位换算：

λ = 100 FIT = 100 × 10⁻⁹ /h = 1 × 10⁻⁷ /h
MTTF = 1 / (1 × 10⁻⁷) = 10⁷ 小时 ≈ 1141 年

在系统级FMEDA中，通常将各元器件失效率相加得到子系统总失效率，再取倒数得到系统MTTF。但需注意：只有当所有元器件均处于随机失效期且相互独立时，简单相加才成立。若存在共因失效（如同一电源轨故障导致多个芯片同时失效），则需要引入共因因子（Beta因子）进行修正。

4.4 温度与应力影响：Arrhenius模型与加速因子

失效率并非固定不变，而是随工作温度、电压、振动等应力条件显著变化。其中温度是最主要的影响因素，工程上普遍采用Arrhenius模型进行修正：

λ(T) = λ₀ × AF
AF = exp[(Ea/k) × (1/T₀ - 1/T)]

其中：

• λ₀：参考温度T₀（通常为55°C或40°C）下的失效率；
• Ea：激活能（Activation Energy），单位为eV，典型值范围0.3~1.0 eV；
• k：玻尔兹曼常数，8.617 × 10⁻⁵ eV/K；
• T₀、T：温度（单位K，K = °C + 273.15）。

例如，某芯片在55°C下失效率为10 FIT，激活能Ea=0.7 eV，当工作温度升至85°C时：

T₀ = 55 + 273.15 = 328.15 K
T = 85 + 273.15 = 358.15 K
AF = exp[(0.7 / 8.617e-5) × (1/328.15 - 1/358.15)]
   = exp[8123 × (0.003047 - 0.002792)]
   = exp[8123 × 0.000255]
   = exp[2.071]
   ≈ 7.93

这意味着失效率从10 FIT上升到约79.3 FIT，增加了近8倍。这就是为什么在FMEDA中必须明确“工作温度假设”，并在安全手册中规定温度范围。

除温度外，其他应力因素还包括：

• 电应力：电压、电流超过额定值会加速失效，通常用电压加速因子πV修正；
• 环境应力：湿度、盐雾、振动、冲击等，用环境系数πE修正；
• 质量系数：不同质量等级（工业级、汽车级、军用级）的元器件基础失效率不同，用πQ修正。

综合修正公式为：

λ_实际 = λ_基础 × πT × πE × πQ × πV

其中πT为温度加速因子（即上述AF），πE为环境系数（如地面固定=1，车载=4，机载=10），πQ为质量系数（工业级=1，汽车级=0.5，军用级=0.2）。

4.5 案例拆解：车载ECU中一颗LDO的失效率计算

背景与约束：某车载域控制器ECU中，使用一颗低压差线性稳压器（LDO）为MCU供电。该LDO的规格书标称失效率为15 FIT（参考温度55°C，工业级质量）。ECU安装在发动机舱附近，环境温度最高达85°C，且存在持续振动。功能安全目标要求该LDO的失效率不超过50 FIT，否则需要增加冗余设计。

初始现象与目标：初步估算显示，若直接使用15 FIT作为设计输入，系统满足要求。但考虑到实际工作温度远高于55°C，需要重新评估。

关键输入数据：

• 基础失效率：λ₀ = 15 FIT @ 55°C
• 激活能：Ea = 0.6 eV（典型硅基半导体值）
• 实际工作温度：T = 85°C（保守取最大值）
• 环境系数：πE = 4（车载发动机舱环境）
• 质量系数：πQ = 1（工业级）

分析计算过程：

步骤1：计算温度加速因子
T₀ = 55 + 273.15 = 328.15 K
T = 85 + 273.15 = 358.15 K
AF = exp[(0.6 / 8.617e-5) × (1/328.15 - 1/358.15)]
   = exp[6963 × 0.000255]
   = exp[1.776]
   ≈ 5.91

步骤2：计算实际失效率
λ_实际 = 15 × 5.91 × 4 × 1 = 354.6 FIT

结果对比：实际失效率354.6 FIT远超50 FIT的限值，差距达7倍。若直接使用标称值，将导致安全分析严重乐观，可能造成功能安全目标不达标。

风险与代价：若维持原设计，需要增加冗余LDO并配合诊断机制，BOM成本增加约0.8美元，PCB面积增加约12mm²。若改用汽车级LDO（πQ=0.5），则λ_实际 = 15 × 5.91 × 4 × 0.5 = 177.3 FIT，仍超标。最终方案是选用更高额定温度的LDO（基础失效率降至8 FIT），并增加过温保护电路。

复盘经验：

1. 规格书中的FIT值必须明确参考温度，不能直接套用；
2. 车载环境必须考虑温度+振动+电压波动的综合应力；
3. 在FMEDA中，应使用“最恶劣工况”下的失效率，而非典型值；
4. 建议建立“温度-失效率”对照表，便于设计阶段快速评估。

4.6 常见误区与总结复盘

在工程实践中，关于失效率的常见误区包括：

• 误区一：将FIT值当作恒定常数。实际上FIT随温度、电压、环境变化显著，必须进行修正。
• 误区二：混淆MTTF与MTBF。MTTF用于不可修复产品，MTBF用于可修复产品，但两者在恒定失效率下数值相等。在安全分析中，应明确使用MTTF（因为安全机制通常假设失效后即进入安全状态，不进行修复）。
• 误区三：忽略早期失效。如果产品未经过充分老化筛选，现场失效率可能比数据手册高10~100倍。功能安全标准要求进行Burn-in筛选。
• 误区四：将所有元器件失效率简单相加。需考虑共因失效、负载分担、冗余结构等因素，否则会高估系统可靠性。
• 误区五：使用单一温度点计算。实际产品温度是波动的，应使用温度分布加权平均，或采用最恶劣工况进行保守估计。