一、可靠性工程概述：从定义到实战

各位同学，欢迎来到硬件可靠性工程师的第一课。

我做了十几年可靠性，带过不少新人。每次第一节课，我都会问一个问题：“你觉得什么是可靠性？”

有人说是“不出故障”，有人说是“用得久”。都对，但都不全。今天咱们就把这事彻底聊透。

1.1 可靠性的定义——别小看这五个字

先看官方定义：可靠性是指产品在规定条件下、规定时间内，完成规定功能的能力。

注意，这里有三个“规定”——条件、时间、功能。少一个都不行。

核心三要素：

规定条件：温度、湿度、振动、电压……环境变了，可靠性就变了。我见过一个电源模块，在实验室跑得好好的，装到沙漠里的基站上，三个月全挂了。为什么？条件变了。
规定时间：没有时间谈可靠性就是耍流氓。你说这手机“可靠”，用一天算可靠，用三年呢？
规定功能：功能降级算不算失效？算。比如一个服务器，虽然还能开机，但计算速度掉了一半——这叫“性能退化型失效”。

我个人习惯把可靠性理解为“产品在用户手里不骂娘的概率”。话糙理不糙。

1.2 浴盆曲线——硬件寿命的“三段论”

说到可靠性，浴盆曲线是绕不开的。这玩意儿我讲了十几年，每次都有新感悟。

浴盆曲线把产品寿命分成三个阶段：

早期失效期——失效率从高往低走。为什么？有缺陷的元器件、焊接不良、装配问题，在刚开始用的时候就暴露了。我当年做通信电源，新板卡上电前必须做48小时高温老化，就是为了把早期失效“烧”出来，别让它到客户现场才炸。
偶然失效期——失效率低且稳定。这是产品的“黄金期”。说白了，这时候出故障基本是“运气不好”——比如雷击、浪涌、意外过压。这个阶段的失效率，就是我们常说的本征失效率。
耗损失效期——失效率又开始往上窜。机械磨损、电解电容干涸、MOS管热疲劳……寿命到了。这时候就该考虑更换或退役了。

实战经验：我曾经帮一个客户分析某款变频器的高故障率问题。一看数据，故障集中在出厂后1-3个月内。典型的早期失效！后来发现是某批次电容的来料检验漏了。换了供应商，故障率直接降了70%。

所以，浴盆曲线不是理论，是工具。你拿到故障数据，先画个曲线看看，问题出在哪个阶段，心里就有数了。

1.3 失效率与MTBF——两个必须搞懂的指标

搞可靠性，天天跟这两个数打交道。

失效率 λ（Lambda）

定义很简单：单位时间内失效的产品数与仍在工作的产品数之比。

单位常用 FIT（Failures In Time），1 FIT = 10⁻⁹/小时。什么意思？就是10亿小时里坏1次。

举个例子：

某款芯片的失效率 λ = 100 FIT。意味着：

1个芯片工作10⁷小时（约1140年），才会坏1次——这显然不现实
更实际的理解：100万个芯片工作1小时，预期坏0.1个

所以，失效率是统计概念，不是单个产品的寿命预测。

MTBF——平均无故障时间

MTBF = 1 / λ。对于偶然失效期，这个公式成立。

指标	含义	单位	典型值（消费电子）
λ（失效率）	单位时间内失效概率	FIT, %/1000h	10~500 FIT
MTBF	平均无故障工作时间	小时	10万~100万小时
MTTF	平均失效前时间（不可修复产品）	小时	与MTBF类似
MTTR	平均修复时间	小时	0.5~4小时

⚠️ 常见误区：

MTBF = 100万小时 ≠ 这个产品能用100万小时不坏。

它说的是：大量产品统计下来，平均每100万小时发生一次故障。对于单个产品，可能第1天就坏，也可能10年不坏。

我曾经见过一个销售跟客户吹“我们的电源MTBF 50万小时，能用57年”，客户信了，结果第3个月就坏了……这就是典型的概念滥用。

1.4 可靠性工程的发展历程——从“事后修”到“事前防”

可靠性工程不是一天建成的。我把它分成四个阶段：

萌芽期（1940s-1950s）——二战期间，电子管设备故障率极高。美军发现，飞机上的电子设备故障比战损还严重。于是开始系统性地研究可靠性。说白了，是被逼出来的。
形成期（1960s-1970s）——航天和军工推动。阿波罗计划、导弹系统，对可靠性的要求到了变态的程度。我记得看过一个资料，阿波罗飞船的可靠性要求是0.99999，也就是十万分之一的失败概率。这个阶段，FMEA、FTA、可靠性预计等方法论陆续成型。
普及期（1980s-1990s）——日本企业把可靠性带入了民用领域。丰田的“零缺陷”运动、摩托罗拉的六西格玛，让可靠性从“军工专属”变成了“大众标配”。
系统化期（2000s至今）——现在的可靠性，已经不只是硬件的事。软件可靠性、系统可靠性、人因可靠性……而且随着芯片集成度越来越高，可靠性设计（DFR）成了主流。不是等产品做出来再测，而是在设计阶段就把可靠性“设计进去”。

我的感悟：

做了这么多年，我最大的体会是——可靠性不是测出来的，是设计出来的。

你后期做再多测试，也只能发现一部分问题。真正的高手，是在画原理图、选元器件、做布局的时候，就已经在考虑可靠性了。比如：

降额设计——让元器件工作在额定值的80%以下
冗余设计——关键路径双备份
热设计——把热量提前散出去

这些，咱们后面的章节会一个一个讲透。

本章小结

今天咱们聊了四个核心概念：

可靠性的定义——三个“规定”，缺一不可
浴盆曲线——三段寿命，对应不同的失效机理和应对策略
失效率与MTBF——统计指标，别拿单个产品说事
发展历程——从“事后修”到“事前防”，这是每个可靠性工程师的思维转变

嗯，第一课就到这。内容不多，但都是基础中的基础。你把这些概念吃透了，后面的路就好走了。