Page 42
8 Device Parameter Values
II-VI Proprietary
Page 43
8 Device Parameter Values
II-VI Proprietary
Page 44
8 Device Parameter Values
II-VI Proprietary
Page 39
8 Device Parameter Values
II-VI Proprietary
Page 40
8 Device Parameter Values

II-VI Proprietary
Page 41
8 Device Parameter Values
II-VI Proprietary
II-VI Proprietary Page 11
3 器件稳态失效率预计
• 三种方法都要求使用黑盒法来预计失效率， 额外的两种方法是用来提高某些特殊器件 的预计准确度的。
II-VI Proprietary
Page 12
3 器件稳态失效率预计
II-VI Proprietary
Page 13
3 器件稳态失效率预计
式中： – πe环境因子 – Li同一类型零件总失效率 – Ci同一类型零件总标准差
II-VI Proprietary Page 21
5 部件失效率预计
如果，所有的零件采用相同的质量水平，相 同的工作温度，相同的电应力条件，则
– 式中：Ni该类型零件数量
否则，需要根据实际使用情况对各零件失效 率进行质量、温度、电应力修正：
Page 45
9 Failure Rate Factors
II-VI Proprietary
Page 46
9 Failure Rate Factors
II-VI Proprietary
Page 47
9 Failure Rate Factors
II-VI Proprietary
Page 48
9 Failure Rate Factors
II-VI Proprietary
Page 4
2 电子设备可靠性预计
• 2.1 可靠性预计的目的.
– 帮助评估产品维修活动的可靠性效果，和评估 备品需求的数量 – 为系统级的可靠性模型提供必要的输入 – 为组件和系统级的生命周期成本分析提供必要 的输入 – 帮助决定在一系列竞争产品中采购何种产品 – 可用来为产品可靠性测试需求建立企业测试标 准 – 作为复杂系统分析的输入 – 用来设计权衡研究，比如一种由很多简单器件 组成的设计和一种更少但更新和更复杂器件组 成的设计，更少器件的通常更可靠
II-VI Proprietary
Page 22
5 部件失效率预计
II-VI Proprietary
Page 23
5 部件失效率预计
II-VI Proprietary
Page 24
5 部件失效率预计
II-VI Proprietary
Page 25
5 部件失效率预计
II-VI Proprietary
II-VI Proprietary
Page 3
1 引言
• 1.2 变更
– Section 8: 器件失效率有更新，少数器件复杂范 围有扩展，另外增加了新器件类型 – Section 9: 环境因子有更新，基于市场数据和论 坛成员共同的经验
– 新增了项目的说明和指导，来自论坛成员的提 议和标准使用者针对问题频繁的提问
II-VI Proprietary Page 9
2 电子设备可靠性预计
• 2.3 方法概要 可靠性预计流程提供了电子设备早期和稳态阶段的失效率预计方 法，没有包含损耗阶段，其假设设备在其生命周期内没有进入损 耗阶段
– 2.3.1 早期寿命失效率计算 器件的早期寿命因子的计算在Section4，部件的早期寿命因子由组成 它的器件按平均的权重计划，详见Section5.4 – 2.3.2 稳态失效率计算 部件的失效率预计基于组成部件的器件的失效率，同样的串联系统 的失效率预计基于组成它的部件的失效率；即更低级别的设备预计 用来预计更高级别的设备。 在不同的级别，失效率预计可以使用由一到三种方法：
电子设备可靠性预计
SR332 Issue 4, March 2016
目录
• • • • • • • • • 1 引言 2 电子设备可靠性预计 3 器件稳态失效率预计 4 器件早期寿命因子预计 5 部件失效率预计 6 系统可靠性 7 失效率置信度上限 8 器件参数 9 失效率因子
II-VI Proprietary Page 2
Page 30
8 Device Parameter Values
II-VI Proprietary
Page 31
8 Device Parameter Values
II-VI Proprietary
Page 32
8 Device Parameter Values
II-VI Proprietary
II-VI Proprietary
Page 7
2 电子设备可靠性预计
• 2.2.3 失效率定义
– Early Life早期寿命（婴儿死亡率）：失效率高， 但下降迅速。失效时间模型适合Weibull分布， 该方法假设产品运行的前10000小时（略多于1 年） – Steady-State稳态：该阶段接在早期阶段，失效 以恒定的速率发生，称作稳态失效率，失效时 间服从指数分布。可靠性预计流程假设电子设 备在大约运行1年后处于该阶段 – Wear-Out 损耗：失效率迅速增加。通常，损耗 在电子器件服务寿命期不会发生，可能多达20 年，因此在此可靠性预计流程中不考虑损耗期
• 3.2 Method II-D: Techniques Integrating Laboratory Data
使用试验数据有两种方法预计稳态器件失效 率，取决于实验室的试验是否有burned-in， 不管哪种情况，平均和标准偏差计算如下：
n是实验室试验的器件失效数量，两种方法中 A是不同的
II-VI Proprietary Page 14
II-VI Proprietary
Page 6
2 电子设备可靠性预计
• 2.2 失效定义 • 可靠性预计流程直接面对的是部件级别的 由器件硬件失效引起的失效。使用该方法 预计失效率不包含如下：
– 短暂的失效，如由于alpha粒子和宇宙辐射效应 引起的软错误 – 制造工艺有问题（比如焊点，印制电路板装配， 接线） – 软件错误 – 程序错误引起的失效
II-VI Proprietary
Page 49
9 Failure Rate Factors
II-VI Proprietary
Page 50
9 Failure Rate Factors
II-VI Proprietary
Page 51
II-VI Proprietary Page 8
2 电子设备可靠性预计
• 2.2.3.3 失效率影响因子 器件失效率是随着运行条件和生产质量变化而变化
– 器件运行温度：指在部件内部器件位置的温度，定义 为在器件表面0.5英寸处的温度。可靠性预计流程使用 温度因子来模拟温度对失效率的影响，因子可在 Section 9.1找到，基于运行温度和器件类型。该数值标 准化为40C，对于所有器件温度因子为1.0 – 壳体温度(Tc)：壳体温度是器件壳体外面测得的外部器 件温度，大部分散热器件的壳体温度用来决定器件的 运行温度 – 电应力： Section9.2，假设因子电应力为50%，对所有 器件类型因子为1 – 质量： Section9.3，质量因子最高级0.8，最低级6.0， 默认使用LEVEL II，质量因子1.0 – 环境条件： Section9.4，环境因子从1（地面，固定的， 受控环境比如中心办公室）到15（太空商用环境，如 商用通讯卫星）
为了区别不同级别的方法， Method I, II, III对应部件级别， Method ID, II-D, III-D对应器件级别
II-VI Proprietary
Page 10
2 电子设备可靠性预计
• 2.3.5统计学考虑 • 2.3.5.1 置信度上限UCL
– 器件和部件的失效率预计在Section 3和Section 5， 是平均预计值，并没有对不确定性和变异性作 出说明。 – 如果需要更保守的失效率预计，比如介于60% 和90%的置信度上限，则需用到该标准；其表 示只有100%-60%=40%或100%-90%=10%的可能 性，预计的失效率会低于真实的失效率。 – UCL越高，则预计越保守。Section 7提供了基于 Section3和5预计出的平均值和标准偏差来计算 UCL失效率的方法。
1 引言
• 1.1 目的和范围
– 为预计器件(device)，部件(unit)和串联系统硬件 (serial system hardware)的可靠性推荐方法 – 不能用来直接预计非串联系统的可靠性，但可 以用来自该标准预计出来的部件的数据；短暂 故障、软件问题、程序错误或意外的运行环境 对系统级的可靠性有重大影响，系统硬件的失 效只是总系统故障率的一部分 – MTBF和FIT的计算方法和假设须明确
Page 18
3 器件稳态失效率预计
II-VI Proprietary
Page 19
4 器件早期寿命因子预计
II-VI Proprietary
Page 20
5 部件失效率预计
该方法假设各零件在统计学上相对独立，原理是 将组成单元的零件按类型拆分，分别计算出各个 零件类型的总失效率，然后按类型求和、乘以环 境修正因子。公式如下：
• Method I: The Black Box or Parts Count Method • Method II: The integration of laboratory data with the Black Box/Parts Count Method • Method III: The integration of field data with the Black Box/Parts Count Method