为什么HALT不能够提供精确的MTBF值，而这又不是个问题呢 ?
为什么HALT不能够提供精确的MTBF值，而这又不是个问题呢 ?
前言
一个最常见的问题就是如何从HALT结果中导出一个MTBF值。HALT本身无法计算出一个精确的MTBF值，但是它可以帮助我们获得一个更加可靠的系统。这不应算HALT的一个缺点，因为我们的目的是获得一个高可靠性的产品而不是简单的获得一个MTBF值。对于哪些坚持要求MTBF值的客户，一般利用可靠性预计的结果就可以满足他们的要求，而其它的一些客户则可以通过可靠性寿命实验或者实际的现场数据来提供他们想要的MTBF值。
当今的MTBF工具
现在最流行的三个MTBF计算可靠性预计、可靠性寿命实验和现场数据。
在计算MTBF值的时候可靠性预计工具是非常有用的工具，因为我们可以在产品出货前很快的了解到产品的MTBF。但是可靠性预计的结果经常存在精确度的问题。一般板极产品的可靠性预计需要4到8小时（使用通常的可靠性预计标准，例如美军标217F或者贝尔实验室的RPP 332），但是这些预计手册是利用众多型号零部件的现场失效数据集做依据的。这样一来就导致了预计结果的不确定性，因为很多公司的产品应用可能会有很大的区别。可靠性预计通常一个因子分为十个等级或者更多，具体数据经由产品的寿命周期中的现场数据决定。通过实际的应力能够对预计结果进行修正，如温度、电子、质量、环境和工厂的筛选等。可是实际的应力水平，尤其是电压和功率经常是非常难于确定。
一个更好的方法是通过可靠性寿命实验来计算MTBF。这时候HALT就可以帮助我们制定一个合理的应力条件并计算这个应力条件下的加速因子。对于可靠性寿命实验来讲最重要的也许就是选择合理的应力水平了，因为太小的应力会导致测试时间过长或者测试样品量太大并提高测试成本，而太大的应力更坏，因为如果应力超过产品所能够承受的正常范围，那么一些不相关的实效会被激发，这时候的结果可能就是无效的，我们还需要再次在低应力水平下重新进行测试。可靠性寿命实验最大的缺点是实际的应力水平非常难定义，如果我们用一个标准的应力来代替则可能导致测试时间的增加。典型的可靠性寿命实验如果采用标准的应力水平，则测试时间可能会到6个月或者更长，具体的时间还决定于测试样品的数量和置信度的大小。同时实验中的测试程序通常也区别于最终用户的实际情况，这同样也会导致MTBF值的偏差。
而另外一个比较好的方法就是利用现场数据，因为这些数据直接来之于客户使用产品的过程当中。MTBF值可以只用用实效产品的数量和所有在使用产品的使用时间比来获得。但是同样这个方法也存在着一些缺陷。第一个缺陷是很多客户不了解产品造成很多产品变成没有问题发生，或者维修人员根本不知道什么问题发生。同时由于很多客户更好换和寄回配件花了几周，这在一定程度上延长了产品的MTBF。最终所有的一切导致从现场反馈的数据并不正确。另外在我们获得这些数据并了解到产品设计存在问题的时候，工厂早就出货了上百甚至上千台的系统。
为什么HALT不能够为我们提供MTBF值
这三个最通用的可靠性预计方法并不能够提供有效、及时和精确的MTNF值。当然如果HALT可以的话我们就非常惊讶了。产品的寿命数据要求精确的加速因子和很多的失效数据。加速因子越大，MTBF结果越不精确。失效数据越少，MTBF的置信度越低。HALT恰恰采取的步进应力的途径去进行加速寿命实验，逐步增加应力并在进入到下一个应力前验证产品的功能。相对于其它的加速实验，这种方法能够帮助我们更快的获得结果，但是对于大部分零部件来讲利用这个应力水平下的加速因子也许会导致一个错误的结果（或者至少来讲是不精确的）。同时由于对于加速测试的时间压缩，所以MTBF的计算结果会变的更加偏离。
另外HALT通常在产品量产前进行，很多都是在产品的设计前期，从而让我们在产品量产前发现问题并进行分析和导入有效的改善措施。但是缺点是这时候我们通常只有有限的几个样品，当然了能够发现的问题也比较少（一般发现3到10个失效）。失效的数量是置信度的一个关键因子。置信度决定了MTBF可能出现的范围， 失效越小则置信度越低。如果一个HALT测试只进行了100小时，它可能的MTBF上限可能是100万小时。太低的置信度最终导致可靠性数据的不确定性。
有两种方法可以利用HALT结果来计算MTBF值
尽管通过HALT不能够单独计算出MTBF值，但是有两种方法可以利用HALT结果来获得精确的MTBF值。
方法一：利用HALT来改进可靠性寿命实验
第一个方法是利用HALT结果来选择一个积极的加速因子来执行可靠性寿命实验。我们已经有了很好的温度和温度循环的模型，一旦HALT完成，下一步就是去评估产品极限并依据这些极限来设定可靠性寿命实验的应力水平。同样重要的是评估不同极限下的失效或者是此应力条件下失效是否是因为过应力或者磨耗产生。如果是后者，那么这个失效就是不能够通过加速产生的，我们必须注意在可靠性寿命实验中不能够选择这个极限来进行测试，因为那些失效并不能够带给我们和产品寿命相关的有意义的数据。
对于利用HALT来改进可靠性寿命实验的一个缺点是需要6个月或者更长的时间来进行测。第二个缺点是如果在HALT中出现磨耗失效，那么可靠性寿命实验的应力水平必须在此极限的基础上下调足够的裕量，这样一来就会导致较低的加速因子并延长测试时间或者测试样品数量，也许两者都是。
方法二：用HALT数据来关联现场数据
在每一个产品的HALT完成后，我们就会用HALT中发现的失效来跟踪现场中的类似失效。一旦我们发现了某个失效，那么此失效的加速因子就可以很容易根据应力水平和时间计算出来，同样在使用使用环境中出现同样失效的时间我们也可以知道了。在我们对不同的几个产品完成这些工作后，我们就可以建立一个数据库来利用HALT结果来进行预测。这时候对于新的HALT失效我们可以在数据库中查询并获得达成此失效的时间。
对于利用HALT结果来关联现场数据有一个缺点，那就是众多的产品都需要去进行HALT然后建立足够的数据库才行。这可能需要一个公司花费多年时间才能够完成。另外产品的型号或者技术的重大变化会导致数据库的失效，因为此预计只对于类似的失效模式和类似的零部件有效。
结论
这三个通用的产品可靠性数据方法（预计、可靠性寿命实验和现场数据）并不能够提供有效的产生及时并准确的MTBF值。因此，如果HALT可以做到我们会非常的惊讶。然而这并不能够说这就是HALT的一个缺陷，因为一个好的可靠性项目的目标是设计一个可靠的产品，二不是计算产品的可靠性。
对于那些一定需要MTBF值但是又不信任预计数据并希望获得比可靠性寿命实验更快的客户，利用HALT的结果可以有两种方法来改善精度和缩短时间。第一个方法是利用HALT数据来选择一个积极的加速因子来进行可靠性寿命实验。但是主要的缺点是仍然需要几个月才能够完成实验。第二个方法是利用HALT数据来关联现场失效。在每一个产品的HALT结束后，，我们就会用HALT中发现的失效来跟踪现场中的类似失效。它的主要缺点是众多的产品都需要去进行HALT然后建立足够的数据库才行，如果产品的型号或者技术的重大变化会导致数据库的失效。
翻译版权所有，严禁任何媒体转载和发布
前言
一个最常见的问题就是如何从HALT结果中导出一个MTBF值。HALT本身无法计算出一个精确的MTBF值，但是它可以帮助我们获得一个更加可靠的系统。这不应算HALT的一个缺点，因为我们的目的是获得一个高可靠性的产品而不是简单的获得一个MTBF值。对于哪些坚持要求MTBF值的客户，一般利用可靠性预计的结果就可以满足他们的要求，而其它的一些客户则可以通过可靠性寿命实验或者实际的现场数据来提供他们想要的MTBF值。
当今的MTBF工具
现在最流行的三个MTBF计算可靠性预计、可靠性寿命实验和现场数据。
在计算MTBF值的时候可靠性预计工具是非常有用的工具，因为我们可以在产品出货前很快的了解到产品的MTBF。但是可靠性预计的结果经常存在精确度的问题。一般板极产品的可靠性预计需要4到8小时（使用通常的可靠性预计标准，例如美军标217F或者贝尔实验室的RPP 332），但是这些预计手册是利用众多型号零部件的现场失效数据集做依据的。这样一来就导致了预计结果的不确定性，因为很多公司的产品应用可能会有很大的区别。可靠性预计通常一个因子分为十个等级或者更多，具体数据经由产品的寿命周期中的现场数据决定。通过实际的应力能够对预计结果进行修正，如温度、电子、质量、环境和工厂的筛选等。可是实际的应力水平，尤其是电压和功率经常是非常难于确定。
一个更好的方法是通过可靠性寿命实验来计算MTBF。这时候HALT就可以帮助我们制定一个合理的应力条件并计算这个应力条件下的加速因子。对于可靠性寿命实验来讲最重要的也许就是选择合理的应力水平了，因为太小的应力会导致测试时间过长或者测试样品量太大并提高测试成本，而太大的应力更坏，因为如果应力超过产品所能够承受的正常范围，那么一些不相关的实效会被激发，这时候的结果可能就是无效的，我们还需要再次在低应力水平下重新进行测试。可靠性寿命实验最大的缺点是实际的应力水平非常难定义，如果我们用一个标准的应力来代替则可能导致测试时间的增加。典型的可靠性寿命实验如果采用标准的应力水平，则测试时间可能会到6个月或者更长，具体的时间还决定于测试样品的数量和置信度的大小。同时实验中的测试程序通常也区别于最终用户的实际情况，这同样也会导致MTBF值的偏差。
而另外一个比较好的方法就是利用现场数据，因为这些数据直接来之于客户使用产品的过程当中。MTBF值可以只用用实效产品的数量和所有在使用产品的使用时间比来获得。但是同样这个方法也存在着一些缺陷。第一个缺陷是很多客户不了解产品造成很多产品变成没有问题发生，或者维修人员根本不知道什么问题发生。同时由于很多客户更好换和寄回配件花了几周，这在一定程度上延长了产品的MTBF。最终所有的一切导致从现场反馈的数据并不正确。另外在我们获得这些数据并了解到产品设计存在问题的时候，工厂早就出货了上百甚至上千台的系统。
为什么HALT不能够为我们提供MTBF值
这三个最通用的可靠性预计方法并不能够提供有效、及时和精确的MTNF值。当然如果HALT可以的话我们就非常惊讶了。产品的寿命数据要求精确的加速因子和很多的失效数据。加速因子越大，MTBF结果越不精确。失效数据越少，MTBF的置信度越低。HALT恰恰采取的步进应力的途径去进行加速寿命实验，逐步增加应力并在进入到下一个应力前验证产品的功能。相对于其它的加速实验，这种方法能够帮助我们更快的获得结果，但是对于大部分零部件来讲利用这个应力水平下的加速因子也许会导致一个错误的结果（或者至少来讲是不精确的）。同时由于对于加速测试的时间压缩，所以MTBF的计算结果会变的更加偏离。
另外HALT通常在产品量产前进行，很多都是在产品的设计前期，从而让我们在产品量产前发现问题并进行分析和导入有效的改善措施。但是缺点是这时候我们通常只有有限的几个样品，当然了能够发现的问题也比较少（一般发现3到10个失效）。失效的数量是置信度的一个关键因子。置信度决定了MTBF可能出现的范围， 失效越小则置信度越低。如果一个HALT测试只进行了100小时，它可能的MTBF上限可能是100万小时。太低的置信度最终导致可靠性数据的不确定性。
有两种方法可以利用HALT结果来计算MTBF值
尽管通过HALT不能够单独计算出MTBF值，但是有两种方法可以利用HALT结果来获得精确的MTBF值。
方法一：利用HALT来改进可靠性寿命实验
第一个方法是利用HALT结果来选择一个积极的加速因子来执行可靠性寿命实验。我们已经有了很好的温度和温度循环的模型，一旦HALT完成，下一步就是去评估产品极限并依据这些极限来设定可靠性寿命实验的应力水平。同样重要的是评估不同极限下的失效或者是此应力条件下失效是否是因为过应力或者磨耗产生。如果是后者，那么这个失效就是不能够通过加速产生的，我们必须注意在可靠性寿命实验中不能够选择这个极限来进行测试，因为那些失效并不能够带给我们和产品寿命相关的有意义的数据。
对于利用HALT来改进可靠性寿命实验的一个缺点是需要6个月或者更长的时间来进行测。第二个缺点是如果在HALT中出现磨耗失效，那么可靠性寿命实验的应力水平必须在此极限的基础上下调足够的裕量，这样一来就会导致较低的加速因子并延长测试时间或者测试样品数量，也许两者都是。
方法二：用HALT数据来关联现场数据
在每一个产品的HALT完成后，我们就会用HALT中发现的失效来跟踪现场中的类似失效。一旦我们发现了某个失效，那么此失效的加速因子就可以很容易根据应力水平和时间计算出来，同样在使用使用环境中出现同样失效的时间我们也可以知道了。在我们对不同的几个产品完成这些工作后，我们就可以建立一个数据库来利用HALT结果来进行预测。这时候对于新的HALT失效我们可以在数据库中查询并获得达成此失效的时间。
对于利用HALT结果来关联现场数据有一个缺点，那就是众多的产品都需要去进行HALT然后建立足够的数据库才行。这可能需要一个公司花费多年时间才能够完成。另外产品的型号或者技术的重大变化会导致数据库的失效，因为此预计只对于类似的失效模式和类似的零部件有效。
结论
这三个通用的产品可靠性数据方法（预计、可靠性寿命实验和现场数据）并不能够提供有效的产生及时并准确的MTBF值。因此，如果HALT可以做到我们会非常的惊讶。然而这并不能够说这就是HALT的一个缺陷，因为一个好的可靠性项目的目标是设计一个可靠的产品，二不是计算产品的可靠性。
对于那些一定需要MTBF值但是又不信任预计数据并希望获得比可靠性寿命实验更快的客户，利用HALT的结果可以有两种方法来改善精度和缩短时间。第一个方法是利用HALT数据来选择一个积极的加速因子来进行可靠性寿命实验。但是主要的缺点是仍然需要几个月才能够完成实验。第二个方法是利用HALT数据来关联现场失效。在每一个产品的HALT结束后，，我们就会用HALT中发现的失效来跟踪现场中的类似失效。它的主要缺点是众多的产品都需要去进行HALT然后建立足够的数据库才行，如果产品的型号或者技术的重大变化会导致数据库的失效。
翻译版权所有，严禁任何媒体转载和发布
没有找到相关结果
已邀请:
RSS Feed
5 个回复
cc20061212 (威望:0)
赞同来自: