以下内容为可靠性知识共享学习会的会员朋友（黄永兆）的经验分享，非常感谢其支持与共享，谢谢！
前一篇链接：浅谈产品寿命预测（专辑）---第一篇
五、产品MTBF评估方法
1、MTBF测试法
MTBF测试方式主要有：全寿命试验、定时截尾试验、定数截尾试验。
全寿命试验要求所有样品都在试验中最终都失效，只需要采用简单的算术平均值就可以计算出MTBF。但事实上需要试验样品在试验过程中全部失效，所需要的试验时间可能长达几年、十几年甚至上百年。因此，此方法只可能使用于产品的寿命时间比较短的产品。
定时截尾试验指试验到规定的时间终止。
定数截尾试验指试验到出现规定的故障数或失效数时而终止。
定时截尾试验和定数截尾实验采用的MTBF计算公式为：
Confirmation time，总的样品测试时间
Acceleration factor，加速因子
Likelihood，基于某种置信度水平下定时截尾试验和定数截尾实验因子
目前用于MTBF预计计算的主要标准为MIL-HDBK-217F。该标准是由美国国防部可靠性中心及Rome实验室提出并成为行业标准，专门用于军工产品MTBF值计算。该标准从95年发布最后一版后不再对其进行更新维护，这本身也反应了标准本身的局限性。MIL-HDBK-217F对应的国内版本为GJB299C，目前最新标准为GJB299C-2006，据说要出GJB299D但一直没出来。MIL-HDBK-217F采用了应力分析法和元件计数法分析产品的MTBF。该方法通过元器件的数量以及零件的故障率评估产品的无故障时间。
商用电子产品通常使用Telcordia SR-332标准来进行MTBF预测。该方法是从贝尔实验室通信研究中心发展起来的用于评估电信设备可靠性预计方法。目前最新版本为issue4-2016。该方法给出了三种预计方法，即元器件计数法，实验室数据法以及基于现场数据的预计法。商用电子产品还可以使用SN29500预测手法。这一模型是由西门子公司专门为西门子与西门子有关的人员而研制，作为进行可靠性预计的统一基础。文件中的标准是以规定条件下的失效率为基础。失效率根据应用于实验的经验而确定，外部来源（如217，322）也可以加以考虑。
1、全寿命测试法
假设10台手机每天24小时不间断运行规定的测试，测试内容包括2G/3G语音呼叫、短彩信、浏览器上网、电话本操作。测试过程中出现的测试用例失败情况都会记录下来，然后用10台手机总的运行时间除以全部手机出现的测试失败次数，即得到MTBF值。比如，测试100小时出现1台失效，测试200小时出现2台失效，测试300小时出现3台失效，测试400小时剩下4台全部失效。那么此款手机的MTBF=（100*1+200*2+300*3+400*4）/10=300。即300小时。
2、定时截尾试验测试法
假设10台手机每天24小时在40摄氏度温度下不间断运行规定的测试，测试内容包括2G/3G语音呼叫、短彩信、浏览器上网、电话本操作。测试到规定时间1000小时，没有出现失效。那么按照90%置信度的MTBF是多少。40摄氏度温度的加速因子为3.4（相较于一般25摄氏度用户使用环境，通常采用Arrhenius Mode）
MTBF=1000*10*3.4/2.303=14763小时
3、定数截尾试验测试法
假设10台手机每天24小时在40摄氏度温度下不间断运行规定的测试，测试内容包括2G/3G语音呼叫、短彩信、浏览器上网、电话本操作。测试到1000小时，一台出现失效，测试停止。那么按照90%置信度的MTBF是多少。40摄氏度温度的加速因子为3.4（相较于一般25摄氏度用户使用环境）
MTBF=1000*10*3.4/3.891=8738小时
除了上面介绍的三种方法以外，还有运用《GB/T 5080.7-1986 设备可靠性试验恒定失效率假设下的失效率与平均无故障时间的验证试验方案》的测试方案来进行检测。
1、217预测实例
217预测法主要采用应力分析法和元件计数法分析产品的MTBF。下面主要列举运用元件计数法分析预测产品的MTBF。例如：某电子产品由五类元件组成，分别为集成电路、晶体管、二极管、电容以及电阻组成，元件数量分别为2146、507、1268、416以及2063，那么按照217预测该系统的MTBF如下：
系统总的失效率 λ=9.815*10־⁵/h MTBF=1/λ
所以系统 MTBF(Prediction)=1.018*10⁴ h
2、SR332预测实例
依靠可得到的数据量，对器件i的稳态失效率λSSi可使用如下三种方法中一种方法进行预测：
1、黑箱法（零件计数）
这种方法假设不能从实验室或者现场得到数据，其预测完全基于从本文件中可得到的通用数据。
2、结合实验室数据的黑箱法
这种方法假设可得到相关的器件的实验室数据，该方法使用实验室数据对通用数据进行加权以产生精确的失效率预测。
3、结合现场数据的黑箱法
这种方法假设可得到相关的器件的现场数据，该方法使用现场数据对通用数据进行加权以产生精确的失效率预测。
注意这三种方法都需要对失效率进行黑箱法预测，其他两种方法使用辅助数据是为了提高预测的精度。所以这里也主要介绍黑箱法。
黑箱法对器件稳态失效率的预测建立在器件的基础稳态失效率基础上，这些基础的失效率的值通过质量、应力、环境和温度来进行修正。
λ p= 器件的稳态失效率
λ b=器件的基础失效率
πE= 环境因素：Environment factor
πS=电应力因素：Electrical Stress factor
πT= 温度因素：Temperature factor
πQ=品质因素：Quality factor
八、MTBF计算预测法缺点
由上面的举例可以看出，计算预测法主要考虑的是产品中每个器件的失效率；应力影响因素包括：πE 环境因素Environment factor)、πQ品质因素：(Quality factor)、πA 应用因素：(Application factor)、πC复杂性因素：(Quality factor)、πL 累计因素：(Learning factor)、πS电应力因素：(Electrical Stress factor)、πT 温度因素：(Temperature factor）等。这种方法假设了产品的器件都工作在预期的工作应力下，比如我们通常会假设所有元器件的电压应力都是50%，温度应力都是40摄氏度，但是实际上每个零件都是独立的，它的温度应力，电压应力都是不同的。
另外，由于种种不可预期的因素，产品中某些元器件可能会有瞬间的过应力情况发生。还有一种情况就是很多对产品寿命有影响的应力因素我们难以评估的周全，比如没有充分考虑产品的制造工艺、采购策略、质量管理水平、人为因素等对产品可靠性的影响。同时在计算参数的选择上受计算人员对系数的掌握和了解程度影响很大，例如很多可靠性工程师不了解元件特性，通常会把三极管和MOS管当作同类器件处理，还有即使是同样是MOS管，开关mode和线性mode都会不同，因此和实际值相比会有很大的差异。
未完待续......下一篇预告：主要介绍产品MTBF预测的现实意义、MTBF与设计结合、结尾等！
以上内容，若有不正确，请指导修正，欢迎持续讨论，谢谢！
长按二维码识别关注我们
