手机整机可靠性测试，swaat盐雾试验

手机整机可靠性测试，swaat盐雾试验

可靠性常用的分布

1 、 指数分布； 第一章里提到浴盒曲线对应的指数分布为 f(t)＝1 -e-?t； 如何得到这一分布？

设产品在 t 时间内总的失效率 f(t)， 则：

在 t 时刻产品的存活率 r(t)=1 -f(t)；

在 t 时刻的失效为 t 时间内的失效率的导数、 即 f(t)=f’ (t)；

在 t 时刻的失效率为 t 时刻的失效比 t 时刻的存活率、 即 f(t)/r(t)。

根据浴盆曲线， 当产品在稳定失效阶段时任意时刻的失效率为λ 。

综上， 即得到等式： λ ＝f(t)/r(t)=f’ (t)/(1 -f(t))；

解此微分方程得到一个特解： f(t)＝1 －e-?t；

所以 r(t)=e-?t， 这就是指数分布；

2、 威布尔分布； 与指数分布相比， 只是变量λ 不一样。 威布尔分布的 f(t)=1 -e^(-t/a)^b； 当 b＝1时， f(t)=1 -e^(-t/a)，

这也就是指数分布； 我们威布尔分布来看看其它参数：

r(t)＝1 -f(t)=e^(-t/a)^b；

f(t)＝f`(t)=(b/t)*(t/a)^b*e^(-t/a)^b；

失效率＝f(t)/r(t)＝(b/t)*(t/a)^b；

3、 对数正态分布； 顾名思义， 说明产品在 t 时间内的失效率与 t 服从对数正态分布， 也就是说 f(t)与ln(t)成正态分布。

标准表达式为： f(t)=Φ((lnt-ln(t50))/δ )；

根据各种分布， 都可以方便地求出产品 mtbf。

要求出产品的 mtbf 就必须找到样品的失效时间， 这样我们必须取出一定的样品做特定的测试、 记录样品的失效时间，

然后计算产品的 mtbf。 在开始计算 mtbf 之前， 我们先插述各种测试的筛选强度， 也就是此种测试能发现样品存在

缺陷的可能性。

三、 筛选强度

在进行环境应力筛选设计时， 要对所设计的方案进行强度计算。 这样才能更有效的析出产品缺陷。 在典型筛选应力选择时，

一般恒定高温筛选用于元器件级， 温度循环用于板级以上产品； 温度循环的筛选强度明显高于恒定高温筛选。 下面介绍一

些筛选强度（ss） 的数学模型。

1 、 恒定高温筛选强度

ss=1 -exp [-0.001 7(r+0.6)0.6t]

式中： r—高温与室温(一般取 25℃)的差值； t—恒定高温持续时间(h)； 例： 用 85℃对某一元器件进行 48h的筛选， 则其

筛选强度为:44.5% =1 - exp(-0.001 7*((85+0.6)^0.6)*48)；

2、 温度循环的筛选强度

ss=1 -exp{-0.001 7(r+0.6)0.6[ln(e+v)]3n}

式中： r—温度循环的变化范围（℃）； v—温变率（℃/min）； n—温度循环次数； 例： 用 60℃到－40℃以 10℃/min 的速

率 做 1 5 次 循 环 （ 每 个 循 环 20min ， 1 5 个 共 计 5h ） 则 对 应 的 筛 选 强 度 为：

99.87%=1 -exp(-0.001 7*((1 00+0.6)^0.6)*((ln(2.71 8+1 0))^3)*15)；

3、 随机振动的筛选强度

ss=1 -exp{-0.0046(grms)1 .71 ·t}

式中： t—为振动时间（min）； grms---单位 g； （这个地方我也没有找到资料）。

四、 mtbf 的计算

1 、 基本 mtbf 的测试

在实际工作过程中， 很多时候并不需要**在知道某个产品的 mtbf， 只需要知道是否可以接受此产品。 这时， 只需要对

产品进行摸拟运行测试， 当产品通过了测试时， 就认为产品达到了要求的 mtbf， 可以接受此产品。

如何确定产品应该进行什么样的测试， 也就是我们应该用多少样品进行多长时间的测试？ 根据 mtbf（平均失效间隔时间）

的定义， 从“平均” 这一个看来， 失效的次数越多计算值就越能代表“平均值”， 当然失效的次数越多对应的总测试时间也

就越长； 一般情况下要求： 只要测试时间允许， 失效的次数就应该取到尽可能地多。

下面用一个例子来说明测试条件的确定方法。

题五： 某种产品， 要求在 90%的信心度下 mtbf 为 2000h， 如何判定此产品的可靠性是否达到了规定的要求？

可以转化为判定此产品是否能通过规定时间的模拟运行测试， 其关键是要找出测试时间； 测试时间＝a× mtbf， a 这个因

子与“在这段时间内允许失效的次数” 和“90%的信心度” 有关系。 根据已经成熟的体系， 直接代用公式：

a＝0.5*x2（1 -a， 2(r+1 )）

x2（1 -a， 2(r+1 )） 是自由度为 2(r+1 )的 x 平方分布的 1 -a 的分位数；

a 是要求的信心度， 为 90%； r 是允许的失效数， 由你自己决定；

此分布值可以通过 excel 来计算， 在 excel 中对应的函数为 chiinv；

如允许失效 1 次时， a=0.5*chiinv(1 -0.9,2*2)=0.5*chiinv(0.1,4)＝0.5*7.78＝3.89； 所以应该测试的时间为： 3.89×2000

＝7780h。 也就是当设备运行 7780h 是只出现一次失效就认为此产品达到了要求的可靠性。

7780h 是 324 天（7780/24＝324）， 快一年了， 做一次测试花一年的时间？ 太长！ 我们可用这样去调整：①增加测试的总

样品数； 7780 从统计上看， 准确地说是 7780 台时、 它是“机台×时间” 这样一个量，也就是所有样机的测试时间总和；

如果测试中有 50 台样机， 则只需要测试 1 55.6h； 如果有 1 00 台样机， 则只需要测试到 77.8h（强烈建议在mtbf 的测试

中采用尽可能多的样品数）； ②减少允许失效的次数； 允许失效的次数为 0 时， 同上计算后得到测试时间为 4605台时（一

般不建议采用此种方式来缩短测试时间， 这样会增大测试的误差率）。

对于价格较低、 数量较多的产品（如各种元器件、 各种家用电器等）， 用上面介绍的方法， 可以很方便地进行测试； 但当产

品的价格较高、 mtbf 较高的产品如何测试？