2、可靠性测试基础：可靠性定义、浴盆曲线、失效率模型、加速寿命试验原理
各位同学，咱们今天聊聊可靠性测试的基础。说实话，我刚入行那会儿，觉得可靠性就是“东西别坏”。后来踩了不少坑才明白——可靠性是一门严谨的数学和物理科学。你想想看，一颗芯片在手机里能用5年还是10年，这不是拍脑袋定的，背后有一套完整的理论支撑。
2.1 可靠性的定义——别小看这个“概率”
先问大家一个问题：什么叫“可靠”？
我个人的理解是——产品在规定条件下、规定时间内，完成规定功能的能力。注意，这里三个“规定”缺一不可。
- 规定条件：温度、湿度、电压、振动……环境变了，可靠性也跟着变。我在项目中遇到过，一颗芯片在实验室跑得好好的，一到客户现场就频繁失效。后来一查，客户那边的散热条件比我们测试时差太多。
- 规定时间：没有时间限制谈可靠性，那就是耍流氓。你说“这芯片很可靠”，那得说清楚是1000小时还是10年。
- 规定功能：功能退化算不算失效？比如LED灯还能亮，但亮度只有原来的80%——这算不算？嗯，这得看你的“功能定义”怎么写的。
核心公式：
可靠度 R(t) = P(T > t)
说白了，就是产品寿命T大于目标时间t的概率。这个值在0到1之间，越接近1越可靠。
举个例子：某批次芯片的可靠度R(1000h)=0.99，意思是这批芯片在1000小时内，有99%的概率不会坏。剩下的1%呢？那就是失效率了。
2.2 浴盆曲线——产品一生的“健康曲线”
这个曲线我太熟了。做可靠性测试的人，几乎天天跟它打交道。
浴盆曲线把产品寿命分成三个阶段：
| 阶段 | 名称 | 特点 | 失效率 |
|---|---|---|---|
| 早期失效期 | 婴儿期 | 制造缺陷、材料瑕疵 | 高→快速下降 |
| 偶然失效期 | 青壮年期 | 随机应力导致 | 低且稳定 |
| 耗损失效期 | 老年期 | 磨损、老化、疲劳 | 快速上升 |
早期失效期——我建议你们重点关注这个阶段。为什么？因为很多产品刚出厂就坏了，不是设计问题，是制造过程中的“漏网之鱼”。比如焊球空洞、芯片裂纹、封装分层……这些缺陷在出厂测试时可能没被发现，但一上电就暴露了。
怎么处理？老化筛选（Burn-in）。说白了，就是让产品在高温高压下跑一段时间，把那些“体质差”的先淘汰掉。我曾经在一个项目中，把老化时间从48小时延长到96小时，客户端的早期失效率直接降了一个数量级。
偶然失效期——这是产品的“黄金时期”。失效率很低，基本是常数。你想想看，手机用了一两年后，突然某天坏了，大概率不是设计问题，而是运气不好——比如遇到了一个罕见的电压尖峰。
耗损失效期——这个阶段，失效率开始飙升。为什么？因为材料在老化。比如塑封料吸水后分层、键合线疲劳断裂、芯片内部电迁移……这些都是时间积累的结果。
避坑指南：
我曾经犯过一个错误——只关注偶然失效期的失效率，忽略了耗损失效期。结果产品在客户那里用了3年后，批量出现失效。后来才意识到，我们的加速寿命试验时间不够长，没有把耗损机制激发出来。
2.3 失效率模型——用数学描述“坏的概率”
失效率 λ(t) 的定义很简单：在t时刻尚未失效的产品，在单位时间内发生失效的概率。
常见的失效率模型有几种：
- 指数分布：λ(t) = 常数。适用于偶然失效期。数学上最简单，R(t) = e^(-λt)。
- 威布尔分布：λ(t) = (β/η) * (t/η)^(β-1)。这个最灵活，β<1对应早期失效，β=1对应偶然失效，β>1对应耗损失效。
- 对数正态分布：适用于疲劳失效、电迁移等物理机制。
我个人习惯用威布尔分布。为什么？因为它能覆盖浴盆曲线的所有阶段。你只需要调整形状参数β，就能描述不同失效模式。
实际应用：
假设你测得一批芯片的威布尔参数 β=0.8，η=5000小时。β<1说明什么？说明这批芯片还处于早期失效期，需要继续老化筛选。如果β=1.2，说明开始进入耗损失效期了，得考虑更换设计或材料。
2.4 加速寿命试验原理——用“暴力”缩短时间
这个问题很现实：你要验证芯片能用10年，难道真等10年？当然不行。所以我们需要加速寿命试验（ALT）。
原理很简单：提高应力水平（温度、电压、湿度等），让失效加速发生。然后通过模型，把加速条件下的结果换算到正常使用条件。
常用的加速模型：
| 模型 | 适用场景 | 加速因子公式 |
|---|---|---|
| Arrhenius模型 | 温度加速 | AF = exp[(Ea/k)*(1/T_use - 1/T_stress)] |
| Coffin-Manson模型 | 温度循环 | AF = (ΔT_stress/ΔT_use)^m |
| Peck模型 | 温湿度加速 | AF = (RH_stress/RH_use)^n * exp[(Ea/k)*(1/T_use - 1/T_stress)] |
这里有个关键参数——激活能Ea。它反映了失效机制的“脾气”。Ea越大，说明这个失效对温度越敏感。比如电迁移的Ea大约0.5-0.7eV，而腐蚀的Ea可能到1.0eV以上。
注意：
加速试验不是万能的。我曾经见过一个案例，有人把温度从85°C加到150°C，结果触发了完全不同的失效机制——本来应该是焊点疲劳，结果变成了芯片内部金属化腐蚀。这样加速出来的数据，根本不能外推到正常条件。
所以，加速试验的前提是：失效机制不能变。你加速的只是时间，不是物理过程。
最后，给大家一个实用建议：做加速寿命试验时，至少取3个应力水平。为什么？因为你需要验证加速模型的线性关系。只做一个应力水平，你根本不知道模型对不对。
嗯，这一章的内容就到这里。下一章我们聊聊具体的可靠性测试方法——比如HTOL、TC、HAST这些，都是实战中天天用的东西。
课后思考：
如果你拿到一批芯片，测得的威布尔形状参数β=0.6，你会怎么做？是直接出货，还是先做老化筛选？为什么？
公众号:蓝海资料掘金营，微信deep3321