欢迎来到「小Q质量课堂」专栏!本专栏由希维科技精心打造,专注分享质量管理实战经验。在这里,小Q将化身实战专家,带大家运用专业工具、拆解真实工业场景、共同探索解决方案!
本期课题
高温跑得快,常温寿命就一定够吗?——36 台灌封电源模块的 B10 之问
一份摆上桌面的送样决定
一家大型电子元件制造企业的封装检验实验室里,三档高温试验刚刚收尾:110 ℃、125 ℃、140 ℃,每档 12 台灌封电源模块,共 36 台。这批模块将装进工业控制柜,为控制器持续供电。
客户提出的验收条件很具体:40 ℃使用条件下,B10 寿命至少 20,000 小时。这里的 B10,指预计有 10% 产品发生首次失效时的运行时间——客户要的不是“平均能跑多久”,而是“最差的那一成,也不能坏得太早”。
数据表摊开,第一眼很诱人:110 ℃档平均运行 400 多小时,125 ℃档约 310 小时,140 ℃档约 130 小时。温度越高坏得越快,规律干净利落。似乎取个平均、做点换算,40 ℃的寿命就能算出来。
这个念头,恰恰是最危险的起点。
平均值回答不了 B10 的问题。9 台按计划停试的样品,说明的只是“它们活到了停试那一刻”,而不是“它们不会失效”。要回答客户的问题,必须用带删失的加速寿命模型,把高温数据外推到 40 ℃。
数据自己说:点估计过了线,下限远没有
三档温度 36 台样品中,27 台失效、9 台右删失,全部进入同一个模型:Weibull 寿命分布,温度逆关系——即 Arrhenius 逻辑,让寿命尺度随绝对温度的倒数变化。响应为“运行时间”,删失标记区分失效与计划停试,估计目标锁定 40 ℃下的第 10 百分位数,置信水平 90%。
Xiwitab 的百分位数表给出了三个关键数字:
B10 点估计:22,482 小时——略高于 20,000 小时的门槛
标准误:18,457 小时
单侧 90% 下限:7,851 小时
点估计确实越过了客户门槛,但反映估计不确定性的下限,只有门槛的四成不到。外推距离越远——从 110~140 ℃推到 40 ℃,中间隔着一大段没有数据的温度区间——区间下限就越比点估计更值得信。
点估计略高于门槛,不能证明这批产品满足寿命保证。 按预定规则,送样决定被暂缓。
模型诊断还揭示了另一层隐患:三个温度层的调整后安德森达林拟合统计量分别约为 22.967、23.274 和 1.867——前两层明显偏大。同时,最高温档的失效形貌与其他两档存在差异迹象。如果 140 ℃诱出了一条新的失效路径(例如灌封材料在极端温度下的另一条劣化机制),外推的前提“失效机理不变”就不成立,模型再漂亮也是空中楼阁。
原生报告的拟合参数:Weibull 形状 2.312、温度选项系数 763,619、截距 -13,382、对数似然 -174.862,确认模型使用了 27 条失效和 9 条右删失记录。
为什么非要用加速寿命分析?
普通的均值比较或线性回归,会把计划停试当成普通终点,丢掉“停试后仍可能继续运行”的信息;只对某一档温度拟合 Weibull,估不出温度斜率;DOE 是为下一轮试验设计服务的,替代不了对这批已完成寿命记录的删失分析。
温度逆的加速寿命模型可写作:
ln(η(T)) = β₀ + β₁/(T+273.15)
其中 T 为摄氏度,η 为 Weibull 寿命尺度。模型的边界同样明确:三档高温都远高于 40 ℃,温度逆关系只是待检验的物理假设。一条拟合线证明不了失效机理未变——形貌核查、分区拟合和较低温度的后继观察,必须一起看。

图1 Xiwitab 40 ℃ B10 百分位数原生报告截图
复核时最常见的三个误判
误判一:计划停试 = 没坏的证明。
不是。停试样品提供的是“至少活了这么久”的信息,必须以右删失身份进入模型。删失标记一旦标反,寿命估计就失去原义。
误判二:点估计过了门槛 = 寿命被证明了。
高温拟合系数显著,不等于 40 ℃寿命已被证实。外推距离越远,越要盯住区间下限和机理证据。
误判三:把温度层合在一起看 = 更有说服力。
合并可能掩盖批次或形貌差异——两批装夹若只分布在不同温度,批次差异也可能伪装成温度效应。先看分层记录,再决定是否保留共同模型。
暂缓之后,证据这样补
核机理:复核三档失效样品和形貌照片,确认漏电等结局定义一致;重点检查 140 ℃档的灌封材料状态。若最高温确认出现另一类形貌,该档单独分析,重新设计温度梯度,不把原外推当作放行依据。
补低温:下一轮在更接近使用条件的温度增设观察点,并保留 40 ℃长时样品。温度与装夹批次交叉安排,避免把批次差异误判为温度效应;每周更新失效、删失和形貌记录。
设闸门:只有当“40 ℃单侧 90% 下限达到 20,000 小时、三档形貌一致、且后继观察没有早期反例”三个条件同时满足时,才重新审议客户验证批。
写在最后
这场差点放行的送样,最终停在一张百分位数表前。
高温跑得快,不代表常温寿命一定够。能把高温数据“翻译”回常温的,只有正确的模型、诚实的删失处理,和一个不会被点估计冲昏头脑的下限。
客户要的从来不是一个漂亮的平均数,而是一句有依据的“放心用”。
