企业官网建设流程全解析

简介：《MTBF计算书（MTBF计算示例）》是一份面向电子硬件设计、可靠性工程及质量验证人员的实用案例文档，围绕平均故障间隔时间（MTBF）的评估流程，给出可对照学习的计算范本。文档以金属膜电阻器为主要对象，结合常州智电电子有限公司的实例，完整展示基本失效率、环境系数、质量系数、应力系数等参数的取值依据，并运用 λp=λbπEπCVπQ 逐步计算工作失效率，涵盖R1、R10、R11等多组位号及型号数据。资源包共1个PDF文件，大小约187KB，正文约34页，以表格化清单和计算过程为主，便于按元件类别查阅与复核。目前已有1649人学习，适合需要理解MTBF建模、开展元器件失效率估算或编写可靠性计算书的技术人员参考，也可作为产品可靠性评审与设计验证的辅助材料。

1. MTBF 不是平均寿命：34 页计算书到底在算什么

很多人第一次看到 MTBF 这个词，会下意识把它读成“这台设备平均能用多久”。于是一份写着几十万小时的计算书摆在面前，第一反应是“这机器能用几十年？”。偏差就在这里：MTBF 描述的不是寿命终点，而是稳态工作期内两次故障之间的平均间隔，它的倒数就是失效率 λ——一个描述“每小时坏掉的概率”的量。这份 34 页的 MTBF 计算书做的事很朴素：把一块多路输出开关电源上几百个器件，按种类逐行查表取基本失效率，乘上一串环境、质量、应力修正系数，算出每行的工作失效率，再全部相加。它不预测哪天会坏，它回答的是这套设计的失效率预算是多少。

2. 串联模型：为什么整机失效率就是所有器件相加

2.1 恒定失效率假设：计算只在浴盆曲线底部成立

可靠性工程里有一条著名的浴盆曲线：左端是早期失效期，失效率随时间去递减，对应产线上的老化筛选；中间是一段长长的平坦区，失效率近似常数；右端是耗损失效期，随磨损、电解液干涸、镀层疲劳而快速上升。

所有基于手册的 MTBF 计算，都只在中间那段平坦区有效。这也是为什么计算书的表头必须写清楚工况：输入 80VDC、输出满载、环境温度 25℃。这些条件不是为了好看，它们是把器件「钉」在平坦区某一点上的坐标。一旦你把环境温度改成 70℃、把负载从 100% 拉到 120%，平坦区的位置就变了，整份计算书要重算。

恒定失效率这个假设一旦成立，数学上就非常好办：器件的寿命服从指数分布，生存函数是 R(t) = e^(-λt)。指数分布有「无记忆性」——已经正常跑了 1000 小时的器件，接下来 1 小时的失效概率和全新的一模一样。这个性质在物理上当然不严谨，但在电子元器件进入稳定期后的确是个足够好的近似，而且它让整机可靠性可以从零件可靠性直接推出来。

2.2 从 R(t)=e^(-λt) 到 λ_total=Σλ_i

推导只有两步，但每一步都藏着工程假设。

第一步，单个器件的生存概率是 R_i(t) = e^(-λ_i·t)。第二步，假设整机是「串联可靠性框图」——任何一个器件失效，整机就失效，没有冗余、没有旁路。那么整机存活等价于所有器件同时存活：

R_system(t) = Π R_i(t) = Π e^(-λ_i·t) = e^(-(Σλ_i)·t)

对照指数分布的标准形式，立刻得到 λ_system = Σλ_i，于是 MTBF = 1 / λ_system。

这个推导的杀伤力在于：它把「整机可靠性」这个很虚的概念，变成了一次加法。你不需要理解电源环路怎么补偿、PWM 怎么调制，只需要把每一行的 λp 加起来取倒数。计算书的最后一页通常就一行字——总失效率多少、MTBF 多少小时，背后的全部依据就是这一个加法。

但串联假设本身就是一条设计取舍。真实的电源里，输出侧的滤波电容坏掉可能只是纹波变大，未必立刻停机；某一路输出的整流管击穿，其他路也许还能工作。串联模型故意不承认这种「部分降级」，把所有器件都当成单点故障。这是保守估计，也是它能被评审接受的原因——宁可算低，不能算高。

2.3 数量比单个器件的品质更致命

因为 λ 是线性相加的，一个器件再可靠，乘上几百个也会变成可观的分量。这份文档里最能说明问题的是 PCB 那一行：金属化孔 480 个，单个孔的基本失效率只有 0.00017（单位 10⁻⁶/h），听起来可以忽略，可 480 × 0.00017 = 0.0816，加上基板本身的 0.0011，再乘上环境、质量、复杂度系数，整行贡献 0.16880。这个数字比很多有源器件都大。

反过来看那些「单件失效率高」的选手：铝电解电容某些行的行合计能到 0.5 量级，继电器、光耦也在 0.2 以上。它们数量少，但一颗顶几百个电阻。

这就是为什么可靠性预计不能只盯着「关键器件」看。真正决定 MTBF 的，是「单件失效率 × 数量」这个乘积在整张表里的分布。经验上，一张元器件表里排名前 10 的行，往往贡献了 70% 以上的总失效率。做设计改进时，先砍这 10 行，收益最大。

3. π 系数体系：基本失效率为什么要乘一串修正因子

3.1 λb 从哪来：查表法是一种工程折中

看表格你会发现一个规律：同一类器件，λb 的取值少得可怜。金属膜电阻反复出现 0.005、0.009、0.01 这几个数，安规电容是 0.0018、0.0031，整流管是 0.016、0.036、0.051。

这不是偷懒，而是手册法的核心设计：把海量的现场失效数据和实验室加速试验数据，按「器件大类 + 额定功率/耐压档位」聚合成一张离散的基准表，λb 就是这张表里某个档位的代表值。同档位内的差异（比如同样是 1/4W 金属膜电阻，阻值从 10Ω 到 1MΩ）交给后面的应力系数去修正，不放进 λb。

这套做法的好处是可复现：两个人拿到同一份 BOM、同一套表格，算出来的结果应该一模一样。代价是精度——它描述的是「这一类器件」的统计平均，而不是「这一颗」的真实寿命。所以计算书里每一行都要标注查的是哪张表（表 5.1.4.2-5、表 5.1.6.5-1 这类编号），编号就是可追溯性的锚点。

λb 的物理含义是「在标准参考条件下的失效率」。参考条件通常是：环境温度 25℃、电应力比 0.1~0.5、质量等级中等。所有偏离参考条件的地方，都要用 π 系数补回来。

3.2 πE 环境系数：同一颗电阻在不同场景下的寿命差

πE 是整串系数里影响最大的一个。它描述器件所处的宏观环境：地面固定机房、地面移动设备、舰船舱内、机载、航天……每一档对应一个数值，这份文档里 GF1 对应的值是 1.8（电阻类）或 2.5 或 2.4（其他类别表格）。

环境不只是温度。它囊括了振动、湿度、盐雾、温度循环、气压。同一颗金属膜电阻，装在恒温机柜里和装在带风机、有振动的户外机箱里，膜层的裂纹扩展速率能差好几倍，这就是 πE 要表达的东西。

这里有一条容易踩的坑：πE 在不同器件大类下取自不同的表格，数值不同。电阻表里 GF1 是 1.8，MOS 管的表里 GF1 可能是 2.0，电解电容的表里是 2.4。它们同名同义，但不能互相套用。计算书里每一行的 πE 后面都跟着一个表号，就是为了防这个。

3.3 πQ 与 πL：采购等级和成熟度怎么进公式

πQ 是质量系数，对应器件的筛选等级和认证等级。文档里出现 A2、B2、A4 这类代号，A 系列通常意味着更严的筛选和更低的失效率，B 系列次之。落到数值上，A2 可能是 0.3，A4 可能是 0.25，B2 是 1.0 或 1.6。差距是几倍。

这解释了为什么「同等规格，价格差三倍」在元器件采购里是常态：你买的不只是参数，还有筛选等级。做可靠性预算时必须提前确认 BOM 里实际用的是哪一级，否则计算书和实物对不上，评审一抽查就会暴露。

πL 是成熟度系数，看的是这颗器件投产多久、有没有批量使用历史。文档里 PWM 芯片那一行 πL = 1.0，意思是已经足够成熟。新产品、新料号在早期阶段 πL 会大于 1，随着使用时间拉长逐渐降到 1。这是个很「软」的参数，但它承认了一个事实：可靠性数据本身也在积累，没人能对新器件给出确定的失效率。

3.4 πS / πCV 与 πT：降额设计和结温怎么落到数字上

应力系数是设计工程师唯一能直接控制的参数。

πS（或电容的 πCV）由电应力比 S 查表得到，S = 实际工作应力 / 额定应力。文档里绝大多数电阻写「应力系数 S=0.1」，意思是实际耗散只有额定功率的十分之一。这是很典型的降额策略：功率电阻降额到 50%~60%，电阻降额到 10%~30%，电解电容的电压降额到 50%~80%。

注意电解电容那些行：S 从 0.3、0.4、0.5 一路到 0.8，对应的 πCV 从 1.9、1.3、2.2 变化。降额越狠，系数越小，这不是线性关系，而是查表得到的非线性曲线。S=0.8 那一档的系数明显偏高，说明电容长期工作在接近额定电压的状态，失效率会陡增。

πT 是温度应力系数，背后是 Arrhenius 模型：化学反应速率近似正比于 exp(-Ea/kT)，Ea 是激活能，k 是玻尔兹曼常数，T 是绝对温度。所以温度每升 10℃，某些失效机理的速率翻倍——这就是「10℃ 法则」的来源。计算书里的温度不是环境温度，而是器件的实际工作温度：PWM 芯片填的是 Tj = 58℃，电感填的是 THS = 45℃，变压器 THS = 60℃，接插件 THS = 50℃。这些数字必须来自热测试或热仿真，不能拍脑袋填 25℃。

3.5 复合模型：为什么电容、MOS、光耦的公式长得不一样

翻完这 34 页，你会发现公式栏里至少有七八种不同的组合：

差异来自失效物理不同。电阻主要是膜层氧化和刻痕处的热点迁移，所以温度和功率应力是主因；MOS 管是栅氧击穿和热载流子注入，跟工艺种类、电流额定值强相关；继电器是机械磨损，动作次数直接决定寿命，所以 πCYC 必须单列；PCB 的失效点是金属化孔的孔壁镀层热疲劳，孔数越多风险越高，所以公式是「每个孔的失效率 × 孔数 + 基板失效率」。

最特殊的是 PWM 芯片那一行，文档专门写了一段推导：「计算较为复杂故计算如下（按照单片双极与 MOS 模拟电路）」：

λp = [C1·πV·πT + (C2 + C3)·πE] · πQ · πL

C1 是电路复杂度失效率（0.346），C2 是芯片复杂度（0.030），C3 是封装复杂度（0.045）。πV = 1.79，πT = 1.33，πE = 2.5，πQ = 0.25，πL = 1.0。代进去：

[0.346 × 1.79 × 1.33 + (0.030 + 0.045) × 2.5] × 0.25 × 1.0 = [0.8237 + 0.1875] × 0.25 = 0.2528056

文档写的结果就是 0.2528056，乘 2（两片芯片）得 0.5056111。这说明集成电路用的是「复杂度加权 + 封装加权」的复合模型，而不是简单的系数连乘——因为它内部有几千个晶体管，没法按分立器件那样一颗颗算。

提示：这张公式表就是整份计算书的「源码」。看懂每类器件为什么用这套公式，比记住某个具体数值有用得多。

4. 从 34 页表格到可复现代码：一行数据要装哪些字段

4.1 数据模型：一行 BOM 行需要携带哪些信息

把这张表抽象成数据结构，字段其实很固定。核心是六类：身份（位号、型号）、分类（决定查哪张表、用哪个公式）、数量、基本失效率、一组命名系数、以及备注里的温度与应力条件。

from dataclasses import dataclass, field @dataclass class Row: ref: str # 位号，如 "R1" 或 "CD5-CD8" part: str # 型号/规格，如 "RN1/2WS 1M" category: str # 器件类别，决定公式和查表 n: int # 数量 N lambda_b: float # 基本失效率，单位 1e-6/h pi: dict = field(default_factory=dict) # 各项修正系数 note: str = "" # 温度、应力比等工况备注

category是最关键的字段，因为它同时决定了两件事：查哪张 λb 表、用哪个公式。n放在这里而不是放在公式里，是因为它属于行级属性——同一型号的多个位号可以合并成一行，用 n 表示。

note看起来可有可无，实际是最容易被审计追问的地方。写「应力系数 S=0.3；环境温度 25℃；环境系数 GF1；质量系数 B2」这一串，等于给出了这行数据全部的外部输入，别人拿同样的条件能复现出同样的数字。缺了它，这行就失去了证据价值。

4.2 计算引擎：分类派发与公式表

有了数据结构，计算就是一张派发表。每类器件对应一个纯函数，输入行对象，输出单件失效率。

FORMULAS = { "resistor": lambda r: r.lambda_b * r.pi["E"] * r.pi["CV"] * r.pi["Q"], "diode": lambda r: r.lambda_b * r.pi["E"] * r.pi["Q"] * r.pi["A"] * r.pi["S2"] * r.pi["r"], "mosfet": lambda r: r.lambda_b * r.pi["E"] * r.pi["Q"] * r.pi["A"] * r.pi["K"] * r.pi["r"], "capacitor": lambda r: r.lambda_b * r.pi["E"] * r.pi["CV"] * r.pi["Q"], "opto": lambda r: r.lambda_b * r.pi["E"] * r.pi["Q"] * r.pi["T"] * r.pi["C"], "relay": lambda r: r.lambda_b * r.pi["E"] * r.pi["Q"] * r.pi["C1"] * r.pi["CYC"], "transformer": lambda r: r.lambda_b * r.pi["E"] * r.pi["Q"] * r.pi["K"], } def row_lambda(r: Row) -> float: """返回整行合计失效率：单件失效率 × 数量""" return FORMULAS[r.category](r) * r.n def mtbf(rows) -> float: lam_total = sum(row_lambda(r) for r in rows) # 单位 1e-6/h return 1e6 / lam_total # 小时

这里有个必须注意的点：FORMULAS里返回的是单件失效率，乘 n 的动作放在row_lambda里统一做。文档原表更粗糙一些——它的 λp 列直接给的就是整行合计值，比如 R1 那一行 0.02880，是 0.005 × 1.8 × 1 × 1.6 × 2 得来的。如果在汇总时再乘一次 N，结果就会翻倍。

验证一下：

r1 = Row("R1", "RN1/2WS 1M", "resistor", 2, 0.005, {"E": 1.8, "CV": 1.0, "Q": 1.6}) print(row_lambda(r1)) # 0.0288，与文档的 0.02880 一致 cap = Row("CD5-CD8", "3300uF 电解", "capacitor", 4, 0.0393, {"E": 2.4, "CV": 0.3, "Q": 2.2}) print(row_lambda(cap)) # 0.24900，与文档一致

两行都对上了。这种「抽样反算」是检查一份可靠性计算书有没有抄错行的最快办法，比逐页核对高效得多。

4.3 用 PWM 芯片那一行反推公式是否正确

集成电路那一行的公式是结构式的，不适合套进上面的派发表，单独写一个函数更清楚：

def pwm_lambda(c1, c2, c3, pi_v, pi_t, pi_e, pi_q, pi_l): """ 单片双极/MOS 模拟电路失效率模型，返回值单位 1e-6/h c1: 电路复杂度失效率 c2: 芯片复杂度 c3: 封装复杂度 """ core = c1 * pi_v * pi_t # 电压应力 + 结温，构成主项 pkg = (c2 + c3) * pi_e # 复杂度项受环境影响 return (core + pkg) * pi_q * pi_l single = pwm_lambda(0.346, 0.030, 0.045, 1.79, 1.33, 2.5, 0.25, 1.0) print(single) # 0.2528055555555556 print(single * 2) # 0.5056111111111111

输出与文档记载的 0.2528056、0.5056111 完全吻合，说明这个模型的参数拆分是对的。

这个式子值得多看两眼。注意c1 * pi_v * pi_t这一项占了主导（0.8237 对 0.1875），意味着集成电路的失效率主要由「电路有多复杂 × 电压应力 × 结温」决定，封装只占小头。所以选型时，把一颗大芯片换成两颗小芯片，未必能降低失效率——复杂度项的平方效应会把这个便宜吃回去。

另外注意 πT = 1.33 对应的结温是 58℃，而环境温度写的是 25℃。中间差的 33℃ 来自芯片自身的功耗和热阻。填表时如果直接拿 25℃ 去查 πT，会得到偏小的系数，算出来的 MTBF 偏乐观。这是文档里最容易出错、也最难被发现的一个数。

5. 常见问题排查：算出来的 MTBF 为什么对不上账

5.1 现象：换了个输入电压重算，MTBF 掉了三分之一

这份文档有个细节：同一块板，先用 80VDC 输入算一遍，再用 100VDC 输入算一遍，两套完整的表格。很多人第一反应是「重复劳动」。

原因在于，输入电压变了，器件的工作点就变了。R11/R12 那一行，80V 版本写的是 0.22Ω，100V 版本写的是 0.75Ω——阻值都改了，说明这是两块不同的配置或者不同的工作状态。更普遍的是电应力比 S 变化，S 一变，πCV、πS2 全部跟着变，乘出来的结果自然不同。

解决办法不是二选一，而是两套都保留，并在封面注明条件。交付时给最坏情况那个值作为承诺值，另一套作为设计余量的证据。评审时被问「到底报哪个」，答案是：报最差工况下的那个，但要能说清为什么另一个工况更好。

5.2 现象：同一型号的器件，两行的 λp 差了一倍

文档里 R24/R26/R28/R31 等 7 个位号合并成一行，型号写「1K2」，N = 7；R9、R14 等 9 个位号合并成另一行，型号写「1K」，N = 9。这两行的 λb 相同、π 系数相同，但行合计差了不是 9:7 的比例。

原因通常是数量填错。合并行时人工数位号，很容易漏掉带字母后缀的（比如 R31A），或者把重复位号数了两遍。

解决办法是别靠人工数。用 BOM 按「型号 + 厂商 + 规格」做一次 group by，数量由程序统计，人工只负责核对分组对不对。另外，合并行必须在备注里列出全部位号，像文档那样写「R9,14,19,27,29,57,58,59,62」，事后能一个个点回去。

5.3 现象：整机 MTBF 算出来比同行高一个数量级

先查单位。λb 的单位是 10⁻⁶/h，也就是每百万小时多少次失效。有些表格用 FIT（1 FIT = 10⁻⁹/h），差 1000 倍。混用一次，结果就离谱。

再查质量系数。全部填 B2 是最常见的「偷懒优化」——B 系列系数大，算出来的失效率高，看起来保守；可如果实物采购的是 A 系列，你就是把成本花在了没算进去的地方。反过来，全填 A2 讨好了数字，实际装的是 B 级料，这是自欺欺人。

最后查环境系数。GF1 是地面固定环境里最好的一档。如果设备实际要装在振动平台上，必须换成对应的档次，不能因为「我们装在机柜里」就默认 GF1。

5.4 现象：温度那一栏全都填 25℃

25℃ 是环境温度，不是器件温度。文档里的做法很规范：PWM 填 Tj = 58℃，电感和变压器填 THS = 45~60℃，接插件填 THS = 50℃，而且每一处都写了「环境系数 GF1、质量系数 B2」作对照。

填错温度的后果是不对称的：温度填低，πT 查出来的值偏小，失效率被低估，MTBF 虚高。而电解电容这类器件对温度极其敏感，寿命大致每升 10℃ 减半，这个偏差能轻易让总失效率差出两三成。

解决办法是把热测试数据作为计算书的前置输入。没有实测数据，至少要有热仿真结果；两样都没有，就按最恶劣的机箱内温升做保守假设，并在备注里写明「假设值，待热测试后更新」。

5.5 现象：明明有冗余设计，算出来还是串联结果

如果电源做了 1+1 冗余，两个模块并联供电，整机可靠性显然比串联模型算出来的高。但计算书的公式里没有冗余项。

原因很简单：这份文档算的是单模块的 MTBF，冗余是系统级的事，要在上一层用并联模型另算。并联的可靠性是 R = 1 - (1-R₁)(1-R₂)，跟串联完全不是一回事。

解决办法是分清层级。元器件级用串联相加，模块级看有没有冗余，系统级再考虑共用部件（比如共用市电、共用散热）。把三层混在一起算，结果既不可信也无法评审。

6. 预计值与实测值：手册法的边界和那份文档的真正价值

手册法的天花板在哪，从这份文档里能看得很清楚。

它给出的数字，本质上是「同类器件在统计意义上的平均表现」叠加「本设计的应力条件修正」。它算不出一颗电容的电解液是哪家配的、一批焊点的空洞率是多少、某次来料变更有没有引入隐患。这些都超出模型边界。所以常有人说「算出来 50 万小时，现场一年坏了 3%」，两边都没错——前者是预计值，后者是现场表现，中间隔着批次差异、使用习惯、维修策略。

真正让这份 34 页文档有价值的，不是最后那个 MTBF 数字，而是它的可追溯结构。每一行都写了查的哪张表、填的什么系数、依据什么工况，等于把设计时的每一个假设都摊开在纸面上。半年后有人问「为什么当初认为这颗电容没问题」，你翻到那一行，看到 S=0.3、THS=45℃、πCV=1.9，就能回答。没有这份文档，那些假设就只存在于某个人的记忆里。

如果要做实测验证，思路是从预计值反推试验方案。假设总失效率算出 λ_total，要在 90% 置信度下验证 MTBF 下限，用定时截尾的卡方公式：

MTBF_lower = 2T / χ²(2r + 2, 1 - α)

T 是总试验时间，r 是失效数，α 是置信水平。反过来给定目标 MTBF 和允许的失效数，就能反解出需要多少台样品跑多少小时。这一步经常被跳过，结果试验做完了才发现样本量根本不足以支撑结论。

比较务实的做法是分层看待：元器件级用手册法做设计预算，模块级做 HALT（高加速寿命试验）找薄弱环节，系统级靠现场数据回归。三者互相校验，谁也别想单独说话。

从那以后我每次拿到一份可靠性预计表，都会先做一件事：随机抽三行，把系数乘法自己按一遍，再核对这些行的温度来源有没有实测支撑。这个习惯帮我抓到过好几次数量填错和温度照抄的问题——数字对不对是次要的，能不能复现才是关键。希望帮到你。

本文还有配套的精品资源，点击获取