实现物理电子与数字的可靠性设计

由约翰·帕里和G.A. Luiten(温迪)

与今天的强大的计算资源,数字设计正越来越多地被使用在设计周期的早期预测零时标称性能和可靠性评估。本文中提出的方法使用模拟和测试来评估设计的结合性能,提供更多的可靠性和提高生产力。

可靠性是系统将执行其预定功能的概率没有失败,在规定条件下,规定的一段时间。”这个定义的第一部分着重于产品性能为目的函数没有失败。第二部分地址使用方面的什么条件将使用该产品。第三部分地址——长产品会操作。

图1:系统开发V-diagram。

数字化设计的流动性能描述的v模型(图1),需求向下流动,和功能流。业务和市场需求向下流动的系统,其次是子系统,组件在左手边设计,后诉组件子函数没有能力履行失败是验证,包括子系统和系统。最后,验证了全系统对业务和市场预期。

设计可靠性的三个部分
数字设计提高了验证步骤和速度通过计算是否指定的系统,子系统,或组件输入产生所需的输出。数字设计还可以用来指导架构和设计的选择。电子冷却设计和分析、三维计算流体动力学(CFD)软件系统的构造热模型在概念阶段,在设计数据提交到电子设计自动化(EDA)和/或机械CAD (MCAD)系统。然后阐述了模型与数据从机械和电气设计进口流创建一个数字双热力性能的产品,然后用于验证和分析。

设计可靠性的第二部分着重于条件,将用例的不同阶段系统的生命周期,包括运输、使用准备,第一次使用,正常使用,和end-of-use场景。该产品应该承受正常运输条件:下降,振动,极端温度和维护性能与处理错误。不同加载条件下将发生在不同温度和湿度环境中正常使用。end-of-use之后,产品应该很容易回收,避免环境破坏。这些用例代表典型场景以外,正常使用条件以外的实验室环境。数字设计模拟特定的生命周期中的步骤,例如,下降和模拟运输振动测试条件,和“假设”情境,模拟更为严重的环境条件。

可靠性定义的第三部分是关于产品预计的时间跨度来执行其预期功能没有失败。这是测量失败率,简单地定义为正在运行的人口的比例,失败在一定时间。如果我们开始拥有100人口的运行单位,我们有一个恒定的失败率为10%,然后在t = 1, 90台(100)的90%仍然运行在t = 2, 81 x 90(90%)正在运行。

图2:浴缸曲线显示失败的利率。

随着时间的推移,故障率变化。硬件产品性能可以说明了浴缸曲线(图2)。第一阶段,阶段,有一个降低故障率的症结了不成熟的设计和生产。例子阶段失败的根源包括部分公差制造问题,运输或储存条件,安装,或启动。这个阶段确认产品进行设计制造。从业务的角度来看,由于这是注意失败不指产品的单一实例,但业务产生的人口。温度影响浴缸曲线的所有部分,因此系统的热力性能应该检查和仿真模型相比在这个阶段。

下一阶段是正常的生活,故障率浴盆曲线趋于平缓。随机故障从各种来源过分强调结合总失效率为常数;过分强调被定义为远足之外已知安全操作的局限性。第三部分的曲线,失败率增加与产品穿着随着时间的使用。

失败和成熟阶段
V-diagram表明,可靠性是保证依从性的产品需求。部分不符合这些需求被认为是有缺陷的,认为早期性能故障。通常情况下,高水平的聚合许多低水平,例如,电子组装包括多个板,每板包含多个组件和大数量的焊点。这也意味着低层次需要逐步降低失败率来确保可靠性更高的水平。在高可靠性的环境中,失败率表达的ppm (ppm)和过程能力指数(肌酸磷酸激酶)。

在电子行业供应链,电子组件的最大可接受的失败率范围从1.0的肌酸磷酸激酶,对应2700 ppm下降的外上部或规范的限制。大型供应商通常从1.33 (60 ppm)的肌酸磷酸激酶的肌酸磷酸激酶1.67关键部分(< 1 ppm)。在汽车应用中,增加电子子系统(特别是安全)正在推动供应链实现低缺陷率,现在接近1 ppm的各个组件。

reliability-capable组织从经验和经营主动学习。IEEE 1624 - 2008指南组织可靠性能力定义五个阶段的可靠性能力成熟度模型(CMM)不同阶段1:纯粹被动的第五阶段:主动的。表1显示了一个从矩阵覆盖可靠性分析和测试从第二阶段开始。

表1:IEEE1624能力成熟度矩阵摘录在可靠性分析和测试。

对于一个复杂的设计,大量的失败条件和用例的结果在许多潜在的失败条件——昂贵和耗时的测试硬件。测试基于硬件在后期设计需要一个成熟的产品。对于一个复杂的产品,第一阶段方法需要预测建模。数字设计-计算机模拟和建模与CMM第二阶段部署。在较低水平,这是纯粹的驱动性能和环境。可以在所有产品执行其预定功能的用例,没有失败,基于名义上的输入和输出?

试点运行,制造业投资,和寿命测试通常是设计冻结后开始。这些需要时间和金钱的投资不允许迭代方法。第二阶段企业往往识别之前提供设计验证计算机模拟设计冻结。经验表明,设计返工通常需要满足需求部分的安全操作的局限性,如最大环境温度。

第三阶段,虚拟分析应与失败条件高度相关;例如,通过现场数据和专用的可靠性测试提供一个高检测之前通过虚拟分析故障发生的可能性。设计失效模式和影响分析(DFMEA),风险优先数(RPN)分配给产品故障严重程度得分,发生和检测。增加检测可以降低RPN的可能性高达80%。

在CMM阶段4,通常在设计过程的早期使用模拟。模拟被用来计算一个名义上的性能、计算和统计分布,也就是说,失败更granularity-not作为是/否二进制的结果,但失败的概率,统计的肌酸磷酸激酶表达的设计能力。DFMEA,这又进一步降低了RPN备份或远程出现分数低的要求。在热设计,更高的CMM公司发展使用测量支撑富达的仿真模型确认材料属性,厚度的债券线,沿热流路径等。

早期设计的模型,如图3所示的汽车ADAS控制单元,模拟组件放置之前关闭了在EDA设计流程,可用于支持冷却解决方案的选择,应用确定性设计改进,并探索可能的输入变量的影响。

图3:初始设计汽车ADAS单元建模Simcenter Flotherm。

计算机模拟和统计技术是强大的在解决名义设计和统计设计能力。在实验设计(DOE),一个场景组成的特定的病例数量可以计算为一个数组的虚拟实验。病例选择,使分离输入和输入的组合的影响,导致名义性能输出的量化函数设计输入。CMM水平较低时,这个函数可以用来选择设计的输入,设计符合其预期的功能在所有规定的条件。

成为一个高度可靠性能力的公司
在CMM水平较高,v模型还包括知道输入的统计分布和要求允许的失效概率,通常表示为一个Cp /肌酸磷酸激酶统计能力或σ水平。再次,能源部可以确定输出性能的函数设计输入和噪声因素;随后,噪声的影响和输入的统计分布因素通过蒙特卡罗模拟可以确定。对于每个设计输入和每个噪声系数,随机值选择相关的分布和替换的方程来计算输出性能。这是重复很多次,5000次,选择一组设计输入和声音和替换函数计算性能的输出。这导致5000年的预测数据集的性能输出值显示预期的统计分布,统计能力和故障率。

图4:工作流结合数字和统计设计。

更高的CMM公司的工作流程如图4所示,用能力5000模拟分析的结果显示在图3进行改进设计。证明了肌酸磷酸激酶= 1.05远低于1.33的预期的失败率远远超过可接受的ppm水平。因为低故障率,蒙特卡罗实验所需的数量高,如图5所示。

图5:预测结温为关键IC7组件5000模拟,占统计使用接受输入参数的变化。

主动与被动的方法
低水平CMM组织高水平的活性方法失败的正常使用,也就是说,名义影响故障率的计算平面浴缸曲线的一部分。成熟的组织同时在多个字段和部署工作的名义和统计模式数字设计的浴缸曲线的不同部分:产品阶段,正常使用和磨损。第五阶段CMM组织也投资于理解失败机制支撑随机故障的根源在正常生活和磨损。

评估方案的热结构用于校准的详细三维热仿真模型在设计预测精度最高。图6中的图比较热构造函数运行的结果热模型的IGBT测试实际使用一部分有功功率自行车。

综合循环策略为不同的用例条件和捕捉一系列的电气和热测试数据,可以被应用到模型中,除了运行常规热瞬态测试。结果可以确定包互连或定位损伤退化的原因在部分的热结构,从而满足CMM第四阶段的测试需求和实现第五阶段提供必要的数据。

温迪Luiten是一个著名的热专家和掌握六西格玛黑带在创新设计。她撰写了超过25论文,拥有6项专利,在专利和是一个著名的讲师。她收到了Semitherm最佳论文奖2002年,哈维Rosten卓越奖2013年,2015年飞利浦研究杰出成就奖。在飞利浦研究三十多年后她现在主要自己的咨询公司,继续工作作为热专家,和黑带大师,作为高科技研究所讲师和dfs领导教练。